PAI视觉算法组件-图像分类Quick Start

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+LLaMA Factory微调Qwen2-VL模型,搭建文旅领域知识问答机器人
使用PAI和LLaMA Factory框架,基于全参方法微调 Qwen2-VL模型,使其能够进行文旅领域知识问答,同时通过人工测试验证了微调的效果。
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
|
8月前
|
机器学习/深度学习 Dragonfly 人工智能
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
182 1
|
7月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
567 0
|
8月前
|
机器学习/深度学习 传感器 数据采集
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)
511 0
|
9月前
|
机器学习/深度学习 人工智能 算法
AP聚类算法实现三维数据点分类
AP聚类算法实现三维数据点分类
326 0
|
机器学习/深度学习 算法 数据可视化
利用SVM(支持向量机)分类算法对鸢尾花数据集进行分类
本文介绍了如何使用支持向量机(SVM)算法对鸢尾花数据集进行分类。作者通过Python的sklearn库加载数据,并利用pandas、matplotlib等工具进行数据分析和可视化。
1242 70
|
机器学习/深度学习 资源调度 算法
基于入侵野草算法的KNN分类优化matlab仿真
本程序基于入侵野草算法(IWO)优化KNN分类器,通过模拟自然界中野草的扩散与竞争过程,寻找最优特征组合和超参数。核心步骤包括初始化、繁殖、变异和选择,以提升KNN分类效果。程序在MATLAB2022A上运行,展示了优化后的分类性能。该方法适用于高维数据和复杂分类任务,显著提高了分类准确性。
|
人工智能 编解码 算法
使用 PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理
使用 PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理
546 0
|
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
|
算法
PAI下面的gbdt、xgboost、ps-smart 算法如何优化?
设置gbdt 、xgboost等算法的样本和特征的采样率
573 2
|
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。
571 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

热门文章

最新文章