视觉模型训练插件支持视觉领域常用模型的标注、训练及发布，并针对移动端场景进行了模型深度优化，您可以通过手机扫码快速体验模型效果，也可以将模型部署在移动设备上。本文介绍使用视觉模型训练插件进行图像分类的详细流程。

前提条件

  • 已完成OSS授权，详情请参见OSS授权。
  • 已创建图像分类实例，详情请参见创建实例。
  • 已将训练图像上传至OSS，且满足OCR识别的数据集要求和规范，详情请参见使用限制。建议使用图形化管理工具ossbrowser批量上传图片数据，详情请参见快速使用ossbrowser。
    注意 训练图像上传的OSS路径和图像分类实例需要归属于同一个地域，否则您在创建数据集时，将不能正确选择到数据集所属的OSS路径。

背景信息

测试数据：下载图像分类的DEMO数据。

使用限制

进行图像分类的数据集需要满足以下要求及规范：
  • 数据集要求
    • 图像质量：无损坏图像。系统支持JPG、JPEG及PNG格式。
    • 数据均衡：建议训练数据集每类图像均大于20张，且不同种类的数据保持均衡。
    • 数据分布：训练样本与实际场景相似。
    • 泛化能力：选择实际场景的多角度样本进行训练。
  • 数据集规范 
    |-- your_image_dir /
    |-- label_1 /
        | -- a.jpg
        | -- b.png
    | -- label_2 /
        | -- c.jpg
        | -- d.png
    |-- test_1.png
    ...
    存储在OSS中的训练图片必须满足上述格式要求。其中your_image_dir表示保存图片的文件夹，该文件夹下可以存在多个子文件夹，分别存储不同类别的图片。例如，your_image_dir/label_1表示类别为label_1的图片。对于未确定类别的图片，也可以存储在your_image_dir目录下。例如，your_image_dir/test_1.png表示test_1.png 图片尚未标注。
    说明 子文件夹名称（label_1，label_2，……）仅支持英文，即标签仅支持英文。

操作流程

使用视觉模型训练插件进行图像分类的流程如下：
  1. 步骤一：创建数据集

    创建用于图像分类的训练数据集。

  2. 步骤二：标注数据

    如果有未标注的数据，可以在线标注。

  3. 步骤三：创建任务

    创建模型训练任务。

  4. 步骤四：查看训练详情

    训练过程中，您可以查看节点训练进度、节点详情信息及训练日志。

  5. 步骤五：客户端预览模型

    您可以通过手机支付宝扫描二维码。快速体验模型效果。

  6. 步骤六：服务端部署

    视觉模型训练插件与PAI-EAS高效对接，您可以一键将模型部署为RESTful服务。

步骤一：创建数据集

  1. 进入视觉模型训练页面。
    1. 登录PAI控制台。
    2. 在左侧导航栏，选择AI行业插件 > 视觉模型平台插件。
  2. 在视觉模型训练页面，单击目标实例操作列下的打开。
  3. 在数据准备配置向导页面，单击创建数据集。
  4. 在创建数据集面板，配置参数。
    参数 描述
    数据集名称 长度为1~30个字符，以大写字母、小写字母、数字或中文开头，可以包含下划线（_）或中划线（-）。
    描述 数据集的简要说明，便于区分各数据集。
    存储类型 系统默认OSS，不支持修改。
    OSS路径 选择OSS存储训练图片的路径。
  5. 单击确认。
    视觉模型训练插件会对图像及标注信息进行索引（不会转存图像，只对数据进行索引，模型训练时才会授权访问图像），您可以在数据集列表区域，查看数据集信息。当数据集的状态从数据导入中变为待人工标注或标注完成，表示数据集已创建完成。

步骤二：标注数据

如果数据集中有尚未标注的图像，可以在线标注。

  1. 在数据准备配置向导页面的数据集列表区域，单击目标数据集操作列下的标注。去标注
  2. 在标注页签，对每张图像进行标注（选择对应的标签），并单击提交。标注图像
  3. 单击预览页签，可以查看标注结果。

步骤三：创建任务

  1. 在数据准备配置向导页面，单击页面上方的训练任务配置向导。
  2. 在训练任务配置向导页面，单击创建任务。
  3. 在创建任务面板，配置参数。
    区域 参数 描述
    基本信息 任务名称 长度为1~30个字符，以大写字母、小写字母、数字或中文开头，可以包含下划线（_）或中划线（-）。
    描述 任务的简要说明，便于区分各任务。
    数据集 选择数据集 选择已创建的数据集作为训练数据集。
    选择标签 至少选择两项分类标签。
    算法与训练 选择算法 根据实际需要选择以下算法：
    • 分类-高性能：兼顾客户端与云端推理性能，预测速度快。
    • 分类-高精度：预测速度低于高性能算法，但准确率更高。
    资源配置 选择训练任务使用的GPU数量及GPU类型。
    显示高级设置 单击显示高级设置，可以自定义模型训练过程中涉及的算法参数，详情请参见下面的表 1。如果没有设置高级参数，则使用默认参数。
    表 1. 高级参数
    参数 描述 默认值
    数据增强 系统支持以下数据增强方法：
    • Rotate：旋转
    • Blur：模糊
    • Noise：加噪音
    • Shear：错切
    • FlipLR：左右翻转
    • FlipUD：上下翻转
    		Rotate、Noise、Shear及FlipLR
    模型宽度 系统支持0.35、0.5、0.75及1共四种模型宽度。 1
    训练Epoch 训练的Epoch数量。 10
    优化器 系统支持以下优化器：
    • Adam
    • RmsProp
    • Momentum
    		 Adam
    初始化学习率 训练时，初始的学习率。 0.001
    量化压缩 是否进行量化压缩。 是
  4. 单击开始训练。

步骤四：查看训练详情

  1. 在训练任务配置向导页面，单击操作下的训练详情。训练详情
  2. 在训练详情页面，您可以进行如下操作。
    操作 描述
    查看训练进度 在训练过程页签，查看训练进度及训练基本信息。训练进度
    终止任务 在训练过程页签，单击终止任务。
    查看节点训练信息
    1. 在训练过程页签，单击节点图标。
    2. 在节点信息面板，查看节点运行进度、基本信息及步骤信息。
    查看训练日志
    1. 在训练过程页签，单击节点图标。
    2. 在节点信息面板，单击日志页签。

步骤五：客户端预览模型

  1. 训练完成后，在训练详情页面，单击右侧的体验及发布。
  2. 在体验及发布配置向导页面，使用支付宝扫描生成的二维码。体验模型
  3. 使用客户端识别物体，体验实时预测效果。体验模型

步骤六：服务端部署

  1. 在体验及发布配置向导页面，单击前往PAI-EAS部署。
  2. 配置模型参数。
    1. 在模型配置面板，输入自定义模型名称，并选择资源种类，其他参数系统自动代入。
    2. 单击下一步。
  3. 在部署详情及配置确认面板，配置参数。
    参数 描述
    实例数 单击上箭头或下箭头图标调整资源数量。
    Quota 仅资源种类为CPU时配置。1 Quota等于1核、4 GB内存。
    单实例运行的机器资源 仅资源种类为GPU时配置，表示GPU服务器的规格。
  4. 单击部署。
    进入PAI EAS模型在线服务页面。如果模型状态变为运行中，则模型部署成功。
  5. 调用模型。
    API调用说明
    • HTTP方法：POST。
    • 请求URL：服务端部署成功后，系统会自动生成公网访问地址 。您可以通过如下方式获取访问地址和Token。
      1. 在PAI EAS模型在线服务页面，单击目标服务服务方式列下的调用信息。
      2. 在调用信息页面的公网地址调用页签，查看访问地址和Token。
    • Body请求。 
      {
  "dataArray":[
    {
      "name":"image",
      "type":"stream",
      "body":"base64数据"
    }
  ]
}
      参数 是否必选 类型 说明
      name 否 STRING 无
      type 否 STRING 数据类型。系统默认stream，不支持修改。
      body 是 STRING 图像数据。使用Base64编码，支持JPG、PNG及BMP等格式。
    • 返回说明。
      参数 类型 说明
      success BOOL 调用是否成功
      result OBJECT 返回结果
      output ARRAY 分类结果数组
      label STRING 分类类别
      conf NUMBER 置信度
      meta OBJECT 图片信息
      height NUMBER 图片高度
      width NUMBER 图片宽度
    • 错误码。
      错误码 错误信息 描述
      1001 INPUT_FORMAT_ERROR 输入格式有误。例如，缺少必要参数，请检查输入格式是否符合规范。
      1002 IMAGE_DECODE_ERROR 图片解码失败（非JPG或PNG等常见图片格式），请检查图片格式。
      2001 UNKNOWN_ERROR 服务器内部错误。
      2002 GET_INSTANCE_ERROR 实例获取失败。通常是由于资源不足，请尝试增大CPU或内存等资源配置。
      2003 MODEL_FORWARD_ERROR 服务器内部错误，模型推理失败。
    调用示例
    • 请求示例。 
      curl http://****.cn-shanghai.pai-eas.aliyuncs.com/api/predict/**** -H 'Authorization:****==' -d '{"dataArray": [{"body": "****", "type": "stream", "name": "image"}]}'
      需要将示例中的URL、Token及图片Base64信息替换为实际值。
    • 返回示例。 
      {
  "success":true,
  "result":{
    "output":[
      {
        "type":"cv_common",
        "body":[
          {"label":"hua","conf":0.8},
          {"label":"feihua","conf":0.2}
        ]
      }
    ],
    "meta":{
      "height":1920,
      "width":1080
    }
  }
}
    • 请求错误的返回示例。
      如果请求错误，返回结果包含以下参数：
      • errorCode：错误码。
      • errorMsg：错误描述信息。
      例如，输入参数中缺少dataArray字段，返回结果如下。 
      {
  "success":false,
  "errorCode":"1001",
  "errorMsg":"INPUT_FORMAT_ERROR"
}