本帖最后由 robe.zhang 于 2021-4-1 23:18 编辑
【百度大脑AI计算盒FZ5C】AI Studio 使用
Edgeboard 计算盒是终端设备，边缘设备，性能和算力孱弱，适合用来推理预测。 在百度AI生态中高性能高算力部署在云端，AI studio 是百度云端AI 开发环境，使用自由度更高，等同于本地的AI 开发环境，对用户 AI 知识要求也更高；EasyDL 也是百度云端 AI 开发环境，对用户要求很低很低，号称零门槛 AI 训练平台，按照网页端提示完成一些列操作后台就可以训练出模型；两种 AI 开发环境各具特色。
AI Studio 提供三种用户界面： - Jupyter Notebook
- 脚本界面
- 图形化的界面
本文使用 AI Studio 图形化界面，只需要对 AI 框架有大概的了解就可以上手，图形化的界面简单易用，功能固定，无法保存模型给 Edgeboard 计算盒用，但是对百度AI框架的理解，训练评估流程的熟悉，还是很有用的。
开始上手，打开百度大脑 AI studio网站：https://aistudio.baidu.com/aistudio/index （百度 AI 框架叫paddlepaddle，中文名飞浆）
点击项目，打开后有很多别人的项目，此项目平台类似 github 代码托管平台，自己可以创建百度 AI 项目，私有项目，公开项目都可以，还可以 fork 别人的项目研究 例如打开【基于飞桨模型生成的EasyEdge APP 上线啦~】项目，右上角可以 fork，运行一下，左侧是 notebook 目录，右侧是项目正文 点击创建项目，使用百度账号登录： 登录后，创建项目，选择项目类型，图形化任务，下一步 项目名称，项目描述，随便写，项目标签，自己随便选，创建 创建项目后，自动打开，项目头部可以修改删除项目，等操作 下部编辑项目本身 点编辑项目，打开后是图形化的界面，看着拖拽选择算法，选择自己想要的网络，选择数据集，选择训练操作，选择测试操作，完成后点击顶部保存，点击运行，开始训练模型，测试模型直到全部完成
这是笔者编辑的项目，是一个基于 LeNet-5 网络的图像分类训练测试项目
图片数据集选择的是vegetable ，这个数据集中是三种蔬菜，每种100张图片，共300张图片已经标记好的，
数据分割模块，是把数据集中的图片分成两部分，一部分用于训练，一部分用于测试验证，用来验证的图片占比 10%，这 10% 是不参与训练的，仅仅用于验证测试
为什么保留10% 图片仅仅留作验证测试，可以看百度AI 框架，里面有说
LeNet-5 网络，一种经典的入门级图像分类算法 训练模块：批尺寸，训练轮数，学习率，三个参数可以调整，这些参数都是百度AI 框架里面的概念
测试验证单元：
编辑完项目后，第一次运行会失败(这个好像是bug)，点重新编辑，什么也不用编辑，再次点保存，再点运行，如果项目没有问题就开始运行了，运行完的模块，右侧有个绿色勾，失败是个红色叉，等全部运行成功，全部完成
训练过程有日志，不怎么好的的模型，不影响部署测试
训练完成可以部署为沙箱 点部署为沙盒 把要分类的图片转换成base64 格式，提交请求：
正常实惠返回结果的，可是现在老是 500 错误，超时。没关系，不影响使用流程
这既是百度AI studio 云端图形界面开发环境的使用
| 
发表于 2021-3-30 00:24:27
/4 
