手把手从EasyDL模型训练到EdgeBoard推理

作者: 佚名 2019-11-13 14:39:56

 摘要:

EdgeBoard是百度打造的基于FPGA的嵌入式AI解决方案系列硬件;EasyDL是百度推出的一站式AI定制化训练和服务平台。本文详细介绍如何使用EasyDL进行模型训练,然后部署到EdgeBoard,缩短从模型训练到推理实现的路径,提高开发效率。

EdgeBoard是百度自主研发的AI软硬一体深度学习加速套件,能够提供强大的算力,并支持定制化模型,适配不同场景的终端设备,大幅提高设备端的AI推理能力,具有高性能、高通用、易集成等优势。EdgeBoard还可以无缝衔接百度大脑的开放能力,可以轻松将在EasyDL和AI Studio平台定制的AI模型完美适配到EdgeBoard上。本文会介绍如何将EasyDL训练的模型离线部署到EdgeBoard上,实现AI的终端应用。

EasyDL定制化训练和服务平台可以一站式定制AI模型,并且完全界面化操作,利用少量的数据就可以训练出一个高精度的AI模型。

图1. EasyDL界面

接下来我们准备以狗的分类作为实例来介绍从训练到推理部署,首先介绍使用EasyDL进行模型训练。

1、选择训练平台

要完成狗的分类,需要使用图像分类模型进行训练,在EasyDL首页中点击开始训练,选择“经典版”训练平台,模型类型选择图像分类,如图2所示。

图2. 模型类型

2、准备数据集

下面是我们准备好的数据,共8分类,每个分类用50张左右的图片用来训练,剩下20张左右用来做推理测试。

图3. 8类狗的照片文件

图4. 狗的照片

3、创建数据集

根据EasyDL训练模型的规则,首先我们创建数据集,将采集好的数据每个种类放到一个文件夹中,如图2所示,再压缩成一个zip文件,然后把数据集上传到EasyDL平台,如图5所示。

图5. 上传数据集到EasyDL平台

4、创建模型

数据集建立完成后,创建模型,根据需要填写相应的信息,如图6所示。

图6. 创建模型

5、训练模型

在训练模型页面中,应用类型选择“离线服务”,算法选择“高精度”和“高性能”都可以,添加数据集,开始训练,如图7所示。

图7. 训练模型

6、发布模型

训练模型需要一定的时间,等模型训练完成之后,我们点击申请发布,跳转到发布模型页面,选择“软硬一体方案”的“EdgeBoard+专用SDK”,提交申请,如图8所示。

图8. 发布模型

五.下载SDK

审核成功后,点击“服务详情”,“下载SDK”,如图9所示。

图9. 下载SDK

至此,在EasyDL上的模型训练结束,接下来将转到EdgeBoard的推理实现上。

在图9中,我们会看到有“管理序列号”的按钮,如果购买了EdgeBoard,跳转页面中会有一个EdgeBoard专用的序列号,这是EasyDL模型在EdgeBoard上部署的通行证。

图10. EdgeBoard专用序列号

下面我们就开始把模型部署到EdgeBoard上,下图是EdgeBoard FZ9A系列硬件,EdgeBoard的技术文档链接是:https://ai.baidu.com/docs#/EdgeBoard%20quick%20start/top

根据该技术文档,需要将EasyDL离线SDK通过FTP或者samba工具传到EdgeBoard系统中,然后将EdgeBoard专用序列号填写到离线SDK中。

图11. EdgeBoard上的文件

EdgeBoard内置Linux系统,我们将使用命令行的方式进行后面的部署操作。由于离线SDK在第一次使用时需要联网激活,因此将EdgeBoard接入路由器,连通外网。

图12. 测试网络连接

同时,将EdgeBoard的时间改成当前时间,否则离线SDK可能会激活失败,

图13.修改本地时间

      然后对离线SDK解压,进入到EasyDL文件夹,解压cpp文件夹中的tar包。

图14. 解压cpp文件中的tar包

      根据官方文档,编辑cpp-->demo文件夹中的demo.cpp文件,将EdgeBoard专用序列号填入指定的位置处,如图15所示,改过之后,在demo文件夹中新建build文件夹,进行编译。

图15. 添加序列号

图16. 编译过程

编译完成后,开始进行模型推理。我们放置一张图片(如图17)到RES文件夹中,调用RES资源文件夹中的模型,以及测试图片的路径,在build下运行命令,如图18所示。

图17. 待测试照片

图18. 执行推理预测

从上面的打印信息中可以看到,EasyDL的模型在EdgeBoard上做出了完美的预测,corgi,分值p=0.999023,说明99%的概率是柯基,是不是很准。如果说这样看起来不直观,EasyDL的SDK还支持http服务的调用,下面来开启一下http服务,如图19所示。

图19. 开启http服务

      开启http服务后,在浏览器中写入https://{EdgeBoard ip地址}:24401,比如EdgeBoard的ip是192.168.1.254,就写https://192.168.1.254:24401就出来如图18的显示界面。

 图20. http服务显示界面

      点击上传图片,选择测试集中的狗的图片,结果就立马出来了,置信度为1说明,百分之百就是可爱的比熊啦!

图21. 上传图片进行推理预测

至此,我们就完成了一个狗分类的模型训练和离线部署。

福利

据可靠小道消息:EdgeBoard正在打折中,历史最低价,降价1000元,有兴趣可以看看:https://aim.baidu.com/product/5b8d8817-9141-4cfc-ae58-640e2815dfd4

EdgeBoard
上一篇:500万AI人才缺口!教育部新增高职人工智能专业 下一篇:CIIE 2019 赛诺菲携手竹间智能打造医药数字化未来
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

新老问题叠加,个人信息保护面临新挑战

快递面单隐私泄露、APP过度索权、违规收集使用个人信息等问题仍突出,人脸信息泄露问题又来了。业内人士认为,新老问题叠加,使得个人信息保护面临新挑战。因此,必须下大力气解决个人信息保护面临的突出问题,守好个人信息安全防线

中国网 ·  14h前
对象存储适合人工智能和机器学习的三个原因

如今,各种类型的企业都致力于采用人工智能和机器学习项目,但要发挥其真正的潜力,则需要克服重大的技术障碍。虽然计算基础设施通常是重点,但存储设施也同样重要。

Gary Ogasawara ·  22h前
机器学习:有监督和无监督之间有什么区别

机器学习是人工智能的一个子集,它通过示例和经验教会计算机执行任务,是研究和开发的热门领域。我们每天使用的许多应用程序都使用机器学习算法,包括AI助手,Web搜索和机器翻译。

AI国际站 ·  23h前
机器学习的七原罪

机器学习是一种伟大的工具,正在改变着我们的世界。 在许多伟大的应用中,机器(尤其是深度学习)已被证明优于传统方法。 从用于图像分类的Alex-Net到用于图像分割的U-Net,我们看到了计算机视觉和医学图像处理领域的巨大成功。 不过,我看到机器学习方法每天都在失败。 在许多这样的情况下,人们迷上了机器学习的七大罪过之一。

闻数起舞 ·  1天前
人工智能技术或成为未来网络安全的引爆点和驱动力

根据《市场与市场人工智能网络安全预测报告》,预计到2026年,人工智能网络安全市场规模将从2019年的88亿美元增长到382亿美元,年复合增长率为23.3%。

佚名 ·  1天前
为ML模型注入灵魂:基于MVP的超简单部署方案

开发一个出色的机器学习模型是一件棘手的事,但即使开发完成也不意味着工作的结束。在部署之前,它仍然毫无用处,他人可以轻易访问。

读芯术 ·  1天前
2020年人工智能(AI)十大趋势应用

人工智能或机器智能通过学习算法模拟类似人类的智能。如今,人工智能已入侵几乎每个行业。人工智能行业最近在几乎每个领域都蓬勃发展。让我们看看机器智能或AI在各个领域中的应用。

小熊大学AI ·  1天前
可再生能源与机器学习“双重加持”,谷歌成功实现风力预测

从传统角度看,电力电场的发电能力普遍较弱,因为我们至今很难预测无形无相的风,会在新一天中表现出怎样的活动趋势。

佚名 ·  1天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载