基于华为云ModelArts（实现垃圾分类识别）

正月十六工作室

已于 2022-05-16 10:56:41 修改

阅读量1.3w

点赞数 6

分类专栏：云计算文章标签：华为云分类阿里云

于 2022-05-10 19:51:07 首次发布

本文链接：https://blog.csdn.net/hjx020/article/details/124692657

版权

云计算专栏收录该内容

4 篇文章 2 订阅

订阅专栏

基于华为云ModelArts（实现垃圾分类识别）

任务简介

生活垃圾处理不当，不仅会对城市环境构成危害，还会损害到人民的身体健康，如何处理好垃圾分类和可回收垃圾资源再利用，是一件利国利民的事。处理生活垃圾已经成为全国各个城市需要解决的问题，近段时间全国上下各个城市都在开展城市垃圾分类宣传活动，目的就是让每一个居民进一步认识到垃圾分类的重要性，从而引导和增强居民低碳环保理念。

随着垃圾分类活动的全面铺开，Jan16公司基于ModelArts自动学习功能，零编码训练得到一个垃圾分类模型。并且将训练得到的模型部署成在线服务，使用该在线服务对输入的图片进行预测以自动识别上传的图片是哪个类型的垃圾。帮助市民朋友们分辨垃圾种类，从而能够更好的处理垃圾，增强低碳环保意识。

工程师小蔡需要在华为云基于ModelArts，部署一个垃圾分类模型。该项目是图像分类下任务子类，使用efficientnet-b4骨干网络进行垃圾分类。数据集为华为云官方提供的数据集，该数据集包含4类生活垃圾图片，分别为：一次性快餐盒-其他垃圾、易拉罐-可回收物、干电池-有害垃圾菜叶菜根-厨余垃圾。

（数据集下载地址：https://modelarts-course-garbage.obs.cn-north-4.myhuaweicloud.com/automl-dataset/automl_garbage_dataset.zip）

任务设计

登录华为云网站，在华为公有云平台上部署一个垃圾分类模型，对其训练后部署上线。最后垃圾分类模型能够部署上线、能够正确识别上传的图片为何种垃圾。

任务实施

任务1 购买对象存储服务OBS

任务描述

在华为公有云平台上购买对象存储服务OBS，用于存放数据集。

任务操作

（1）打开浏览器，输入华为云网址（https://www.huaweicloud.com），登录账号。在首页把光标移动到左上方【产品】位置，结果如图1所示。
在这里插入图片描述

图1 华为云产品界面

（2）进入产品界面，选择【存储】-【对象存储服务 OBS】，结果如图2所示。
在这里插入图片描述

图2 对象存储服务界面

（3）在对象存储服务界面选择【立即购买】，跳转到对象存储服务控制台，结果如图3所示。
在这里插入图片描述

图3 对象存储服务控制台

（4）选择区域、资源包类型、规格、购买数量、购买时长、生效时间的参数，结果如图4所示。
在这里插入图片描述

图4 购买对象存储服务参数

（5）设置完参数后，选择页面右下方的【加入清单】，结果如图5所示。
在这里插入图片描述

图5 弹性负载均衡参数

（6）选择右方的【立即购买】，结果如图6所示。
在这里插入图片描述

图6 立即购买

（7）确认信息无误后，选择页面右下方的【去支付】，结果如图7所示。
在这里插入图片描述

图7 立即购买

（8）支付完订单，结果如图8所示。
在这里插入图片描述

图8 订单支付成功

（9）选择【返回对象存储服务控制台】，结果如图9所示。
在这里插入图片描述

图9 对象存储服务控制台

（10）选择左侧的【对象存储】，结果如图10所示。
在这里插入图片描述

图10 对象存储

（11）选择页面右上方的【创建桶】，结果如图11所示。
在这里插入图片描述

图11 创建桶

（12）选择区域、数据冗余存储策略的参数，结果如图12所示。
在这里插入图片描述

图12 桶参数1

（13）填写或选择桶名称、默认存储类别、桶策略、默认加密、归档数据只读、标签的参数，结果如图13所示。
在这里插入图片描述

图13 桶参数2

（14）确认参数无误后，选择右下方的【立即创建】，会弹出提示页面，确认即可，结果如图14所示。
在这里插入图片描述

图14 立即购买

（15）选择桶【jan16-ai】，结果如图15所示。
在这里插入图片描述

图15 对象存储桶

（16）选择左上方的【对象】，结果如图16所示。
在这里插入图片描述

图16 对象

（17）通过电脑浏览器下载数据集（下载地址：https://modelarts-course-garbage.obs.cn-north-4.myhuaweicloud.com/automl-dataset/automl_garbage_dataset.zip），解压后文件夹里有两个文件夹，结果如图17所示，其中文件夹【train】下的图片适用于AI模型训练，文件夹【test】下的图片是用于测试的。
在这里插入图片描述