人工智能通识实践教程 课件 第3章 人工智能无代码开发平台实践

第3章

人工智能无代码开发平台实践011.目标检测实践1.目标检测实践1.目标检测实践步骤1：打开飞桨AIStudio官方网站，自行完成注册登录。、步骤2：单击页面的左侧栏"更多内容"，选择"PaddleX产线"选项。1.目标检测实践步骤3：进入模型产线创建界面，点击右上角"创建产线"按钮，开始创建一个新的模型产线。1.目标检测实践步骤4：在弹出的创建窗口中，有多种任务场景可供选择，选择"目标检测"，输入产线名字，随后点击下方的"确认创建"按钮。1.目标检测实践步骤5：创建后成功后进入的界面中可清楚看到创建一个完整模型产线的几个步骤，对于目标检测模型，提供了三种产线，可根据需求进行选择，这里选择"通用目标检测"，随后点击击"下一步"按钮，进入数据准备阶段。1.目标检测实践步骤6：在数据准备阶段，需要选择模型并添加数据集。对于模型选择，其中RT-DETR，PP-YOLOE_plus和PicoDet是三种不同的模型，这里选择最新推出的RT-DETR-H。对于数据集，为了保证数据集的准确性，一致性，完整性等，选择已校验数据集，在样例数据集中选择"通用目标检测_COCO示例数据集"，也可根据需要选择不同的数据集。1.目标检测实践随后会展示出一部分数据可视化结果，可以看到训练集，验证集和类别分布图以及对应的可视化展示。点击"下一步"。1.目标检测实践步骤7：进入参数准备环节，可自行设置模型参数，每个参数下都有对应的功能解释。如果仅是用于测试，轮次可设置小一点，如果用于训练，可设置大一点。批大小和学习率可根据数据集和实际情况进行调整，类别数量通常是固定的，就等于数据集的类别数。若有其他需要，可以单击下方"高级设置"，这里会有更多可设置的参数来完善模型。设置好模型参数后，单击"下一步"按钮。1.目标检测实践1.目标检测实践步骤8：选择训练环境，卡数越多，训练速度会越快，最后单击“提交训练”按钮，至此一个完整的模型产线就创建好了，即可开始等待训练,可查看该模型产线的所有配置和运行状态。1.目标检测实践步骤9：训练完成后，会生成一个训练结果文件，其中34、35、36等是对应轮次保存的模型文件检查点，用于中途恢复训练或评估特定epoch的性能。best_model是训练过程中性能最好的模型保存文件，model_final是训练最后一轮时模型保存文件，还包括log、等其他文件用于结果分析以便后续进行优化。022.文字识别实践2.文字识别实践2.文字识别实践步骤1：返回模型产线创建界面，单击"创建产线"按钮。选择"OCR"，随后单击"确认创建"按钮。2.文字识别实践步骤2：创建好模型产线后，首先要选择产线，有两种产线可以选择，这里选择"通用OCR"。2.文字识别实践步骤3：进入数据准备环节，依然要选择模型和添加数据集。有几大类模型可以选择，它们都属于OCR，即光学字符识别，这里选择文本识别中的最新模型"PP-OCRv4_server_rec"。数据集依然选择已校验数据集，添加"中文手写数据集"，随后可看到部分数据可视化结果，包括训练集，验证集，类别分布图，单击"下一步"按钮。2.文字识别实践步骤4：开始设置模型参数，可根据需要设置参数，包括轮次、批大小、学习率等，可能需要多次尝试不同的参数设置才能得到较好的训练结果，若需要高级设置亦可按需添加，随后单击"下一步"按钮。2.文字识别实践步骤5：进入提交训练阶段，选择好训练环境即可开始训练。创建好模型产线后可以查看模型配置和运行状态。2.文字识别实践步骤6：在训练完成后，会自动生成一个结果文件，best_accuracy是保存训练过程中验证集准确率最高的模型文件（或文件夹），包含权重文件和元数据，home是工作目录的根文件夹，用途需结合项目结构进一步确认，iter_epoch_15到it