准备数据

  1. 点击下载猫狗声音数据集至本地;

  2. 解压,文件包结构大概如下图所示

data
├── test
│ ├── cats
│ │ ├── cat_20.wav
│ │ ├── ......
│ │ └── cat_29.wav
│ └── dogs
│ ├── dog_20.wav
│ ├── ......
│ └── dog_29.wav
└── train
├── cats
│ ├── cat_0.wav
│ ├── ......
│ └── cat_19.wav
└── dogs
├── dog_0.wav
├── ......
└── dog_19.wav

创建项目

  1. 登录ModelArts管理控制台,点击左侧导航栏的自动学习,进入自动学习页面;

  2. 点击右侧项目页面中的声音分类的创建项目按钮;

3. 在创建自动学习项目页面,计费模式默认“按需计费”,填写“名称”并选择“训练数据”的存储路径

在obs路径选择页面上,选择你的obs,在你想要保存数据的路径上新建文件夹,输入名称后,点击确定新建文件夹,然后在训练数据页面点击确定以新建的空文件夹作为你的训练数据源;

4. 点击右下角创建项目

数据标注

  1. 在数据标注页面上,点击添加音频

2. 先添加data/train/cats下的数据,点击确定,可以看到界面已经显示音频数据

3. 可以点击音频左侧的播放按钮试听

4. 点击选择音频进行标注,一次可以多选,在这里我们勾选选择当前页直接选取当前页面的所有音频;

5. 右侧输入cat标签,并点击确定

6. 在已标注标签页上可以看到已标注的数据,并可以进行标签更改

7. 同样的方式添加data/train/dogs下的音频并标注为dog

模型训练

  1. 页面右下角点击开始训练,进入模型训练页面

2. 大概2-3分钟后训练结束,可以在右侧查看训练结果

部署上线

  1. 点击部署,等待约5分钟左右,部署成功

2. 页面中间是服务测试,点击上传,选择data/test目录下的猫狗音频,然后点击预测,在页面的右侧可以查看预测结果

3. 可以进行多次预测,查看预测结果

4. 结束前,点击版本管理的停止按钮,已避免产生不必要的费用

流程到此为止了,如果你觉得老山的文章不错,不妨点击关注。

作者:山找海味

使用ModelArts自动学习完成猫狗声音分类的更多相关文章

  1. 使用VGG16完成猫狗分类

    from keras.applications.vgg16 import VGG16 from keras.models import Sequential from keras.layers imp ...

  2. 学习完Spring MVC体会

    学习完spring mvc感觉很不错,万事开头难,付出定有回报,坚持必将成功

  3. 机器学习框架ML.NET学习笔记【9】自动学习

    一.概述 本篇我们首先通过回归算法实现一个葡萄酒品质预测的程序,然后通过AutoML的方法再重新实现,通过对比两种实现方式来学习AutoML的应用. 首先数据集来自于竞赛网站kaggle.com的UC ...

  4. 实践案例丨基于ModelArts AI市场算法MobileNet_v2实现花卉分类

    概述 MobileNetsV2是基于一个流线型的架构,它使用深度可分离的卷积来构建轻量级的深层神经网,此模型基于 MobileNetV2: Inverted Residuals and Linear ...

  5. JAVA学习路线图---(JAVA1234) 分类: B1_JAVA 2013-10-05 10:22 502人阅读 评论(1) 收藏

    转自:http://blog.csdn.net/pplcheer/article/details/12276999 第一阶段-Java基础        这一阶段很重要,关系到你后面阶段的学习,所以务 ...

  6. 深度学习之 cnn 进行 CIFAR10 分类

    深度学习之 cnn 进行 CIFAR10 分类 import torchvision as tv import torchvision.transforms as transforms from to ...

  7. Pytorch学习--编程实战:猫和狗二分类

    Pytorch学习系列(一)至(四)均摘自<深度学习框架PyTorch入门与实践>陈云 目录: 1.程序的主要功能 2.文件组织架构 3. 关于`__init__.py` 4.数据处理 5 ...

  8. 学习完nio的一个小笔记吧

    这是一个nio网络通信服务端的demo,主要就学习了selector的一些用法,以及它里面的事件类型 selector是对nio的一个优化,它能保证既能高效处理线程中的事件,又能保证线程不会一直占用c ...

  9. CefSharp的简单应用,制作自动学习视频软件(基于Chromium)

    CefSharp在NuGet的简介是“The CefSharp Chromium-based browser component”,机翻的意思就是“基于Cefsharp Chromium的浏览器组件” ...

随机推荐

  1. Python调用函数加括号和不加括号的区别

    Python调用函数加括号和不加括号的区别 # -*- coding: utf-8 -*- #!/usr/bin/env python # @Time : 2018/7/3 10:03 # @Desc ...

  2. .NET手撸绘制TypeScript类图——上篇

    .NET手撸绘制TypeScript类图--上篇 近年来随着交互界面的精细化,TypeScript越来越流行,前端的设计也越来复杂,而类图正是用简单的箭头和方块,反映对象与对象之间关系/依赖的好方式. ...

  3. [LC]643题 Maximum Average Subarray I(子数组最大平均数 I)

    ①英文题目 Given an array consisting of n integers, find the contiguous subarray of given length k that h ...

  4. pat 1042 Shuffling Machine(20 分)

    1042 Shuffling Machine(20 分) Shuffling is a procedure used to randomize a deck of playing cards. Bec ...

  5. 力扣(LeetCode)第一个错误的版本 个人题解

    你是产品经理,目前正在带领一个团队开发新的产品.不幸的是,你的产品的最新版本没有通过质量检测.由于每个版本都是基于之前的版本开发的,所以错误的版本之后的所有版本都是错的. 假设你有 n 个版本 [1, ...

  6. gitbook怎么操作

    首先我先说一下什么是GitBook,它和Git没半毛钱关系,定义如下: GitBook 是一个基于 Node.js 的命令行工具,支持 Markdown 和 AsciiDoc 两种语法格式,可以输出 ...

  7. ZeroC ICE的协议

  8. 用例图浅谈以及OOA再到情景分析的面向对象电梯的设计(慕课东北大学)面向对象设计思维模式

    上班初期还不太适应,平时学习进度也跟不上,节奏慢下来会有时间更新的了. Diagram  这边以学生课程报名系统为例    这就是一种简单的用例图 用例图可以给读者提供的信息非常丰富,但是缺点是都是概 ...

  9. LeetCode 5272. 5272. 统计参与通信的服务器 Count Servers that Communicate

    地址 https://leetcode-cn.com/problems/count-servers-that-communicate/ 题目描述这里有一幅服务器分布图,服务器的位置标识在 m * n  ...

  10. selenium中延时等待三种方式

    selenium中的延时等待方式有三种:强制等待:sleep()  隐示等待:implicitly_wait()  显示等待 WebDriverWait() 1.强制等待:sleep(),time模块 ...