零代码美食分类模型开发

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

参考此文档，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。

打开OBS客户端，输入账号名（登录华为云右上角的用户名称）、AK、SK，最后点登录。

点击“创建桶”

区域：北京4

多AZ：关闭

桶名：自己定义，要求具有唯一性

点击新创建的桶名：food518，点击“上传”，弹出上传对象对话框

点击“添加文件夹”，选择刚才下载、解压后的文件夹，选择成功后出现“3”的一条信息，最后点击确认，弹出对话框选择是。

完成后的会看到刚才上传的文件，存储总用量为2.31MB

确认正确后退出OBS客户端。

创建图像分类项目

点击进入ModelArts自动学习界面，确认“北京四”，点击“自动学习”，创建图像分类项目。

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（1~4步），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，设置训练时长为0.1(小时)，

计算规格：自动学习免费规格（GPU），

我已阅读并同意以上内容打“√”

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，计算节点规格选择：自动学习免费规格（CPU）

我已阅读并同意以上内容打“√”

点击“确认”按钮，将模型部署为一个在线服务，大概需要5分钟左右。

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，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：

分别上传test目录中的各种美食图片，进行预测，并截取如下样式的图片，图片中必须包含右上角的华为ID！！！

图片中必须包含右上角的华为ID！！！

图片中必须包含右上角的华为ID！！！

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：

作业1

1、点此链接下载新的数据集，解压得到foods_recognition_assi，test目录中是预测的四张图，train目录是新增的图片，在"图片标注"这一节，添加train目录中的图片进行标注，再重新训练和预测；