Image classification - Platform For AI - Centre de documentation Alibaba Cloud

Exécutez des prédictions de classification d'images hors ligne sur des images stockées dans Object Storage Service (OSS) en utilisant EasyVision, le composant d'entraînement et de prédiction distribués de Platform for AI (PAI). Chaque image est traitée par un modèle de classification entraîné et reçoit une prédiction de catégorie.

Format des données

Pour connaître les exigences relatives au format des données d'entrée, consultez la section Input data formats.

Exécuter une tâche de prédiction

Exécutez la commande PAI ev_predict_ext pour lancer une tâche de prédiction de classification d'images. Envoyez la commande en utilisant l'une des méthodes suivantes :

Composant SQL Script dans PAI
MaxCompute client (odpscmd)
Nœud ODPS SQL node dans DataWorks

Syntaxe de la commande

pai -name ev_predict_ext
    -Dmodel_path='<model-path>'
    -Dmodel_type='classifier'
    -Dinput_oss_file='oss://<bucket>/<path>/filelist.txt'
    -Doutput_oss_file='oss://<bucket>/<path>/result.txt'
    -Dimage_type='url'
    -Dnum_worker=2
    -DcpuRequired=800
    -DgpuRequired=100
    -Dbuckets='<oss-directory>'
    -Darn='<role-arn>'
    -DossHost='<oss-endpoint>'

Remplacez les espaces réservés par vos propres valeurs :

Espace réservé

Description

Exemple

<model-path>

Chemin OSS vers le modèle entraîné

oss://my-bucket/models/resnet50

<bucket>/<path>

Bucket et chemin OSS pour les fichiers d'entrée et de sortie

my-bucket/data

<oss-directory>

Répertoire OSS pour l'accès aux données

oss://my-bucket/

<role-arn>

Alibaba Cloud Resource Name (ARN) du rôle RAM à assumer

acs:ram::1234567890:role/pai-role

<oss-endpoint>

Endpoint OSS de votre région

oss-cn-hangzhou-internal.aliyuncs.com

Pour obtenir la référence complète des paramètres, consultez la rubrique Introduction to offline prediction.

Format de sortie

Le fichier de sortie contient un résultat de prédiction par ligne. Chaque ligne comprend un chemin d'image OSS suivi d'une virgule et d'une chaîne JSON :

oss://path/to/your/image1.jpg,  {"class": 3, "class_name": "coho4", "class_probs": {...}}
oss://path/to/your/image2.jpg,  {"class": 1, "class_name": "coho2", "class_probs": {...}}
oss://path/to/your/image3.jpg,  {"class": 0, "class_name": "coho1", "class_probs": {...}}

Champs du résultat JSON

Champ

Description

Forme

Type de données

class

ID de la catégorie prédite.

[]

INT 32

class_name

Nom de la catégorie prédite.

[]

STRING

class_probs

Probabilités de correspondance pour toutes les catégories.

[num_classes]

Dict{Key: STRING, Value: FLOAT}

Exemple de sortie

{
  "class": 3,
  "class_name": "coho4",
  "class_probs": {
    "coho1": 4.028851974258174e-10,
    "coho2": 0.48115724325180054,
    "coho3": 5.116515922054532e-07,
    "coho4": 0.5188422446937221
  }
}

Dans cet exemple, le modèle attribue l'image à la catégorie coho4 (ID de catégorie 3) avec une probabilité de correspondance d'environ 51,88 %. Le champ class_probs répertorie la probabilité pour chaque catégorie, ce qui vous permet d'examiner le niveau de confiance pour toutes les classes, et pas seulement pour le premier résultat.