【modelarts】华为人工智能平台_modelarts平台系列教程2_自动学习_垃圾分类(1)

---

前言

华为modelarts训练，能够面向三类用户提供解决AI开发支持。对于无AI基础的业务开发员，可以使用自动学习模型。全程无需写代码，一键启动训练&部署。对于AI初学者，使用预置的算法，少量的代码即可调用。对于AI深度完结，可以使用modlearts内置的notebook,自研的MoXingSDK,简化代码。

ModelArts自动学习是帮助人们实现AI应用的低门槛、高灵活、零代码的定制化模型开发工具。自动学习功能根据标注数据自动设计模型、自动调参、自动训练、自动压缩和部署模型。开发者无需专业的开发基础和编码能力，只需上传数据，通过自动学习界面引导和简单操作即可完成模型训练和部署。

当前自动学习支持快速创建图像分类、物体检测、预测分析、声音分类和文本分类模型的定制化开发。可广泛应用在工业、零售安防等领域。

图像分类：识别图片中物体的类别。
物体检测：识别出图片中每个物体的位置和类别。
预测分析：对结构化数据做出分类或数值预测。
声音分类：对环境中不同声音进行分类识别。
文本分类：识别一段文本的类别。

---

一 数据准备

本数据集已经在ModelArts数据管理模块进行了标注，数据标注类型为“图像分类”。
本数据集包含8类生活垃圾图片，分别为：厨余垃圾蛋壳、厨余垃圾水果果皮、可回收物塑料玩具、可回收物纸板箱、其他垃圾烟蒂、其他垃圾一次性餐盒、有害垃圾干电池、有害垃圾过期药物，每类图片100张。
数据下载参考链接 数据下载
把数据下载obs中
以下是官方自动学习帮助文档
自动学习官方帮助手册

二 创建项目

1. 登陆华为modelarts
   2.
   2.选择创建项目
   
   填写名称，数据输入的位置，和数据输出的位置。这里我们从obs中读取数据。

三 数据标注和训练模型

由于模型训练过程需要大量有标签的图片数据，因此在模型训练之前需对没有标签的图片添加标签。通过ModelArts您可对图片进行一键式批量添加标签，快速完成对图片的标注操作，也可以对已标注图片修改或删除标签进行重新标注。用于训练的图片，至少有2种以上的分类，每种分类的图片数不少于5张，建议至少50张图片，则效果会更佳，若图像分类相似度较高，则需要更多的图片。

创建完毕项目之后，就进入到了数据标注阶段。
对于大批量的图片和数据，标签对应语法就是对应图片的.txt文件。例如图片1.jpg，对应的标签写在1.txt文件中。那么modelarts可以自动识别1.jpg中标签。如果传的数据没有对应的文件，需要自己手动实现贴标签。
对于未标注的图片，可以手动添加标签

在左侧可以选择标签，或者手动添加标签。

标注完毕之后。点击开始训练。则进入训练阶段。

点击下一步进入训练界面。点击提交

四 部署上线

所谓部署上线，就是预测我们的模型。上一步把训练好的模型，进行预测。

部署完毕之后，点击上传图片，点击预测。右侧是预测的结果。

总结

通过该实验让大家了解，华为modelarts中图片检测实验。