案例目标

掌握使用ModelArts训练手势识别AI模型。

实现本地模型部署

您需要什么？

一台电脑（Windows）

谷歌浏览器

准备工作

1. 注册华为云账号

2. 获取访问密钥并完成ModelArts全局配置

3. 创建OBS桶

准备数据

从此链接下载数据到本地，解压。

通过OBS Browser上传数据集文件夹到刚刚创建的OBS桶下，可以参考此文档 。

ModelArts模型训练及在线部署

创建训练作业

接下来将通过ModelArts训练作业功能训练AI模型，在此过程中应用ModelArts的预置算法Resnet50训练出一个图像分类模型。

1. 进入ModelArts管理控制台，点击左侧工具栏“训练管理”>“训练作业”，进入“训练作业”页面。

2. 单击“创建”，进入“创建训练作业”页面。

3. 在“创建训练作业”页面，填写训练作业相关参数，然后单击“下一步”。

   a. 在基本信息区域，“计费模式”和“版本”为系统自动生成，不需修改。请根据界面提示填写“名称”和“描述”。

b.在参数配置区域，选择“数据来源”，设置“算法来源”、“运行参数”、“训练输出位置”和“作业日志路径”.

• 数据来源：由于导入的数据集已完成标注，因此直接从数据存储位置导入即可。单击“数据存储位置”，然后单击文本框右侧的“选择”，选择数据集所在的OBS路径，如“/hilens-test1/gesture-data/”。

• 算法来源：单击“选择”，从“预置算法”列表中，选择“ResNet_v1_50”算法。

• 运行参数：选择“ResNet_v1_50”算法后，默认包含“max_epoches”参数，默认值为“100”。1个epoch代表整个数据集训练一遍，此运行参数表示训练100个epoch，“max_epoches”值越大训练时间越长。

• 训练输出位置：从已有的OBS桶中选择模型和预测文件存储路径。使用准备工作中已创建好的“gesture-data-output”文件夹。如果没有可用文件夹，您可以单击“选择”，在弹出对话框中新建文件夹。

• 作业日志路径：从已有的OBS桶中选择日志存储路径。使用准备工作中已创建好的“gesture-data-record”文件夹。如果没有可用文件夹，您可以单击“选择”，在弹出对话框中新建文件夹。

c. 在资源设置区域，单击资源池文本框右侧的“选择”，选择“公共资源池”和“GPU”；规格分为p100和v100两种，v100规格的GPU的p100规格的GPU更佳，但两者价格不同，请按需选择；“计算节点个数”设置为“1”。

d. 完成信息填写，单击“下一步”。 4. 在“规格确认”页面，确认填写信息无误后，单击“立即创建”。 5. 在“训练作业”管理页面，可以查看新建训练作业的状态。训练作业的创建和运行需要一些时间，若max_epoches=10，需要3分钟左右；若max_epoches=50，需要10分钟左右。当状态变更为“运行成功”时，表示训练作业创建完成。 您可以单击训练作业的名称，可进入此作业详情页面，了解训练作业的“配置信息”、“日志”、“资源占用情况”和“评估结果”等信息。在“训练输出位置”所在的OBS路径中，即“/hilens-test1/gesture-data-output/”路径，可以获取到生成的模型文件。

导入模型

接下来将通过ModelArts模型管理功能导入AI模型，在此过程中应用ModelArts的预置算法Resnet50训练出一个图像分类模型。

1. 进入ModelArts管理控制台，点击左侧工具栏“模型管理”>“模型”，进入“我的模型”页面。

   

   
   

2. 单击“导入”，进入“导入模型”页面。

   
   

3. 在“导入模型”页面，填写训练作业相关参数，然后单击“创建”。

在线部署

接下来将通过ModelArts部署上线功能在线部署模型，实现预测

1. 进入ModelArts管理控制台，点击左侧工具栏“部署上线”>“部署”，进入“部署”页面。

2. 单击“创建”，进入“部署”页面。

3. 在“部署”页面，填写相关参数，然后单击“下一步”。

4.在线部署成功

本地部署

接下来我们将训练好的模型在本地进行部署，目前本地部署只支持Linux系统，下面我将基于Modelarts的Notebook的terminal中简单实现Linux系统中部署和预测；

1. 进入notebook的terminal中，开始配置本地部署的环境：

   a. python3.6 

   b. Modelarts SDK 参考链接：https://support.huaweicloud.com/sdkreference-modelarts/modelarts_04_0004.html

   c. pip install -r requirements.txt

2. source activate <配置的环境，这里是TensorFlow-1.8>

   
   

3. 进入代码目录，运行代码：

4. 先看代码：

5. from modelarts.session import Session
   from modelarts.model import Model
   from modelarts.config.model_config import ServiceConfig 
   session = Session()
   Model.configure_tf_infer_environ(device_type='CPU') #这里是用到CPU，根据本地环境去配置CPU或GPU;
   model_instance = Model(session, model_id="fd23d4a0-1450-49e0-8b15-fa8bbffe8a60") #模型ID是训练好导入模型后的ID
   configs = [ServiceConfig(model_id=model_instance.model_id, weight="100",specification="local",instance_count=1)]
   predictor_instance = model_instance.deploy_predictor(configs=configs)                         # 部署为本地服务Predictor
   data_path='./img/victory_P2_006_rgb.png'            #测试图片
   predict_result = predictor_instance.predict(data=data_path, data_type='images')     # 本地推理预测
   print(predict_result)

   
   

6. 运行代码：python  test.py

   

   
   

恭喜你

• 祝贺您，您已经使用华为云完成了手势识别用开发任务！

• 您完成了利用ModelArts训练作业训练图像分类AI模型！

• 您完成了利用ModelArts在线部署图像分类AI模型，实现在线预测！

• 您完成了本地部署，实现本地预测！
  

接下来您可以

参考文献

• https://support.huaweicloud.com/prepare-modelarts/modelarts_08_0001.html

• https://support.huaweicloud.com/qs-obs/obs_qs_0002.html

• https://support.huaweicloud.com/sdkreference-modelarts/modelarts_04_0004.html

• https://support.huaweicloud.com/sdkreference-modelarts/modelarts_04_0202.html

• https://support.huaweicloud.com/sdkreference-modelarts/modelarts_04_0204.html