《人工智能基础》课件-6.4模型公有云部署与API调用

任务6.4模型公有云部署与API调用AI

INTElLIGENCECONTENTS任务6.4-目录任务导入任务分析知识技能任务实施01020304项目拓展05PARTONE任务导入01任务导入：让AI识别技术服务于现实世界从模型到应用：桃子识别案例模型训练完成后，如何将其转化为解决实际问题的实用工具？将准确率≥94%的桃子识别模型部署到云端，通过API实现自动化识别。应用场景农业生产中的品质分级生鲜零售的自动分拣线上购物的商品识别AI赋能智慧农业，提升生产效率PARTTWO任务分析02任务分析：从模型到API的全流程解析1.数据集构建三类样本+高质量标注2.模型算法选择选用高精度深度学习算法3.训练与评估模型准确率稳定在94%以上4.模型优化持续迭代，提升模型精度与效率5.公有云部署将模型封装并发布为RESTfulAPI6.API调用通过Python等脚本语言实现交互7.结果可视化直观展示模型识别结果与分析API调用核心三要素AccessTokenAPI调用的身份凭证，通过应用的APIKey和SecretKey获取，有效期30天，需定期更新请求参数核心为base64编码的图像数据（需去除头部信息）、返回结果数量（top_num），请求格式为JSON返回结果包含log_id（请求标识）、result（识别结果数组），数组元素含name（类别）、score（置信度）掌握这三要素是成功调用API的基础，确保数据交互的准确与高效。AccessToken：你的API调用“身份证”什么是AccessToken？它是访问百度AI开放平台API的必需凭证，是API调用的唯一身份标识。如何获取？拥有一个百度AI开放平台账号。创建应用，获得APIKey和SecretKey。发送请求，兑换AccessToken。注意事项AccessToken有效期为30天，过期后需重新获取。图：APIKey&SecretKey兑换AccessToken流程图像数据预处理：API能“看懂”的语言格式要求支持格式支持JPG、PNG、BMP格式，单张图片大小≤4MB，分辨率建议≥320×320（过低分辨率会导致置信度下降）编码方式API要求图像数据以base64编码格式传递，且需去除编码头部（如data:image/jpg;base64,），仅保留纯base64字符串预处理优化调用前需对图像进行质量筛选，删除模糊、光照异常、背景杂乱的图片，避免因输入数据质量问题导致识别失败示意图：图片文件转换为Base64编码字符串请求参数构造逻辑image:base64编码后的图像数据(字符串类型),为核心参数,不可缺失;top_num:返回结果的数量(整数类型,取值范围1-10),建议设置为3,可获取Top3置信度最高的识别结果,便于结果验证;部分场景支持threshold(置信度阈值,如设置为0.9,仅返回置信度≥0.9的结果),需根据实际需求配置;请求格式:参数需封装为JSON对象,请求头需设置为{"Content-Type":"application/json"},否则会返回

“参数格式错误”。必选编码可选编码API调用数据处理与结果解析规范正常结果格式返回JSON对象包含log_id（请求唯一标识，用于问题排查）、result（识别结果数组），数组中每个元素包含name（类别名称，与数据集标签一致，如peach_good）和score（置信度，0-1之间）返回结果的数量（整数类型，取值范围1-10），建议设置为3，可获取Top3置信度最高的识别结果，便于结果验证结果解读逻辑优先取result数组中第一个元素（置信度最高）作为核心结果，当置信度≥0.9时，结果可靠；当0.7≤置信度＜0.9时，需结合Top2、Top3结果综合判断；当置信度＜0.7时，建议重新上传高质量图像重试异常结果处理若返回结果包含error_code字段，说明调用失败，需根据错误码排查问题（如110为AccessToken失效，216101为图像格式错误），常见错误码及解决方案可参考百度AI开放平台文档010203返回结果解析方法PARTTHREE知识技能03公有云部署：让全世界都能调用你的模型1.模型发布进入EasyDL“模型中心”，选择目标模型，点击“发布”，选择“公有云API”渠道，填写版本号（如V1.0）和发布说明（需明确模型功能，如“支持完好桃子/未完好桃子/非桃子三类识别”）2.接口生成发布后系统自动分配唯一“识别接口URL”（格式为/rpc/2.0/ai_custom/v1/classification/xxx），该URL为API调用的核心地址，需妥善保存3.服务激活发布后需等待1-3分钟，待服务状态变为“发布成功”，接口方可正常调用，若状态为“发布中”或“发布失败”，需检查模型是否符合部署规范（如样本量、标注准确率）部署关键配置：让你的API更稳定、更安全并发数设置免费版默认并发数为1-5，商业场景需购买套餐提升并发能力。接口有效期公有云API接口长期有效，模型更新后，旧版本需手动关闭。数据安全配置支持开启“IP白名单”，仅允许指定IP调用，防止接口被恶意滥用。合理配置以上参数，是保障API服务高可用与数据安全的基础。PARTFOUR任务实施04步骤1：模型公有云部署进入模型中心进入EasyDL“模型中心”，找到你优化后的模型。选择发布渠道点击“发布”按钮，选择“公有云API”作为发布渠道。填写发布信息填写版本号（如V1.0）及发布说明（“桃子识别V1.0，支持成熟度与类别识别”）确认发布检查信息无误后，点击“确认发布”完成部署。EasyDL模型中心发布界面示意步骤1：模型公有云部署查看发布进度在“发布管理”页面查看模型的实时发布进度。获取接口URL当状态变为“发布成功”时，记录系统生成的接口URL。妥善保存URL此URL为API调用核心地址，请务必妥善保管。图：EasyDL发布管理页面步骤2：创建应用与获取密钥登录百度AI开放平台控制台。进入“应用管理”模块，点击“创建应用”。输入应用名称，选择应用类型为“图像识别”。输入应用名称“PeachRecognition_App”，选择应用类型“图像识别”，填写应用描述，勾选“EasyDL图像分类”接口权限点击“创建”。百度AI开放平台创建应用页面步骤2：创建应用与获取密钥找到应用在应用列表中，找到你刚刚创建的应用。进入详情点击应用名称，进入应用详情页。查看密钥在详情页，查看“APIKey”和“SecretKey”。记录密钥记录密钥，用于后续获取AccessToken。图：应用详情页密钥示例步骤3：Python开发环境配置环境要求Python3.6及以上版本核心依赖库requests(用于发送HTTP请求)库安装命令pipinstallrequestspipinstall--upgradepip命令行安装requests库示例步骤4：API调用代码实现(1/4)#核心参数配置(需替换为你的信息)

API_KEY="你的APIKey"

SECRET_KEY="你的SecretKey"

RECOGNIZE_URL="你的识别接口URL"

IMAGE_PATH="test_peach.jpg"

TOP_NUM=3

#获取AccessToken

defget_access_token():

token_url="/oauth/2.0/token"

params={"grant_type":"client_credentials","client_id":API_KEY,"client_secret":SECRET_KEY}

response=requests.get(token_url,params=params)

returnresponse.json().get("access_token")首先定义核心参数，然后编写函数获取访问凭证AccessToken。步骤4：API调用代码实现(2/4)#图像预处理(转为base64格式)defimage_preprocess(image_path):withopen(image_path,"rb")asf:#二进制读取图片并编码为base64image_base64=base64.b64encode(f.read()).decode("utf-8")returnimage_base64核心功能：将本地图片文件读取并转换为API要求的Base64编码字符串，为后续上传做好准备。步骤4：API调用代码实现(3/4)#发送识别请求并解析结果defrecognize_peach():access_token=get_access_token()image_data=image_preprocess(IMAGE_PATH)headers={"Content-Type":"application/json","Authorization":f"Bearer{access_token}"}data=json.dumps({"image":image_data,"top_num":TOP_NUM})response=requests.post(RECOGNIZE_URL,headers=headers,data=data)result=response.json()核心逻辑：发送请求构造HTTP请求，将AccessToken和处理好的图像数据发送至识别接口URL，注意请求头和数据格式需严格遵循API规范。步骤4：API调用代码实现(4/4)#解析并展示结果if"error_code"inresult:print(f"识别失败:{result['error_msg']}")else:print("桃子识别结果:")class_map={"peach_good":"完好桃子","peach_bad":"未完好桃子","non_peach":"非桃子"}foriteminresult["result"]:class_name=class_map.get(item["name"],item["name"])confidence=round(item["score"],4)print(f"类别:{class_name},置信度:{confidence}")解析API返回结果，通过类别映射字典将英文标签转为中文，并格式化输出识别类别与置信度。步骤5：代码运行与结果验证运行代码将代码中的API_KEY、SECRET_KEY等占位符替换为你的实际信息。pythonpeach_recognition.py结果验证使用完好、破损桃子及其他水果图片测试。确保识别类别正确，且置信度达标。运行结果示例截图展示了成功识别出桃子并返回置信度的示例。PARTFIVE项目拓展05功能拓展：让你的应用更实用图像预览与可视化集成PIL或OpenCV，同步显示原始图片和识别结果，直观呈现。批量识别与导出支持文件夹批量处理，并将结果导出为Excel，便于统计分析。置信度阈值自定义允许用户设置置信度阈值，灵活过滤低可信度结果，提升精度。通过这些拓展，我们的应用将变得更加灵活、高效和用户友好。场