基于阿里云PAI平台Tensorflow实现cifar10图像分类

Tensorflow是我接触阿里云PAI平台使用的第一个框架,不过在实现的时候,走了一些弯路,在这里分享出来,希望能有参考价值.

 

问题主要出在,demo中给的文件,要严格按照路径和文件名来存储,否则怎么都无法成功。

需要check_point cifar-10-batches-py predict_code train_code 四个文件夹,分别用来存训练结果、cifar数据、预测代码、训练代码。

具体内容可以参考我的github

https://github.com/hutcs/pai_tensorflow_cifar/

除了cifar数据太大以外,其他的都上传到了github中。

第一个Tensorflow-1是用来训练数据

其详细参数如下:

Python代码文件

选择train_code目录下的cifar_pai.py 文件

Python主文件

留空即可

数据源目录

选择cifar-10-batches-py文件夹

配置文件超参及用户自定义参数

留空

输出目录

选择check_point文件夹

执行调优

根据自己需要,这个demo选择1即可,不需要太多的GPU资源来处理。

第二个Tensorflow-2是用来预测

Python代码文件

predict_code目录下的 cifar_predict_pai.py文件

Python主文件

留空即可

数据源目录

选择cifar-10-batches-py文件夹

配置文件超参及用户自定义参数

留空

输出目录

选择check_point文件夹

实验结果

在logview中可以查看预测结果

另外,由于这个demo只是测试,所以预测的准确率比较低。

阿里云项目地址如下:

https://yq.aliyun.com/articles/72841?spm=5176.100239.0.0.bdr9iz

相关日志

发表评论

电子邮件地址不会被公开。 必填项已用*标注