git clone开启云上AI开发( 二 ) _生活百科

开始创建。配置参数如下：
① 复制桶配置：不选② 区域：华北-北京四③ 桶名称：自定义，将在后续步骤使用④ 数据冗余存储策略：单AZ存储⑤ 默认存储类别：标准存储⑥ 桶策略：私有⑦ 默认加密：关闭⑧ 归档数据直读：关闭
单击“立即创建”>“确定” ，完成桶创建。
点击创建的“桶名称”->“对象”->“新建文件夹” ，创建一个文件夹，用于存放后续数据集。

文章插图
2）下载COCO 2017数据集子集。该数据集包括train（5000张）， val（5000张）及标注文件。进入下载详情页面，下载方式选择对象存储服务（OBS），目标区域选择华北-北京四，目标路径选择1中在OBS中创建的路径，用于数据集存储，如下图所示：

文章插图
点击“确认” ，跳转至我的下载页面，可以查看数据集下载详情，等待数据集下载完成，如下图所示：

文章插图
返回Notebook页面，新建一个ipynb文件，编写导入数据集脚本，运行代码，运行完毕后，点击任务栏上方“刷新”按钮，即可查看导入dataset ，如下图所示：
import moxing as moxmox.file.copy_parallel({obs_path},{notebook_path})说明：
{obs_path}为OBS存储数据集的位置{notebook_path}为数据集在notebook中的存储路径

文章插图
3）下载DINO 模型 checkpoint “checkpoint0011_4scale.pth” ，下载完成后，返回Notebook页面，在DINO页面，创建文件夹ckpts ，用于存放下载的checkpoint 。

文章插图
进入文件夹，点击任务栏上方”上传“按钮，选择下载完成的checkpoint 路径，文件大小超过100MB ，需选择OBS中转，等待数据上传完毕，如下图所示：

文章插图
3.运行代码
1）执行下面的命令,评估预训练模型,你可以期待得到最终的AP大约49.0 。
bash scripts/DINO_eval.sh /path/to/your/COCODIR /path/to/your/checkpoint说明：
/path/to/your/COCODIR 为Notebook数据集的存储路径/path/to/your/checkpoint 为Notebookcheckpoint存储路径
如下图所示：