系列文章目錄

第一章 華為云modelarts平臺使用
第二章 華為云modelarts平臺SDK的調用
第三章 ros+modelarts實現多車輛協作

---

文章目錄

• 系列文章目錄
• 一、模型部署
• 二、我的程序（僅供參考）
• 總結

---

一、模型部署

當模型部署完成后可以調用SDK將采集的圖片傳到華為云上，經過識別后，華為云會將識別后的結果發送到設備上。
我這里用到的設備是jetson nano（jetbot小車）和jetson tx2，本來可以直接用其配好環境直接做目標檢測，但是比賽題目要求用到華為云modelarts平臺。有機會我會用樹莓派試一試，理論上只要是能運行python的板子都行（pc機也行）。

華為云官方的參考手冊：https://support.huaweicloud.com/sdkreference-modelarts/modelarts_04_0001.html
（這個手冊很重要）主要看SDK參考這一塊

按照手冊上的步驟走即可，這個不難就不再過多講了。

二、我的程序（僅供參考）

難題主要在于數據的解析。

jeson nano收到的數據如下所示，如何解析出識別到的是蘋果是難點

detection_classes：識別到的物體
detection_boxes：物體的坐標
detection_scores：識別率

{"detection_classes": ["蘋果","蘋果"],"detection_boxes": [["80.887726","263.80356","299.759","488.36438"],["58.76906","52.273037","302.06067","275.1259"]],"detection_scores": ["0.99877447","0.9964096"] }

我的程序如下所示：我只是簡單的識別出種類。出于賬號安全考慮access_key的值等用******代替。這些值所代表的意義手冊里有。

from modelarts.session import Session from modelarts.model import Predictor import cv2session = Session(access_key='******',secret_key='******', project_id='******', region_name='******')predictor_instance = Predictor(session, service_id="******") #predictor_info = predictor_instance.get_service_info() predict_result = predictor_instance.predict(data="/home/wyd/下載/1.jpg", data_type="images") print(predict_result)j=0 n=0 for key,value in predict_result.items():for i in predict_result[key]:if (i=="蘋果")&(j==0):print("檢測到蘋果即將調用采摘車")j=j+1n=0

---

總結

部署的難點在于數據解析而不是環境的配置，華為云modelarts平臺簡化了環境配置這一步驟，將配置好的環境打包分享給用戶，用戶直接下載這個環境就可以使用，但是python語言雖然包裝的好使用簡單，但在解析數據時十分難受。

總結

以上是生活随笔為你收集整理的华为云modelarts平台SDK的调用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。