Active Learning Workshop 常见问题解决方案

Active Learning Workshop 常见问题解决方案

active-learning-workshop Active Learning Workshop Materials 项目地址: https://gitcode.com/gh_mirrors/ac/active-learning-workshop

项目基础介绍

Active Learning Workshop 是由 Microsoft Azure 提供的一个开源项目，旨在通过 R 和 Python 语言帮助开发者创建端到端的数据科学解决方案，特别是在云基础设施上实现并部署这些解决方案。该项目提供了预训练的深度学习模型和迁移学习工具，使得开发者能够轻松地处理具有大量或少量标记数据的自定义分类问题。

主要的编程语言为 R 和 Python。

新手常见问题及解决步骤

问题一：如何搭建项目运行环境？

问题描述： 新手在使用 Active Learning Workshop 时，可能不知道如何搭建运行环境。

解决步骤：

1. 在 Azure 市场中预配一个 Ubuntu Linux 数据科学虚拟机，推荐使用 "Standard_DS12_v2" 规格。
2. 登录到虚拟机后，打开 JupyterHub（使用 https 协议，并替换 "hostname" 为虚拟机的主机名或 IP 地址）。
3. 在 JupyterHub 中打开一个 bash 终端。
4. 在终端中运行以下命令：

   cd ~/notebooks
   git clone https://github.com/Azure/active-learning-workshop.git
   cd active-learning-workshop
   source startup.sh
   

5. 完成上述步骤后，你可以通过 http 协议在 RStudio Server 上登录。

问题二：如何使用预训练的深度学习模型？

问题描述： 新手可能不清楚如何使用项目中提供的预训练模型。

解决步骤：

1. 确保已经正确搭建了运行环境，并且可以访问 RStudio Server 或 JupyterHub。
2. 在 R 或 Python 环境中，通过项目提供的 API 调用预训练的模型。
3. 根据项目文档中的示例代码进行操作，确保正确加载模型和数据。

问题三：如何处理数据标注活动？

问题描述： 新手可能不熟悉如何进行数据标注。

解决步骤：

1. 下载 Visual Object Tagging Tool (VOTT) 的发布包。
2. 下载已经由 Active Learning 管道预标注的图像。
3. 使用 VOTT 工具对图像进行标注，确保数据的准确性。
4. 将标注好的数据用于模型的训练和验证。

通过以上步骤，新手用户可以更好地开始使用 Active Learning Workshop，并且解决在使用过程中可能遇到的一些基础问题。

active-learning-workshop Active Learning Workshop Materials 项目地址: https://gitcode.com/gh_mirrors/ac/active-learning-workshop