【每天进步一点点】基于ModelArts，跑通口罩检测案例（Python版本）——模型训练与转化部分

关于数据集的部分，可参考https://bbs.huaweicloud.com/forum/thread-58782-1-1.html

今天接着说说模型训练的部分，这部分比较简单，在ModelArts上官方提供了算法和强大的算力，这极大简化了AI开发中最为复杂的模型训练部分。这里要说明的是，这个算法提供了预置算法的版本（1种，GPU训练）和AI市场的版本（两种，GPU和Ascend 910训练），共计三种，本质无区别，对后续部署无影响，这个可以自行选择。如果你想用GPU，可以选择GPU版本，官方也提供了Ascend 910训练的版本，我使用的是Ascend 910的版本，不得不说，Ascend 910的算力强大呀，体验很刺激。

关于如何训练这部分，毛老师在帖子中也有介绍，按照说明操作即可，基于ModelArts一站式AI开发平台，非常简单的，点击几下就行了，链接：https://bbs.huaweicloud.com/blogs/163392

我是用的Ascend 910版本的链接：https://console.huaweicloud.com/modelarts/?region=cn-north-4#/aiMarket/aiMarketModelDetail/overview?modelId=7087008a-7eec-4977-8b66-3a7703e9fd22&type=algo，从数据集的划分（在发布数据集时，必须划分训练集和测试集的比例），到模型训练参数选择，再到如何在云端转换为.om模型，进行了详细的说明，可以看看哈。

我使用的是1 * Ascend 910的规格，max_epochs = 1000:

用了约9.5个小时训练完成，还不错。

之后是模型转换，这里我是将训练得到的.pb模型在自己的MindStudio中转为.om的，因为我想在AIPP上做BGR到RGB的色域转换，云端做转化的话，需要设置配置文件，比较麻烦，我就在线下转化了，同时做了每个像素除以255的归一化操作，剩下的没什么了，关于输入节点和输入尺寸可参考算法界面的介绍：

未完待续......