使用 Watson Studio 和 PyTorch 构建一个手写数字识别器  

使用经过训练的 PyTorch 模型预测图像中的手写数字

Description

识别手写数字对人类来讲轻而易举,但对机器来讲并非易事。不过,目前随着机器学习的进步,人们已经制造出能够更好地执行此任务的机器。我们现在拥有可以在几秒内扫描支票的移动银行应用程序,以及可以在几分钟内从数千份合同中提取出美元金额的会计软件。如果您想了解这一切的工作原理,请学习本 Code Pattern,我们将引导您使用 Watson Studio 和 PyTorch 逐步创建一个简单的手写数字识别器。

概览

在本 Code Pattern 中,您将在 IBM Watson Studio 中使用 Jupyter Notebook,并通过 Watson Machine Learning Service 的 Python 客户端库访问预先安装并优化的 PyTorch 环境。该库的核心是一组 REST API,允许您提交训练作业,监控状态,存储,以及部署模型。 完成本 Code Pattern 后,您将掌握如何:
  • 在 Watson Studio 中创建一个项目并在项目中使用 Jupyter Notebook。
  • 使用 Cloud Object Storage 的 Python 客户端来创建存储桶并将数据上传到存储桶中。
  • 将 PyTorch 训练作业提交到 Watson Machine Learning Service。
  • 使用经过训练的 PyTorch 模型来预测图像中的手写数字。

  1. 登录到 IBM Watson Studio。
  2. 在 Watson Studio 中运行 Jupyter Notebook。
  3. 使用 PyTorch 下载并处理数据。
  4. 使用 Watson Machine Learning 训练并部署模型。

Instructions

请在 README 中了解更详细的操作说明。这些步骤将展示如何:
  1. 注册使用 Watson Studio。
  2. 创建一个新项目。
  3. 创建 Notebook。
  4. 创建 Watson Machine Learning Service 实例。
  5. 为 Watson Object Storage 实例创建 HMAC 凭证。
  6. 运行该 Notebook。

相关博客

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

一款全新的 Watson Machine Learning(WML)产品,旨在帮助企业训练和部署内置于 IBM Watson Studio 中的机器学习模型,并采用 IBM Watson OpenScale 进行监测。

继续阅读 全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

相关链接

英文原文

本 Code Pattern 翻译自《Build a handwritten digit recognizer in Watson Studio and PyTorch》(2018-11-19)

创建手写韩文翻译移动应用

创建一个移动应用程序,利用 TensorFlow 来识别手写的韩文字符,再使用 Watson Language Translator 服务将其翻译成英文。

卷积神经网络

研究卷积神经网络 (CNN),了解如何使用 Python 实现一个对手写数字进行分类的简单网络。