《阿里云机器实现深度学习》由会员分享，可在线阅读，更多相关《阿里云机器实现深度学习（17页珍藏版）》请在装配图网上搜索。
1、阿里云机器实现深度学习背景随着互联网的发展，产生了大量的图片以及语音数据，如何对这部分非结构化数据行之有效的利用起 来，一直是困扰数据挖掘工程师的一到难题。首先，解决非结构化数据常常要使用深度学习算法，上手 门槛高。其次，对于这部分数据的处理，往往需要依赖GPU计算引擎，计算资源代价大。本文将介绍一 种利用深度学习实现的图片识别案例，这种功能可以服用到图片的检黄、人脸识别、物体检测等各个领 域。下面尝试通过阿里云机器学习平台产品，利用深度学习框架Tensorflow，快速的搭架图像识别的预测模 型，整个流程只需要半小时，就可以实现对下面这幅图片的识别，系统会返回结果鸟：二数据集介绍https:
2、/help.aliyu n. com/docume nt_detail/51800.html?spm=5176.doc50654.6.564.mS4b n9airplaneautomobilebirdcatdeerdoghorsefl.shiptruck使用CIFAR-10数据集，这份数据是一份对包含6万张像素为32*32的彩色图片，这6万张图片被分成10个类别，分别是飞机、汽车、鸟、毛、鹿、狗、青蛙、马、船、卡车。数据集截图本案例数据集及相关代码下载地址数据源在使用过程中被拆分成两个部分，其中5万张用于训练，1万张用于测试。其中5万张训练数据涸 5叽2Jata_baic3又被拆分成5个dat
3、a_batch，1万张测试数据组成test_batch。最终数据源如图：data_tatchjcJ3ia_baich_5test_batchdata_batcrt_4三、数据探索流程下面我们一步一步讲解下如何将实验在阿里云机器学习平台跑通，首先需要开通阿里云机器学习产品的GPU使用权限，并且开通OSS，用于存储数据。机器学习：OSS : 1数据源准备第一步，进入OSS对象存储，将本案例使用的相关数据和代码放到OSS的bucket路径下。首先建立OSS的bucket，然后我建立了 aohai_test文件夹，并在这个目录下建立如下4个文件夹目录：每个文件夹的作用如下： check_poi nt:
4、用来存放实验生成的模型 cifar-10-batches-py:用来存放训练数据以及预测集数据，对应的是下载下来的数据源cifar-10-batcher-py 文件和预测集 bird_mou nt_bluebird.jpg 文件 predict_code:用来存放训练数据，也就是cifar_pai.py trai n_ code:用来存放 cifar_predict_pai.py本案例数据集及相关代码下载地址：https:/help.aliyu n. com/docume nt_detail/51800.html?spm=5176.doc50654.6.564.mS4b n92配置OSS访问授
5、权且W显苦临时表现在我们已经把数据和训练需要的代码放入OSS，下面要配置机器学习对OSS的访问，进入阿里云机器 学习，在设置”按钮的弹出页面，配置OSS的访问授权。如图：Q自动知OWS访问捋权Q授根机歸学习读取戟的oss中的數击显示3模型训练从左边的组件框中拖拽“读OSS Bucket”以及“Tensorflow”组件链接，并且在“Tensorflow”的配 置项中进行相关设置。Python 代码文件：OSS 中的 cifar_pai.py数据源目录：OSS中的cifar-10-batches-py文件夹输出目录：OSS中的check_point文件夹点击运行，实验开始训练，可以针对底层的GP
6、U资源灵活调节，除了界面端的设置，需要在代码中也有 相应的支持，代码编写符合Tensorflow的多卡规范。(2 )训练生成模型model.tflmodel = tflearn-DNN(network, tensarboard_vertG5e=0model.fit(X, Y, n_epach=100P shuffle=T rue, valid a t ion_5t=(f Y_tEt, show met ric=Truef batcli_ELZ&=,9-6 s rur_id= 1 eifarl6_cnn 1niQdel_path = ath jQLn(FLAGS* checkpointDir,
7、model* tfI* print (rnodel_pathmodel 5日edcIeI_p日th)5查看训练过程中的日志训练过程中，右键“Tensorflow”组件，点击查看日志。点击打开logview连接，按照如下链路操作，打开ODPS Tasks下面的Algo Task，双击TensorflowTask，点击StdOut，可以看到模型训练的日志被实时的打印出来：随着实验的进行，会不断打出日志出来，对于关键的信息也可以利用pri nt函数在代码中打印，结果会显 示在这里。在本案例中，可以通过acc查看模型训练的准确度。6结果预测再拖拽一个“Tensorflow组件用于预测 Python 代
8、码文件：OSS 中的 cifar_predict_pai.py数据源目录：OSS中的cifar-10-batches-py文件夹，用来读取bird_mount_bluebird.jpg文件输出目录：读取OSS中的check_point文件夹下模型训练生成的model.tfl模型文件预测的图片是存储在checkpoi nt文件夹下的图:结果见日志:7预测代码数据部分预测代码解析:predictpic =t FlAGS. br*dlrtlfin = madeI.predict( in)(predicti&n Ii)(pr&aictionsi)sprint 1 prediction |：1 lnfl
9、eK (.：rax (predict ion 1r1 ) fhu=r 31rpUftp, p duLQHiQbilc , h turd 1 * Cflt t deer1, 1 dujTog , tiorjr*胡J t rucKh I(11 This is a| predict lcn. Lndexj max (prediction j)H H首先读入图片bird_bullocks_oriole.jpg,将图片调整为像素32*32的大小，然后带入model.predict预测函数评分，最终会返回这张图片对应的十种分类airpla ne,automobile,bird,cat,deer,dog,frog,horse,ship,truck的权重，选择权重最高的一项作为预测结果返回。
阿里云机器实现深度学习
