本文分享自华为云社区《带你来秋日尝鲜 | ModelArts AI 市场算法 Fast-SCNN 应用领导》，作者：Tianyi_Li
摘要：送小伙伴们一份新鲜出炉的 ModelArts AI 市场算法 Fast-Scnn（以下简称为本算法）应用秘籍，保障轻松上手。
双十一到了，秋风瑟瑟，不能光顾着剁手是不是，是时候贴贴秋膘，尝尝鲜了，特意送来新鲜出炉的 ModelArts AI 市场算法 Fast-Scnn（以下简称为本算法），附上应用秘籍，保障轻松上手。
本算法应用 Cityscapes 高质量标注数据集中的 train 集和 val 集，应用 train 集训练，在 val 集上测试达到了 mIOU=68.668 的准确率。
1. 筹备数据集
本算法反对的数据集格局为 Cityscapes 数据集。
Cityscapes 数据集蕴含来自 50 个不同城市的街道场景中记录的各种立体声视频序列集，以及较大的 20000 个弱正文帧集和 5000 个帧的高质量像素级正文。因而，该数据集比已有的相似数据集大一个数量级。无关带正文的类的详细信息和正文示例可在数据集官网上找到。
Cityscapes 数据集旨在用于:
(1) 评估视觉算法在语义城市场景了解的次要工作上的性能：像素级，实例级和全景语义标记；
(2) 反对旨在利用大量（弱）正文数据的钻研，例如用于训练深度神经网络。
1.1 下载数据集
可点此链接下载 gtFine_trainvaltest.zip 和 leftImg8bit_trainvaltest.zip 两个文件，如下图所示：
gtFine_trainvaltest.zip 解压后的目录构造如下（本算法训练不需自行解压，可间接应用压缩包）：
└─gtFine
├─test
├─train
└─val
leftImg8bit_trainvaltest.zip 解压后的目录构造如下（本算法训练不需自行解压，可间接应用压缩包）：
└─leftImg8bit
├─test
├─train
└─val
如果您须要应用本人的数据集进行训练，则须要将数据目录整顿成和下面一样的模式。更具体的数据集阐明请查看 Cityscapes 数据集官网上的形容。
1.2 装置 OBS Browser+ 并上传数据集
ModelArts 应用对象存储服务（OBS）来存储数据，实现平安、高牢靠和低成本的存储需要。OBS Browser+ 是一款用于拜访和治理对象存储服务（Object Storage Service，OBS）的图形化工具，反对欠缺的桶治理和对象治理操作。OBS Browser+ 的图形化界面能够十分不便地让用户在本地对 OBS 进行治理，例如：创立桶、上传下载文件、浏览文件等。
具体操作步骤如下：
（1）点此下载 OBS Browser+，下载实现后解压缩，双击 exe 进行装置，装置实现后运行；
（2）登录界面如下图所示，须要您填写账号名、Access Key ID（AK）和 Secret Accsee Key（SK），参考此文档，获取 AK 和 SK，华为云上的许多产品都须要用到拜访密钥，请妥善保留该密钥文件，而后参考下图填写您的华为云账号名及刚获取的 AK 和 SK，点击登录；
（3）参考下图，点击“创立桶”，输出桶名称，留神：区域要抉择华北 - 北京四、规范存储、公有、敞开多 AZ，桶名需自定义，OBS 桶名要全局惟一，如提醒桶名已存在，则须要您批改为其余名称，比方本文设置桶名为 fast-scnn。您设置的桶名必须与此不同，如在下文的操作领导中看到 fast-scnn，请被动将桶名替换为您本人的桶名，下文将不再进行提醒；
（4）点击桶名称，进入到桶中，点击“新建文件夹”，输出文件夹名称，如“train_input”，点击进入文件夹，再新建“datasets”，点击“上传”->“增加文件”-> 抉择本地下载好的数据集压缩包（之所以选压缩包格局是因为如果数据集比拟大，上传压缩包比上传文件夹快很多）–> 确定，如下图所示；
（5）点击 OBS Browser+ 左侧的“工作治理”，可查看数据上传进度。如下图所示，点击设置，在根底设置中，设置最大并发数为最大值 50，能够放慢数据上传速度
2. 订阅本算法
点击本页面右上方的【订阅】按钮。而后点击页面下方的【下一步】按钮，再点击【确认付款】按钮，最初点击【确定】按钮进入我的订阅页面，能够看到刚刚订阅的算法。点击【利用控制台】超链接，抉择华北 - 北京四区域，进入算法治理页面。
如下图所示，点击“同步”按钮，同步算法，能够点击刷新按钮，刷新状态。当状态变成就绪时，示意同步胜利，留神请应用最新版的，目前应该是 6.0.0 版本，根本版本以订阅状况。
3. 创立训练作业
点击上图中的“创立训练作业”，依照下表填写训练作业参数：
点击下一步，提交，训练作业的状态会经验“初始化”、“部署中”、“运行中”和“运行胜利”四个状态。训练作业运行胜利后，在上表中指定的“模型输入”门路下会主动生成 model 目录，该目录下有模型文件、ModelArts 平台推理脚本（config.json、customize_service.py）和其余运行模型必备的文件。
4. 模型导入
筹备好模型及相干的必备文件后，您能够将生成的模型导入至 ModelArts 模型治理。具体操作如下：
（1）在 ModelArts 控制台的左侧导航栏点击“模型治理”->“模型”，点击右侧页面中的“导入”。在导入模型页面填写名称，抉择元模型起源，能够间接从训练中抉择 (举荐应用这种办法，简略不便，与训练无缝连接)，也能够从 OBS 中抉择。如果是从 OBS 中抉择，则须要抉择到 model 目录的上一级目录；例如，本次可抉择的目录为 obs://fast-scnn/algorithms/train_output，如下图所示：
留神：抉择好元模型门路后，“AI 引擎”会主动填充。如未能主动填充，请查看元模型门路是否是 model 目录的上一级目录，或者 model 目录下是否蕴含模型配置文件 config.json。
（2）点击“立刻创立”，须要一点工夫来期待模型导入和构建，当模型版本状态为“失常”后，即示意模型导入胜利。
5. 创立在线服务
在 ModelArts 上，能够将模型部署为在线服务，而后上传图片进行预测，间接在网页端察看预测后果，本算法反对 CPU 和 GPU 部署。
部署为在线服务具体步骤如下：
（1）在 ModelArts 左侧导航栏中抉择“部署上线 -> 在线服务”，而后点击页面中的“部署”；
（2）在部署页面填写参数，其中在“模型列表”抉择要导入的模型及版本，计算节点规格抉择 CPU 即可；
（3）点击“下一步”，参数确认无误后，点击“提交”。
提交后，您能够在在线服务列表中查看部署进度，当状态变为“运行中”后，点击服务名称，进入详情页面，点击“预测”，上传图片进行测试。测试后果如下图所示，右侧为失去的预测后果，不同的数字示意不同的类别。
6. 创立批量服务
在 ModelArts 上，还能够将模型部署为批量服务，从 OBS 加载测试集图片进行预测，而后将预测后果输入到 OBS，本算法反对 CPU 和 GPU 部署。
部署为批量服务具体步骤如下：
（1）在 ModelArts 左侧导航栏中抉择“部署上线 -> 批量服务”，而后点击页面中的“部署”；
（2）在部署页面填写参数，其中在“模型列表”抉择要导入的模型及版本，填写输出数据目录和输入数据目录，计算节点规格抉择“CPU 2 核 8GB”，计算节点个数设为 1；
这里的输出数据目录地位为寄存待预测图像的地位，留神该地位下仅能寄存待预测图片，而输入数据目录地位为空文件夹即可，可自行定义。
（3）点击“下一步”，参数确认无误后，点击“提交”。
提交后，您能够在批量服务列表中查看部署进度，当状态变为“运行中”后，示意正在预测中，当状态变为“运行实现”，示意这批图片曾经预测完结，预测后果是一批 txt 文件，保留在上图指定的 OBS 输入数据目录地位中，能够返回该目录查看后果。
7. 模型评估
参考本文第 2 节中的步骤，创立“训练作业”，依照下表设置训练参数：
点击下一步，提交，训练作业的状态会经验“初始化”、“部署中”、“运行中”和“运行胜利”四个状态。训练作业运行胜利后，在上表中指定的“模型输入”门路下会主动生成_result 目录，其中蕴含推理后的.png 图片和推理后果_results.txt 文件。其中_results.txt 文件蕴含验证后果，如图所示。
好了，到此行将完结了，这次尝鲜大家感觉怎么样呢？期待大家的分享应用体验和感触。
点击关注，第一工夫理解华为云陈腐技术~