如何运用免费GPU跑图像识别的脚本（新手必看）

achersion

介于对于新手用户的友好，我们已经帮助打包好了对应的镜像和图片；大家可以随意尝试。

1. 机器租赁

首先先在主机市场中挑选一台机器，点击”我要租赁”按钮，选择 — python3.5_多框架，然后点击选择，下单；

对于第一次使用的小伙伴，登陆方式可以选择“密码登陆”，密码自定义

2. 打开train.ipynb文件并运行行

下单后页面会自动跳转至主机列表，机器开始启动，请耐心等待机器运行。

运行后，会出现SSH和HTTP的URL，您可使用SSH访问，或在浏览器中访问该HTTP的URL，进入JupyterLab。

3. 打开train.ipynb文件并运行

打开dogs_and_cats_demo1文件夹，点击train.ipynb文件。该训练使用了Inception v3模型对图像进行分类训练，图像数据集已经在dataset文件夹中，您可点击运行按钮，依次运行代码块。

点击运行按钮后，光标会自动跳转到下一个代码块，此时请留意前一代码块是否已经运行完成。运行完成的标志是不再有新的输出，请耐心等待运行完成。

请您务必等待代码块输出完毕，即没有更多输出以后，再执行下一代码块。

如图所示，模型正在运行中，当输出内容不再增多时，代表该代码块运行完成。可再次点击运行按钮。

您也可以选择Kernel-Run All，一次性运行所有代码块，此时页面会默认跳到最后一个代码块的输出位置，耐心等待代码块依次执行即可，输出结果会在每个代码块的下方。

重启即可

4. 训练结果

最后一个代码块，我们使用了test_img1.jpg作为验证图片，查看模型对于该图片的分类结果。

分类结果为，The picture is a dog. / The picture is a cat. / The picture is neither a cat nor a dog.

我们总共为您准备了3张验证图片，您也可以自行上传图片，查看模型对于新图片的分类结果。

5. 上传图片

如果您想上传自己的图片进行识别，可点击左上角上传按钮，上传图片。

在出现的文件上传框中，您可以上传所选图片到当前目录。

然后回到train.ipynb文件，将image_path替换为您自己的图片名称

再次点击运行即可。

6. 训练其他类型的图片

如果您想训练其他类型的图片，比如花卉、鸟类等，您可以按照文件夹结构，在dataset里的测试集和训练集下，新建文件夹，命名为类型名称，例如Flower，并将花卉的图片放入Flower文件夹中。

参考数据源：

花卉数据集：https://www.kaggle.com/spaics/hackathon-blossom-flower-classification

鸟类数据集：https://www.kaggle.com/akash2907/bird-species-classification

7. 释放机器

训练完成后，请及时释放机器，以节省费用。

回到矩池云的主机列表，点击停止并释放按钮，确认后就会停止计费。

释放后会告知您本次使用时长和消费金额，您可在消费账单中查看使用明细。

以上～～完毕。