Watson视觉识别: Curl命令"url：(6)无法解析主机: POST；找不到主机“

Question

我想知道为什么当我创建一个分类器时，我想要包含在我的分类器中的大多数类都没有生成？

我使用以下代码来训练我的分类器(使用curl -k而不是curl -x)，但并不是我想要创建的所有类都显示在输出/响应中：

输入：

curl.exe -k POST -F "Hairline Cracking
Severe_positive_examples=@HairLineCracking_Severe.zip" -F "Durability 
Cracking_positive_examples=@DCracking.zip" -F 
"Scaling_positive_example=@Scaling.zip" -F "Pop 
Outs_positive_example=@PopOuts.zip" -F "Offset 
Cracking_positive_example=@OffsetCracking.zip" -F "Map 
Cracking_positive_example=@MapCracking.zip" -F "Hairline 
Cracking_positive_example=@HairLineCracking.zip" -F 
"negative_examples=@NotConcrete.zip" -F "name=concreteIssues" 
"https://gateway-a.watsonplatform.net/visual-recognition/api/v3/classifiers?
api_key={apikey}=2017-05-20"

输出：

url: (6) Could not resolve host: GET; Host not found

"classifier_id": "concreteIssues_580100916",
    "name": "concreteIssues",
"owner": "6217d8a0-8995-4b94-9e96-bfacd090bfcb",
"status": "training",
"created": "2017-01-11T09:17:09.558Z",
"classes": [
    {"class": "Hairline Cracking Severe"},
    {"class": "Durability Cracking"}
]

然后，我尝试通过添加响应中没有显示的剩余类来更新分类器，但它的响应是413请求实体太大

(注意:我所有的.zips都小于3mb，所以这不是压缩文件太大的问题)

Answer 1

谢谢你的问题。在发布的代码中有几个问题。

在你的标题中，错误“url: (6) Could not resolve host: POST; Host not found”来自于curl - on the client。这意味着它试图将字符串POST解释为URL，但事实并非如此。

您提到使用-k而不是-x。-k选项告诉curl允许不安全的证书，我认为您在这里不需要这样的证书。您应该删除-k和字符串POST。使用-F选项意味着POST。

此外，字符串的"https://gateway-a.watsonplatform.net/visual-recognition/api/v3/classifiers？api_key={apikey}=2017-05-20“部分似乎缺少=2017-05-20部分之前的字符串"version”。我想这是一个打字错误。

现在，转到为什么有些类没有出现的问题，比如你的例子中的"Scaling“。在我看来，你的命令没有明显的问题。但是，如果Scaling.zip文件中至少有10个所需的正数示例，则可能会发生这种情况。这有可能吗？

关于重新训练和收到413错误代码-由于内部超时，如果您总共有大约100个训练图像，则可能会发生这种情况。这是一个已知的问题-在7月5日的发行说明中进行了描述。https://www.ibm.com/watson/developercloud/doc/visual-recognition/releasenotes.shtml

但是，好消息是，尽管您可能会收到此错误消息，但重新培训过程很可能会在后台继续并成功。您应该遵循此工作流程，并且在第一个分类器成功或失败完成之前，不要为同一分类器提交额外的再培训请求：

因此，对于再培训，解决方法工作流程是：

1. 注意来自GET /分类器/{cid}的retrained时间戳(如果有的话)的值这是它最后一次成功重新训练的时间。
2. 启动单个重新训练请求。并行提交单个分类器的重新训练请求可能会导致未定义的结果。VR尝试阻止这一点，但存在竞争条件，即此调用
3. 每个训练图像(新图像和以前/原始图像)等待1秒"first".
4. ignore 413错误或500错误。
5. 开始轮询GET /分类器/{cid}以获取最准确的状态
6. 检查retrained时间戳是否已更新。这表示成功，如果需要，您可以重复此过程以添加更多图像。
7. 如果状态为ready，但retrained时间戳与步骤1中的相同，则表示重新训练失败，分类器回滚到步骤1中的状态。现在，分类器描述中可能添加了explanation字段。
8. 如果在每个训练图像等待和轮询10秒后，状态仍为retraining，且retrained时间戳未更新，则表示很可能发生了故障。使用分类器进行/classify应该会得到与重新训练请求之前相同的结果。