跳至主要内容

HowTo：使用 TensorFlow Inception V3 訓練影像辨識模型、生成推論引擎

深度學習分為兩階段：訓練與推論，前者需對大量的資料數據進行無數次的計算，訓練並產生模型；而後者則是將模型對外提供辨識服務。

模型訓練需要大量的運算資源，才能取得辨識效果良好的模型，TWCC 提供您容器解決方案，使用 GPU 資源運算，可快速生成模型。

本文將一步步教學如何透過 TWSC 開發型容器，使用 GPU 資源[1][2]，並搭配預設儲存系統–高速檔案系統 (HFS) 作為訓練資料與模型之存取空間，利用 TensorFlow Inception V3 卷積類神經網路架構、CIFAR-10 資料集 進行貓、狗影像辨識模型訓練，並生成推論引擎、對外提供圖片辨識服務。

信息

Part 1. 影像辨識模型訓練​

Step 1. 登入 TWSC​

若尚無帳號，請參考 註冊 TWSC 帳號。

Step 2. 建立開發型容器​

請參考 開發型容器 並依據下方設定，於 TWCC 建立開發型容器：

映像檔類型： TensorFlow
映像檔版本： tensorflow-23.05-tf2-py3:latest
基本設定：   型號 c.super

Step 3. 連線容器、下載訓練程式​

  • 參考 連線容器，使用 Jupyter Notebook 或 SSH 連線進入容器之預設儲存空間

  • 輸入以下指令，將 TWCC GitHub Inception v3 影像模型訓練的架構程式，下載至容器

    git clone https://github.com/TWCC/AI-Services.git

Step 4. 進行 AI 模型訓練​

  • 進入 「Tutorial_Three」目錄

    cd AI-Services/Tutorial_Three

  • 執行模型訓練

    bash V3_training.sh --path ./cifar-10-python.tar.gz

  • 在 Terminal 看到以下訊息，表示即將開始訓練模型

  • 在訓練過程中，可在「開發型容器詳細資料」頁面可檢視 CPU/GPU、記憶體與網路的資源使用狀況

  • 模型訓練完成，將會存放在路徑： AI-Services/Tutorial_Three/inceptionv3/train/weights

Part 2. 生成推論辨識引擎​

以下教學如何將訓練好的模型，生成推論引擎，並對外提供圖片推論、辨識的網頁服務。

Step 1. 連線容器​

請再次 連線進入容器

Step 2. 生成推論辨識引擎​

  • 進入 Tutorial_Three 目錄
cd AI-Services/Tutorial_Three
  • 開啟 AI 推論引擎的服務
bash V3_inference.sh

Step 3. 圖片辨識網站​

  • 請先至開發型容器詳細資料頁 ➡️ 點選「關聯」服務埠 ➡️ 勾選「5001」 ➡️ 再按下確定便可開啟 HTTP 網頁服務端點

  • 開啟瀏覽器 ➡️ 在網址列輸入 容器公用IP:對外埠 (如下，可於容器詳細資料頁查詢) 便可開始使用 AI Inference 的服務

  • 點選「選擇檔案」選擇要進行辨識內容的圖片檔案，並點選「Upload」上傳圖片

  • 以貓咪圖片作為測試範例，圖片辨識的結果與相似度數值顯示在瀏覽器，與 Egyptian_cat (0.4873894) 最為相似

Step 4. 刪除容器，回收資源​

容器建立後即持續計費，若不再需要執行訓練與推論，您可以從 TWCC 「開發型容器管理」頁，勾選容器、點選「刪除」，回收資源並停止計費。