本教程为个人学习笔记，仅供参考，文末包含 流程图解

本案例将详细介绍怎样用ModelArts自动学习基于美食数据集快速构建美食识别应用。

ModelArts自动学习具有零代码、零AI背景、泛化能力强的特点，用户无需编码，无需AI背景，就可以使用自动学习快速构建自己的AI应用。

准备工作

参考<https://betterman.xyz/301.html>，完成ModelArts准备工作。包括注册华为云账号、ModelArts全局配置和OBS相关操作。

准备数据

下载数据集

点击此处下载数据集压缩包至本地，然后解压。可以得到文件夹foods_recognition。

训练集位于foods_recognition\train目录下，共4类美食，每个类别10张图片。测试集位于foods_recognition\test目录下。

该数据集包含的美食及其类别如下图所示：

上传数据

使用OBS客户端上传foods_recognition文件夹至一个北京四的OBS桶。

创建图像分类项目

点击进入ModelArts自动学习界面，然后点击“图像分类”创建项目按钮，按照如下示例填写参数：

名称：自定义

数据来源：新建数据集

数据集输入位置：选择train目录所在的OBS路径。

数据集输出位置：保存数据标注文件的OBS路径，需要新建。

最后点击“创建项目”按钮完成图像分类项目创建。

图片标注

进入“未标注”页面。批量选中相同类别的图片，然后添加标签（如果标签已经存在，可以直接选择），最后点击“确定”按钮。如下图所示（如果对操作流程不熟悉，可以查看右上角的“操作指导”）：

“全部标签”中列举了所有的标签，以及每个标签下的图片数量。

完成所有图片标注后，进入“已标注”页面。在该页面可以校验图片标签，如果标注有误，可以在该页面修改标签。如果发现标签不正确，可以选中图片，重新选择标签。

模型训练

点击“开始训练”按钮，设置最大训练时长为0.1(小时)，预期推理硬件选择CPU，其他默认。然后点击确认按钮，提交训练作业。如下图所示：

模型部署

在“模型训练”页面等待训练完成，不超过6分钟。训练完成后，可以查看模型的精度：

点击“部署”按钮，将模型部署为一个在线服务，大概需要5分钟左右。

服务测试

在线服务 本质上是一个RESTful API，可以通过HTTP请求访问。本案例在网页上测试在线服务。

在“部署上线”页面点击“在线服务”，等待服务部署成功。部署成功后，点击“上传本地图片”按钮，上传一张本地的测试图片（从测试集test目录中挑选）。如下图所示：

点击“预测”按钮进行预测：

可以看到预测结果：

关闭在线服务

在“部署上线”页面，点击“停止”按钮，停止在线服务，否则会持续收费：

当需要使用该在线服务的时候，可以重新启动该在线服务。

至此，美食识别应用实验圆满完成。

常见问题

有小伙伴在标注完数据集之后，找不到 开始训练 按钮，这是没有创建自动学习项目的结果，数据集必须要在自动学习项目中才有 “开始训练” 功能，这个功能是使用类似 AutoML 算法进行模型训练，也就是 一键训练。

如果你出现上述情况，请将你已经标注好的数据集导入自动学习项目中，再 点击 “开始训练” 即可。

导入过程如下：

导入你已经标注好的数据集。

实验一和实验二不同之处是实验二可以调参并且可以自己选择算法，具体区别如下：

总结