创建训练任务

创建任务

任务名称中的字符仅允许包含[a-z][A-Z][0-9]及-字符。

  1. 在 ML Bot 登陆页面,选择 点击开始

  2. 选择 AI 功能页面,选择 目标检测

  3. 并且输入任务名称。 这里可以将任务名称设定为tiny-motorbike-1,并点击创建一个新任务

准备数据

在实际的生产中,客户需要自己标注数据,并且上传到 S3. 然后通过将数据导入 ML Bot 进行训练。 在本实验中,如果您通过创建数据集步骤中创建的数据集进行机器学习的训练,亦或是通过本实验提前准备好的数据集进行训练。

  1. S3文件路径中输入目标检测数据在S3存储桶中的URI. 请将<aws-account-id>替换成您的12位 AWS 账户数字ID. 该文件夹下包含一个以Pascal VOC格式存储的目标检测数据集。

    1. 如您选择使用自己标注的数据,注意将URI替换为正确的路径。 例如s3://ml-bot-exampledata-<aws-account-id>/path/to/your/dataset/.
    2. 如您使用实验中提前准备的数据集,则路径为s3://ml-bot-exampledata-<aws-account-id>/samples/tiny-motorbike/.
  2. 点击导入数据。等出现数据导入成功的提示后,可进入下一步。

至此,我们导入了一个初具规模的目标检测数据集。

训练模型

以本次实验中导入提前准备好的的 tiny-motorbike 数据集的规模为例,将目标检测的mAP提升到0.80大约需要8分钟。

  1. 当所有类别导入完成后,点击开始训练模型

  2. 我们可以在右侧观察到从启动实例模型完成的完整模型训练的进度。

验证模型

接下来,我们要对训练完成的模型进行交互式的验证。

  1. 选择测试图片中选择上传文件选项。

  2. 为了快速验证模型训练的推理能力,下载测试图片 000038.jpg000497.jpg 至本地。

  3. 将图片直接拖拽到拖动文件到此区域或者点击上传区域中,模型将自动进行推理,并显示推理结果。

如您希望下载模型,可以点击下载模型,将模型直接下载到本地。在本实验中,请跳过此步骤。