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 Bottlenecks 中提出的模型结构实现。可以用图像分类任务，比如猫狗分类、花卉分类等等。用户提供一系列带有标注的数据集，该算法会载入在ImageNet-1000上的预训练模型，在用户数据集上做迁移学习。训练后生成的模型可直接在ModelArts平台部署为在线服务或批量服务，同时支持使用CPU、GPU或Ascend 310进行推理。（以上介绍来自ModelArts AI 市场算法介绍）
注意：需要用到ModelArts和OBS桶，建议提前购买相应资源或代金券，或使用免费规格，但OBS是要花钱的。
准备数据集
这里使用的是花卉数据集，共3669张花卉图片，5个种类，数据集下载地址http://download.tensorflow.org/example_images/flower_photos.tgz （数据集来自自博主张震宇的博客中所提供的数据集，在这里感谢大佬，附上大佬博客链接https://bbs.huaweicloud.com/blogs/158092，里面描述的很详细，建议可以看一下，学习学习，以下的上传数据集方法也来自该博客）
下载解压后，进入flower_photos目录，里面有5个子目录
这里要把flower_photos这个文件夹，也就是上面五个文件的上一级文件夹上传到OBS（华为云对象存储服务），建议使用OBS Browser工具上传。OBS Browser下载：https://support.huaweicloud.com/browsertg-obs/obs_03_1003.html
上传好了之后，回到ModelArts首页，点击左侧“数据管理”->“数据集”，然后点击“创建数据集”
然后先在“数据集输入位置”和“数据集输出位置”选择2个OBS上的文件夹（文件夹要自己创建，必须是空文件夹），剩下的部分默认就行，之后点击右下角创建即可。
回到“数据管理”->“数据集”界面，点击刚才创建的数据集
点击数据集，进入数据集界面，选择右上角的导入
点击导入后，选择最开始上传数据集的路径，就是选择flowers_photos文件夹。
选择之后需要等待一会，可能你会看到导入仍然是0，不要着急，等一下。当看到如下情况，表示导入完成了，接下来就可以发布数据集了。
同样，点击数据集，进入刚才导入的界面，选择右上角的发布
这里选择8:2的比例划分训练集和测试集。点击确定即可。等待数据集创建完成。
下面开始训练，这里首先要到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/?region=cn-north-4#/aiMarket/aiMarketModelDetail/overview?modelId=0470e6b1-923b-47a8-ba3e-fe93de5ae2a0&type=algo
点击订阅，按照弹出的界面确认即可。
订阅之后，还要配置同步算法，点击应用控制台
好了，算法和数据已经有了，下面开始执行训练吧，选择创建训练作业。
这里选择我们刚才创建的数据集和对应版本号就行，这里我用的是以前创建的数据集，所以数据集名称和版本号和前面创建的不一样，你选择自己刚才创建的就好，同时，还要创建一个空文件夹存放训练输出，至于训练日志，可以不选择存放路径。
还要选训练规格，如果没有代金券的话，选择免费版本
最后，选择下一步即可。
可能有几个确认选择，最后可得到
接下来等训练完成就行了，至于训练中更加详细的介绍，可以参考算法订阅界面的介绍，自己设定参数。
这个训练大概17min完成，还是挺快的。接下来，导入模型。
前面的训练作业名称是随机的，选择就好，应该选择导入后，自动选择的就是刚才训练的了。点击右下角的立即创建，等待导入。
显示正常，表示成功了，下面开始线上部署。
默认是使用CPU部署推理的，当然选择GPU和Ascend也可以，可参考算法页面的介绍。
这里以CPU为例。单击部署，选择在线部署。
选择免费的CPU体验规格就行了
选择下一步，确认，得到
下面选择预测——>上传——>预测即可。
最后，看看效果，还不错。
以上就是基于ModelArts AI市场算法MobileNet_v2实现花卉分类的实践内容。是不是很简单，赶快来试一下吧。
来源：oschina
链接：https://my.oschina.net/u/4526289/blog/4303657