概述
MobileNetsV2是基于一個流線型的架構，它使用深度可分離的卷積來建構輕量級的深層神經網，此模型基于 MobileNetV2: Inverted Residuals and Linear Bottlenecks 中提出的模型結構實作。可以用圖像分類任務，比如貓狗分類、花卉分類等等。使用者提供一系列帶有标注的資料集，該算法會載入在ImageNet-1000上的預訓練模型，在使用者資料集上做遷移學習。訓練後生成的模型可直接在ModelArts平台部署為線上服務或批量服務，同時支援使用CPU、GPU或Ascend 310進行推理。（以上介紹來自ModelArts AI 市場算法介紹）
注意：需要用到ModelArts和OBS桶，建議提前購買相應資源或代金券，或使用免費規格，但OBS是要花錢的。
準備資料集
這裡使用的是花卉資料集，共3669張花卉圖檔，5個種類，資料集下載下傳位址http://download.tensorflow.org/example_images/flower_photos.tgz （資料集來自自部落客張震宇的部落格中所提供的資料集，在這裡感謝大佬，附上大佬部落格連結https://bbs.huaweicloud.com/blogs/158092，裡面描述的很詳細，建議可以看一下，學習學習，以下的上傳資料集方法也來自該部落格）
下載下傳解壓後，進入flower_photos目錄，裡面有5個子目錄
這裡要把flower_photos這個檔案夾，也就是上面五個檔案的上一級檔案夾上傳到OBS（華為雲對象存儲服務），建議使用OBS Browser工具上傳。OBS Browser下載下傳：https://support.huaweicloud.com/browsertg-obs/obs_03_1003.html
上傳好了之後，回到ModelArts首頁，點選左側“資料管理”->“資料集”，然後點選“建立資料集”
然後先在“資料集輸入位置”和“資料集輸出位置”選擇2個OBS上的檔案夾（檔案夾要自己建立，必須是空檔案夾），剩下的部分預設就行，之後點選右下角建立即可。
回到“資料管理”->“資料集”界面，點選剛才建立的資料集
點選資料集，進入資料集界面，選擇右上角的導入
點選導入後，選擇最開始上傳資料集的路徑，就是選擇flowers_photos檔案夾。
選擇之後需要等待一會，可能你會看到導入仍然是0，不要着急，等一下。當看到如下情況，表示導入完成了，接下來就可以釋出資料集了。
同樣，點選資料集，進入剛才導入的界面，選擇右上角的釋出
這裡選擇8:2的比例劃分訓練集和測試集。點選确定即可。等待資料集建立完成。
下面開始訓練，這裡首先要到AI市場，訂閱算法，放心，是免費的，點選連結進入算法訂閱 https://console.huaweicloud.com/modelarts/?region=cn-north-4#/aiMarket/aiMarketModelDetail/overview?modelId=0470e6b1-923b-47a8-ba3e-fe93de5ae2a0&type=algo
點選訂閱，按照彈出的界面确認即可。
訂閱之後，還要配置同步算法，點選應用控制台
好了，算法和資料已經有了，下面開始執行訓練吧，選擇建立訓練作業。
這裡選擇我們剛才建立的資料集和對應版本号就行，這裡我用的是以前建立的資料集，是以資料集名稱和版本号和前面建立的不一樣，你選擇自己剛才建立的就好，同時，還要建立一個空檔案夾存放訓練輸出，至于訓練日志，可以不選擇存放路徑。
還要選訓練規格，如果沒有代金券的話，選擇免費版本
最後，選擇下一步即可。
可能有幾個确認選擇，最後可得到
接下來等訓練完成就行了，至于訓練中更加詳細的介紹，可以參考算法訂閱界面的介紹，自己設定參數。
這個訓練大概17min完成，還是挺快的。接下來，導入模型。
前面的訓練作業名稱是随機的，選擇就好，應該選擇導入後，自動選擇的就是剛才訓練的了。點選右下角的立即建立，等待導入。
顯示正常，表示成功了，下面開始線上部署。
預設是使用CPU部署推理的，當然選擇GPU和Ascend也可以，可參考算法頁面的介紹。
這裡以CPU為例。單擊部署，選擇線上部署。
選擇免費的CPU體驗規格就行了
選擇下一步，确認，得到
下面選擇預測——>上傳——>預測即可。
最後，看看效果，還不錯。
以上就是基于ModelArts AI市場算法MobileNet_v2實作花卉分類的實踐内容。是不是很簡單，趕快來試一下吧。
點選關注，第一時間了解華為雲新鮮技術~