AWS DeepLens Guia página 103

a. En Notebook instance name (Nombre de instancia del bloc de notas), escriba TFHeadpose.
b. Deje los valores predeterminados para el resto de opciones.
c. Elija Create notebook instance (Crear instancia con bloc de notas).
4. Junto a la instancia de bloc de notas TFHeadpose, seleccione Open (Abrir), de que el estado de la
instancia de bloc de notas pase a ser inService.
5. En la esquina superior derecha, seleccione Upload (Cargar) para iniciar la importación de una
instancia de bloc de notas y otros archivos necesarios.
6. En el selector de archivos, vaya a la carpeta HeadPost_SageMaker_PythonSDK en la carpeta de
proyecto headpose-estimator-apache-mxnet-master que haya clonado o descargado anteriormente. A
continuación, seleccione los siguientes archivos:
• resnet_headpose.py: Este es un script que define el flujo de trabajo para el entrenamiento con la
arquitectura de red de aprendizaje profundo que se indica en elresnet_model_headpose.pySe aplica
a los datos de entrada especificados.
• resnet_model_headpose.py: Esta es una secuencia de comandos de Python que prescribe la
arquitectura de red de aprendizaje profundo que se utiliza para entrenar a nuestro modelo para la
detección de posiciones de cabeza.
• tensorflow_resnet_headpost_for_deeplens.ipynb: Esta es una instancia de Notebook para ejecutar
un trabajo de SageMaker para administrar la formación siguiendo el script deresnet_headpose.py,
incluida la preparación y transformación de datos.
A continuación, elija Open (Abrir).
Si va a ejecutar el script de preprocesamiento en la nube de AWS, vaya a la carpeta headpose-
estimator-apache-mxnet-master, seleccione preprocessingDataset_py2.py y elija Open (Abrir).
7. En la pestaña Files (Archivos) del bloc de notas TFHeadpose, elija Upload (Cargar) para cada uno de
los archivos recién seleccionados para completar la importación de archivos al bloc de notas. Ya está
preparado para ejecutar un trabajo de SageMaker para entrenar el modelo.
8. Elija tensorflow_resnet_headpose_for_deeplens.ipynb para abrir la instancia de bloc de notas en
una pestaña diferente del navegador. La instancia de bloc de notas le permite realizar las tareas
necesarias para ejecutar un trabajo de SageMaker para entrenar el modelo y para transformar los
artefactos del modelo en un formato compatible conAWS DeepLens.
9. Ejecute un trabajo de SageMaker para entrenar el modelo en la instancia de bloc de notas. La
implementación se presenta en celdas de código independientes que se pueden ejecutar de forma
secuencial.
a. UNDERConfigurar el entornoLa celda de código contiene el código de Python para configurar
el almacén de datos para la entrada y salida del trabajo de entrenamiento del modelo de
SageMaker.
import os
import sagemaker
from sagemaker import get_execution_role
s3_bucket = 'deeplens-sagemaker-models-<my-name>'
headpose_folder = 'headpose'
#Bucket location to save your custom code in tar.gz format.
custom_code_folder = 'customTFcodes'
custom_code_upload_location = 's3://{}/{}/{}'.format(s3_bucket, headpose_folder,
custom_code_folder)
#Bucket location where results of model training are saved.
model_artifacts_folder = 'TFartifacts'
AWS DeepLens Guía para desarrolladores
Crear y ejecutar el proyecto de
detección de posición de cabeza
99