PAI视觉算法组件-图像分类Quick Start

本文涉及的产品
模型训练 PAI-DLC,5000CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
交互式建模 PAI-DSW,每月250计算时 3个月
简介: PAI Designer(Studio 2.0)是基于云原生架构Pipeline Service(PAIFlow)的可视化建模工具, 提供可视化的机器学习开发环境,实现低门槛开发人工智能服务。同时,系统提供丰富且成熟的机器学习算法,覆盖商品推荐、金融风控及广告预测等场景,支持基于MaxCompute、PAI-DLC、Flink等计算资源进行大规模分布式运算,可以满足您不同方向的业务需求。本文将结合智能标注简单演示机器学习平台进行图像分类的一个展示,以供参考。

Step By Step

  • 1.创建智能标注任务,获取生成的.manifest索引文件
  • 2.在dataworks里创建表后,通过MaxCompute客户端使用Tunnel Upload导入标注的图片地址数据
  • 3.PAI Designer进行模型搭建训练
  • 4.查看结果数据

一.使用Tunnel Upload导入标注的图片地址数据

  • 导入的数据要求与查看导入数据

1666777396772_17D7A6A8-3A73-45d7-A585-EB23532859CB.png

lQLPJxbQa3dk4ezNAbrNBnawyz_bfzOYUasDVoqSAkCRAA_1654_442.png

1666849739412_CDF4CE27-1434-4ada-A149-A83CDBE11B27.png


二.模型搭建训练

  • 1.创建读OSS数据组件

lQLPJxbQY4Wu_B7NAqLNBXCwHySqF4E3wGQDVn2Nx0CqAA_1392_674.png


lQLPJxbQY1JsaIHNA0XNBjywXF_HEepXZHgDVn05PUDsAA_1596_837.png


  • 2.数据转tfrecord组件

lQLPJxbQZRr-x7bNAr_NBQGwJpVAxxoCq9ADVoAmLUAcAA_1281_703.png


1666774579898_43CDDA22-61D1-4ec5-975E-CE27829774AE.png


lQLPJxbQZFp44VrNAmLNBUewGuJ-j30H0I0DVn7qrcBAAA_1351_610.png


image.png


lQLPJxbQZKPJKOXNAwzNBIiwiU3aZR7z0O8DVn9iQQCRAA_1160_780.png


lQLPJxbQZLw5R6fNAnjNBFyw2qOw3uTTkYgDVn-Kf0BAAA_1116_632.png

  • 3.图像分类训练组件

lQLPJxbQaDDBsnfNAlfNBHmwaKVZQazYXLsDVoUzoECkAA_1145_599.png


lQLPJxbQaIyMQszNAzPNBIawVC-558AZ1qoDVoXKYgBMAA_1158_819.png


lQLPJxbQaPTbJn3NAx3NBI-wukITBjytPboDVoZ1LcDOAA_1167_797.png


lQLPJxbQaRRyTDrNAkfNBHuwkV_N10H4SMsDVoao1UBMAA_1147_583.png

  • 4.读数据表组件

lQLPJxbQaa7SjzrNAvfNBw2wPOS7LXHFtpADVoel4EA2AA_1805_759.png

  • 5.通用图像预测组件

lQLPJxbQa-KutsHNAtLNBW2wyCVnVe2QYwcDVotB-0AcAA_1389_722.png


lQLPJxbQbPwEMgbNAsDNBZawF4e_BR1sGuEDVo0O9EAcAA_1430_704.png


lQLPJxbQeC5nWbPNAhTNBTewmVv8hMt_gocDVp9nE0CqAA_1335_532.png

三.查看结果数据

lQLPJxbQeE1l6VrNArbNA--wTPILFLWYJlMDVp-ZpwCJAA_1007_694.png


更多参考

智能标注(iTAG)
阿里云机器学习平台PAI智能标注Quick Start
通过客户端使用MaxCompute

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
目录
相关文章
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
阿里云人工智能平台 PAI 团队发表的图像编辑算法论文在 MM2024 上正式亮相发表。ACM MM(ACM国际多媒体会议)是国际多媒体领域的顶级会议,旨在为研究人员、工程师和行业专家提供一个交流平台,以展示在多媒体领域的最新研究成果、技术进展和应用案例。其主题涵盖了图像处理、视频分析、音频处理、社交媒体和多媒体系统等广泛领域。此次入选标志着阿里云人工智能平台 PAI 在图像编辑算法方面的研究获得了学术界的充分认可。
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
|
1月前
|
机器学习/深度学习
如何用贝叶斯方法来解决机器学习中的分类问题?
【10月更文挑战第5天】如何用贝叶斯方法来解决机器学习中的分类问题?
|
2月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
90 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
1月前
|
存储 缓存 分布式计算
数据结构与算法学习一:学习前的准备,数据结构的分类,数据结构与算法的关系,实际编程中遇到的问题,几个经典算法问题
这篇文章是关于数据结构与算法的学习指南,涵盖了数据结构的分类、数据结构与算法的关系、实际编程中遇到的问题以及几个经典的算法面试题。
29 0
数据结构与算法学习一:学习前的准备,数据结构的分类,数据结构与算法的关系,实际编程中遇到的问题,几个经典算法问题
|
1月前
|
机器学习/深度学习 存储 自然语言处理
【机器学习】基于逻辑回归的分类预测
【机器学习】基于逻辑回归的分类预测
|
1月前
|
移动开发 算法 前端开发
前端常用算法全解:特征梳理、复杂度比较、分类解读与示例展示
前端常用算法全解:特征梳理、复杂度比较、分类解读与示例展示
21 0
|
1月前
|
机器学习/深度学习 算法 数据可视化
机器学习的核心功能:分类、回归、聚类与降维
机器学习领域的基本功能类型通常按照学习模式、预测目标和算法适用性来分类。这些类型包括监督学习、无监督学习、半监督学习和强化学习。
24 0
|
2月前
|
机器学习/深度学习 算法 数据挖掘
决策树算法大揭秘:Python让你秒懂分支逻辑,精准分类不再难
【9月更文挑战第12天】决策树算法作为机器学习领域的一颗明珠,凭借其直观易懂和强大的解释能力,在分类与回归任务中表现出色。相比传统统计方法,决策树通过简单的分支逻辑实现了数据的精准分类。本文将借助Python和scikit-learn库,以鸢尾花数据集为例,展示如何使用决策树进行分类,并探讨其优势与局限。通过构建一系列条件判断,决策树不仅模拟了人类决策过程,还确保了结果的可追溯性和可解释性。无论您是新手还是专家,都能轻松上手,享受机器学习的乐趣。
47 9
|
1月前
|
机器学习/深度学习 传感器 算法
机器学习入门(一):机器学习分类 | 监督学习 强化学习概念
机器学习入门(一):机器学习分类 | 监督学习 强化学习概念
|
3月前
|
机器学习/深度学习 人工智能 算法
【人工智能】机器学习、分类问题和逻辑回归的基本概念、步骤、特点以及多分类问题的处理方法
机器学习是人工智能的一个核心分支,它专注于开发算法,使计算机系统能够自动地从数据中学习并改进其性能,而无需进行明确的编程。这些算法能够识别数据中的模式,并利用这些模式来做出预测或决策。机器学习的主要应用领域包括自然语言处理、计算机视觉、推荐系统、金融预测、医疗诊断等。
66 1

热门文章

最新文章