图像分类任务#

从数据上传、模型训练、模型转换、模型部署和模型预测5个方面介绍使用Coovally训练图像分类任务的全流程。

数据上传#

数据集格式介绍 ：仅支持ImageNet格式。

数据准备#

将数据中的图片所在文件夹压缩为zip格式的压缩包。

创建数据集#

  • 登陆Coovally平台。点击主界面左侧的 图像数据 ，点击左上角的 创建 ，点击 创建数据集 。

  • 填写数据集参数，点击 确定。参数说明：

1.数据集名称：自定义
2.版本名称：自定义
3.任务类型：图像分类
4.图像拆分比例：自定义设置数据集拆分比例
5.版本描述：数据集描述
6.上传文件：图片压缩包
../../_images/classifica_2.png

创建数据集详细信息可参考 创建数据集。

标签上传#

上传数据集后，Coovally平台会自动生成标签文件，如下图所示。

../../_images/classifica_3.png

数据检查（可选步骤）。在数据集详情页，选择标签，点击 标签预览 图标，进行标签预览，检查是否存在错标、漏标等问题。

模型训练#

  • 点击主界面 图像数据 ，选择 我的数据 ，选择刚刚上传的数据集，进入数据集详情页。

  • 点击标签列表中的 开始训练 ，选择 系统算法 ，进入参数设置页面。

../../_images/classifica_4.png

  • 填写模型参数和实验参数。

模型参数

任务名称：自定义
任务类型：图像分类
算法名称：自定义
评估方法：保持默认方法
镜像地址：保持默认地址
是否复用：是否希望后续模型以该模型为基础模型，在此基础上进行微调

实验参数

每次实验epoch：自定义，指训练集中全部样本训练的次数
实验次数：自定义，指模型训练总次数
并发次数：自定义，指并行训练的数量
持续时间：设置本次训练可持续的最长时间
../../_images/classifica_5.png

  • 点击 参数设置 进入超参数设置页面，设置合适的超参数值，以提高模型精度或加快训练模型速度。 参数非必填，可使用默认值。

    • 设置内容：模型输入尺寸宽高、合适的Batch-Size选择。模型输入尺寸越大，模型精度越高，但训练、推理速度会相应变慢。

../../_images/data_set.png

  • 模型训练

    • 点击开始训练，即开始训练模型。模型训练过程中可以查看各项指标。

    • 模型训练任务创建完成后，点击总览页面，展示模型训练的相关信息，包括任务执行状态，任务持续时长、训练列表、最佳指标等关键信息。后续可进行模型转换、部署、预测等操作。

模型转换#

点击实验详情下的实验列表，进入模型转换页面 ，点击 模型转换图标 image1 ，选择模型格式类型、机器架构、设备、服务器、模型精度 ，填写模型名称和描述 ，点击 开始转换 开始进行模型转换 ，等待模型转换完成即可。

../../_images/model_convert1.png

模型转换详细信息可参考 模型转换。

模型部署#

在模型转换完成后，点击模型预测，点击模型列表下 模型部署图标 image2 ，打开模型部署页面，按要求选择服务地址，再点击 部署 按钮 ，等待部署完成。

../../_images/model_deploy1.png

模型部署详细信息可参考 模型部署。

模型预测#

模型部署完成后，点击 上传图片 按钮按要求上传图片，系统即可对此图片进行模型预测，预测结果会直接显示在右侧的识别结果栏内。

../../_images/infer_cls.png

模型预测详细信息可参考 模型预测。