首页分享使用AI Gallery的订阅算法实现花卉识别

使用AI Gallery的订阅算法实现花卉识别

来源：花匠小妙招时间：2025-09-01 10:49

本文导读

准备工作步骤1：准备训练数据步骤2：订阅算法步骤3：使用订阅算法创建训练作业步骤4：创建AI应用步骤5：部署为在线服务（CPU）步骤6：清除资源

展开导读

更新时间：2025-08-20 GMT+08:00

本案例以“ResNet_v1_50”算法、花卉识别数据集为例，指导如何从AI Gallery下载数据集和订阅算法，然后使用算法创建训练模型，将所得的模型部署为在线服务。其他算法操作步骤类似，可参考“ResNet_v1_50”算法操作。

步骤1：准备训练数据

步骤2：订阅算法

步骤3：使用订阅算法创建训练作业

步骤4：创建AI应用

步骤5：部署为在线服务（CPU）

步骤6：清除资源

说明：

费用说明：本案例使用过程中，从AI Gallery下载数据集和订阅算法免费，在ModelArts上运行训练作业推荐使用免费资源，将模型部署为在线服务推荐使用免费资源。但是数据集存储在OBS桶中会收取少量费用，具体计费请参见OBS价格详情页，案例使用完成后请及时清除资源和数据。

准备工作注册华为账号并开通华为云、实名认证注册华为账号并开通华为云进行实名认证配置委托访问授权

ModelArts使用过程中涉及到OBS、SWR、IEF等服务交互，首次使用ModelArts需要用户配置委托授权，允许访问这些依赖服务。

使用华为云账号登录ModelArts管理控制台，在左侧导航栏单击“权限管理”，进入“权限管理”页面，单击“添加授权”。在弹出的“访问授权”窗口中，

授权对象类型：所有用户

委托选择：新增委托

权限配置：普通用户

选择完成后勾选“我已经详细阅读并同意《ModelArts服务声明》”，然后单击“创建”。

完成配置后，在ModelArts控制台的权限管理列表，可查看到此账号的委托配置信息。步骤1：准备训练数据从AI Gallery下载训练数据，单击链接四类花卉图像分类小数据集，进入数据集详情页。选择“数据集文件”页签后，单击“下载文件”跳转至下载详情页面。在下载详情页面，填写参数。下载方式：选择“对象存储服务（OBS）” 目标区域：选择“华北-北京四”（即要部署服务的云服务区）目标位置：请选择一个空的OBS目录，本示例为“/test-modelartsz/dataset-flower/”

说明：

此处从AI Gallery下载并使用数据集是限时免费的，但数据集存储在OBS，从OBS中读取数据需要根据OBS的计费原则收费。

确认无误后，单击确定。页面自动跳转到“我的数据>我的下载”页面，请耐心等待，预计5分钟左右。下载完成后，您可以单击目标位置跳转至OBS桶中查看是否存在已下载的数据。步骤2：订阅算法在AI Gallery搜索“ResNet_v1_50”，进入算法详情页。单击右侧的“训练 > ModelArts”后，选择ModelArts的云服务区域（即要部署服务的云服务区），单击“确认”，跳转至ModelArts的“算法管理>我的订阅”中。步骤3：使用订阅算法创建训练作业

算法订阅成功后，算法将呈现在“算法管理>我的订阅”中，您可以使用订阅的“ResNet_v1_50”算法创建训练作业，获得模型。

进入“算法管理 > 我的订阅”页面，选择订阅的“图像分类-ResNet_v1_50”算法，单击操作列的“创建训练作业”。在创建训练作业页面，参考如下说明填写关键参数。 “创建方式>我的订阅”：系统默认选择订阅的算法，请勿随意修改。 “训练输入”：选择数据存储位置，然后从弹出的窗口中选择步骤1：准备训练数据中下载好的数据dataset-flower。 “训练输出”：选择一个OBS空目录存储训练输出的模型，例如：“test-modelartsz/output-flower”。 “超参”：建议采用默认值。 “资源类型”：可以选择限时免费的GPU规格资源，如果希望训练效率更高，可以选择收费的GPU资源。 “计算节点个数”：建议采用默认值1。参数填写完成后，单击“提交”，根据界面提示确认规格，单击“确定”，完成训练作业创建。进入“训练管理 > 训练作业”页面，等待训练作业完成。

训练作业运行需要几分钟时间，请耐心等待。根据经验，选择样例数据集，使用GPU资源运行，预计3分钟左右可完成。

当训练作业的状态变更为“已完成”时，表示已运行结束。

您可以单击训练作业名称，进入详情页面，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。您也可以在配置的“训练输出位置”对应的OBS目录下获得训练生成的模型。

步骤4：创建AI应用在训练作业详情页的右上角单击“创建AI应用”，进入创建AI应用页面。

也可以在ModelArts管理控制台，选择“资产管理 > AI应用”，在“自定义AI应用”页面，单击“创建”，进入创建AI应用页面。

在创建AI应用页面，系统会自动根据上一步训练作业填写参数，参考如下说明确认关键参数。

“元模型来源”：系统自动选择“从训练中选择”。

“选择训练作业”：系统自动选择上一步创建的训练作业。

“AI引擎”：系统自动写入该模型的AI引擎，无需修改。

“推理代码”：系统自动放置推理代码到OBS输出路径，无需修改。

“部署类型”：默认选择“在线服务”。

参数填写完成后，单击“立即创建”。页面自动跳转至AI应用列表页面，等待创建结果，预计2分钟左右。

当AI应用的状态变为“正常”时，表示创建成功。

步骤5：部署为在线服务（CPU）

AI应用创建成功后，可将其部署为在线服务，在部署时可使用CPU资源。

单击AI应用名称左侧的单选按钮，在列表页底部展开“版本列表”，在版本的操作列中单击“部署 > 在线服务”。在部署页面，参考如下说明填写关键参数。 “资源池”：选择“公共资源池”。 “选择AI应用及版本”：AI应用来源及版本会自动选择前面创建的AI应用。 “计算节点规格”：在下拉框中选择限时免费的CPU资源，如果限时免费资源售罄，建议选择收费CPU资源进行部署。 “计算节点个数”，默认设置为“1”。其他参数可使用默认值。

说明：

选择CPU资源部署模型会收取少量费用，具体费用以界面信息为准。

如果需要使用GPU资源部署上线，需要进入模型所在位置，即步骤3：使用订阅算法创建训练作业步骤生成的“训练输出”路径，进入“model”目录，打开并编辑“config.json”文件，将“runtime”的配置修改为ModelArts支持的GPU规格，例如"runtime": "tf1.13-python3.6-gpu"。修改完成后，重新执行导入模型和部署为在线服务的操作。

参数设置完成后，单击“下一步”，确认规格参数，单击“提交”，完成在线服务的部署。您可以进入“模型部署 > 在线服务”页面，等待服务部署完成，当服务状态变为“运行中”时，表示服务部署成功。预计时长2分钟左右。在线服务部署完成后，您可以单击操作列的预测，进入服务详情页的“预测”页面。在“预测”页签，单击“上传”，上传一个测试图片，单击“预测”进行预测。此处提供一个预测样例图供使用。步骤6：清除资源

为避免产生不必要的费用，通过此示例学习订阅算法的使用后，建议您清除相关资源，避免造成资源浪费。

停止在线服务：在“在线服务”页面，单击对应服务操作列的“停止”。删除训练作业：在“训练作业”页面，单击操作列的“删除”。删除数据：前往OBS，删除数据，然后删除文件夹及OBS桶。