人工智能云平臺部署與開發(fā)（微課版）課件 項目7-AI云容器的開發(fā)

項目7AI云容器的開發(fā)目錄01

訓(xùn)練手寫數(shù)字識別模型02訓(xùn)練商品銷量預(yù)測模型03訓(xùn)練人臉識別模型01訓(xùn)練手寫數(shù)字識別模型訓(xùn)練手寫數(shù)字識別模型本任務(wù)需要部署JupyterNotebook容器，并且在JupyterNotebook工具中實現(xiàn)對手寫數(shù)字的識別，因此第一步需要安裝JupyterNotebook容器，命令如下，如圖所示。#dockerpulldaocloud.io/daocloud/tensorflow:1.14.0-py3-jupyter訓(xùn)練手寫數(shù)字識別模型鏡像下載完成后運行JupyterNotebook，命令如下。并且復(fù)制運行之后得到的URL，在瀏覽器打開它。運行JupyterNotebook、瀏覽器中打開URL，如圖所示。#dockerrun--namemy-tensorflow-it-p8888:8888-v/tensorflow:/test/datadaocloud.io/daocloud/tensorflow:1.14.0-py3-jupyter訓(xùn)練手寫數(shù)字識別模型在測試手寫數(shù)字識別效果之前，先準備數(shù)字0～9的手寫圖片，上傳到JupyterNotebook。單擊右側(cè)的“Upload”按鈕，上傳圖片，如圖所示。訓(xùn)練手寫數(shù)字識別模型上傳好文件之后，單擊“New”按鈕，在下拉列表中選擇“Python3”，新建一個Python3的筆記，開始訓(xùn)練手寫數(shù)字識別模型。訓(xùn)練手寫數(shù)字識別模型的代碼是項目6中任務(wù)6.3所用到的代碼，在這個任務(wù)的代碼的基礎(chǔ)上去掉最后的測試部分代碼，加入保存訓(xùn)練模型的代碼。新建Python3筆記、運行訓(xùn)練代碼，本項目的訓(xùn)練代碼如下。importtensorflowastfmnist=tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test)=mnist.load_data()x_train,x_test=x_train/255.0,x_test/255.0model=tf.keras.models.Sequential([tf.keras.layers.Flatten(input_shape=(28,28)),tf.keras.layers.Dense(128,activation='relu'),tf.keras.layers.Dropout(0.2),tf.keras.layers.Dense(10,activation='softmax')])pile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])

model.fit(x_train,y_train,epochs=5)model.save('my_model.h5')model.summary()訓(xùn)練手寫數(shù)字識別模型訓(xùn)練手寫數(shù)字識別模型確保代碼無誤之后，需要導(dǎo)入自己的手寫數(shù)字圖片，因此需要用到Python的imageio庫。安裝完imageio之后重啟內(nèi)核完成更新。安裝imageio、加載手寫數(shù)字圖片。安裝imageio的命令如下。#pipinstallimageio-i/simple/加載手寫數(shù)字圖片的代碼如下。importglobimportimageioimportnumpyasnpimg_data=[]forimage_file_nameinglob.glob('*.jpg'):print('loading...',image_file_name)img_array=imageio.imread(image_file_name,as_gray=True)img_data.append((255.0-img_array.reshape(784))/255.0)self_data=np.array(img_data).reshape(len(img_data),28,28)訓(xùn)練手寫數(shù)字識別模型訓(xùn)練手寫數(shù)字識別模型準備工作完成之后，開始檢測手寫數(shù)字，以0～9的順序檢測。從識別的結(jié)果上看，我們手寫的數(shù)字0在機器看來比較像數(shù)字9。手寫數(shù)字識別結(jié)果，如圖所示。02訓(xùn)練商品銷量預(yù)測模型訓(xùn)練商品銷量預(yù)測模型將代碼寫到輸入行中，代碼參考書本P169~P171程序編寫好之后，運行程序，預(yù)測結(jié)果上方的兩個數(shù)值是真實數(shù)值，下方的兩個數(shù)值是預(yù)測數(shù)值，這里設(shè)定了loss_less是1，loss_more是10，因此預(yù)測的結(jié)果會偏小。預(yù)測結(jié)果如圖所示。03訓(xùn)練人臉識別模型訓(xùn)練人臉識別模型訓(xùn)練人臉識別模型需要用到人臉數(shù)據(jù)集，數(shù)據(jù)集包括訓(xùn)練集和測試集，本任務(wù)采用的人臉數(shù)據(jù)集是LFW（LabeledFacesintheWild），由Ubuntu系統(tǒng)訓(xùn)練模型；讀者可以嘗試利用JupyterNotebook容器訓(xùn)練人臉識別模型，并且在此過程中，解決相關(guān)問題。下載人臉數(shù)據(jù)集，如圖所示。訓(xùn)練人臉識別模型下載的數(shù)據(jù)集是壓縮文件，在JupyterNotebook用Python程序的解壓縮功能將數(shù)據(jù)集解壓到input_img文件夾中。解壓人臉數(shù)據(jù)，如圖所示。訓(xùn)練人臉識別模型Ubuntu系統(tǒng)還需要安裝libgtk2.0-dev和pkg-config依賴，如果沒有這兩個依賴，OpenCV會無法運行。運行OpenCV需要有GTK支持，安裝GTK需要先安裝GNU編譯工具，再安裝GTK2。更新源、安裝GNU，命令如下，結(jié)果如圖所示。#sudoapt-getupdate#sudoapt-getinstallbuild-essential訓(xùn)練人臉識別模型運行程序和OpenCV需要一些依賴。首先，安裝依賴pkg-config、安裝GTK、安裝依賴，命令如下，結(jié)果如圖所示。#sudoapt-getinstallpkg-config#sudoapt-getinstalllibgtk2.0-dev#sudoaptinstalllibgl1-mesa-glx訓(xùn)練人臉識別模型安裝完之后檢查一下包，確認安裝完成，命令如下，結(jié)果如圖所示。#pkg-config--modversiongtk+-2.0訓(xùn)練人臉識別模型接下來安裝OpenCV和dlib，用dlib提取人臉特征，并且將提取特征后的圖片存儲到output_img下。由于我們是在Docker環(huán)境下安裝dlib和OpenCV的，因此，兩者的安裝方法相對操作系統(tǒng)環(huán)境下的有所區(qū)別。安裝dlib之前需要安裝cmake。安裝cmake的命令如下，結(jié)果如圖所示。#pipinstallcmake訓(xùn)練人臉識別模型安裝dlib的命令如下。#pipinstalldlib最后，安裝OpenCV，命令如下。#pipinstallopencv-contrib-python訓(xùn)練人臉識別模型準備工作做好之后，我們需要用dlib把圖片處理一下代碼參考書本P176~P177代碼寫好之后，運行代碼，等待圖片處理完成，如圖所示。訓(xùn)練人臉識別模型