概述mobilenetv2基于流线型架构，使用深度可分离卷积构建轻量级深度神经网络。该模型基于mobilenetv2中提出的模型结构:倒残基和线性瓶颈。 你可以用图片来排序任务，比如猫狗排序，花排序等等。 为客户提供一系列有标记的数据集，算法会在ImageNet-1000上加载预训练模型，对客户数据集做迁移学习。 训练后生成的模型可以直接部署为ModelArts平台上的在线服务或批量服务，也支持与CPU、GPU或Ascend 310进行推理。 (以上细节来自ModelArts AI市场算法细节。)注意:需要ModelArts和OBS bucket。建议提前购买相应的资源或者代金券，或者使用免费的规范，但是OBS是要花钱的。 在这里准备数据集，用的是花卉数据集，共有3669个花卉图片，5种。数据集的下载地址为http://download.tensorflow.org/example _ images/flower _ photos . tgz(数据集来自主张振宇的博客中提供的数据集。在这里谢谢你，附件是https://bbs.huaweicloud.com/blogs/158092,的博客链接，里面有详细的描述。建议大家可以看一看，学习一下。以下上传数据集的方法也来自这个博客。)下载解压后进入flower_photos目录，该目录下有五个子目录。这里要把flower_photos文件夹，也就是上面五个文件的上层文件夹上传到OBS(华为云对象存储服务)。建议使用OBS浏览器工具上传。 OBS浏览器下载:https://support.huaweicloud.com/BrowserTG-OBS/OBS _ 03 _ 1003.html上传后，回到ModelArts首页，点击左侧“数据管理”->；数据集，然后单击创建数据集。然后，在数据集输入位置和数据集输出位置中选择OBS上的两个文件夹(如果要自己创建文件夹，文件夹必须为空)。其余文件夹将默认设置，然后点击右下角的创建。 回到“数据管理”->“数据集”界面，点击刚才创建的数据集，进入数据集界面，选择右上角的导入，点击导入，选择数据集第一次上传的路径，即选择flowers_photos文件夹。 选好之后，需要等一段时间。也许你会看到导入还是0。别急，等一下。 当您看到以下内容时，导入完成，然后您可以发布数据集。 同样，点击数据集，进入刚刚导入的界面，选择右上角的发布。这里选择8:2的比例来划分训练集和测试集。 单击确定。 等待数据集被创建。 让我们开始训练吧。这里要先去AI市场，订阅算法。放心，是免费的。点击链接进入算法，订阅https://console.huaweicloud.com/modelarts/?.地区= cn-north-4 #/ai market/aiMarketModelDetail/overview？modelId = 0470 e6b 1-923 b-47a 8-ba3e-Fe 93 de 5 AE 2 a 0 & amp；Type=algo点击订阅，根据弹出的界面确认。 订阅后，您需要配置同步算法。单击应用程序控制台。算法和数据已经有了。让我们开始培训，并选择创建一个培训作业。 在这里，只需选择我们刚刚创建的数据集和对应的版本号。这里我用的是之前创建的数据集，所以数据集名称和版本号都和之前创建的不一样。您可以选择刚刚创建的数据集，同时创建一个空文件夹来存储训练输出。至于训练日志，可以选择无存储路径。 还要选择培训规格。如果没有代金券，选择免费版。最后，选择下一步。 可能会有好几个确认选项，最后才能得到下一次的培训。培训中更详细的内容，可以参考算法订阅界面的详细内容，自行设置参数。 这个训练大概需要17min分钟完成，相当快。 接下来，导入模型。 之前培训作业的名字是随机的，随便选。导入后，会自动选中你刚训练过的。 点击右下角的立即创建，等待导入。 显示正常，表示成功。在线部署从下面开始。 默认情况下，使用CPU部署推理。当然，GPU和Ascend也可以选择。详情请参考算法页面。 这里以CPU为例。 单击部署并选择在线部署。 只需选择免费的CPU体验规范。选择下一步，确认，得到如下选择预测-->上传-->预测就好。 最后看效果，还不错。 以上是基于ModelArts AI市场算法MobileNet_v2的花卉分类实用内容。 这不是很容易吗？来试一试。 点击关注，第一时间了解华为云鲜科技~