垃圾分类模型训练部署教程,基于MaixHub和MaixPy-k210(1)

简介: 我的准备Maix duino开发板一块(含摄像头配件)Type-c数据集一根

我的准备

  • Maix duino开发板一块(含摄像头配件)
  • Type-c数据集一根

垃圾的图片数据集

分四类垃圾:厨余垃圾、有害垃圾、可回收垃圾、其它垃圾。每类垃圾分一个文件夹,文件夹中就是该类垃圾的图片。

MaixPy IDE(软件)

编辑用来调用模型的代码

kflash_gui(软件)

将模型文件烧录(下载)到开发板上

数据集:有许多地方可以下载,例如:


中文生活垃圾分类数据集-modelscope

百度飞桨-AIStudio

软件工具:


kflash_gui:下载教程,下载地址-github

MaixPy IDE:MaixPy安装教程

参考文档:


MaixPy参考文档

了解MaixPy建议阅读其中的”入门必看指南“;或者,在你遇到问题时可以在改文档中进行搜索,大部分可以找到。

开始干活

在MaixHub训练模型

首先,让我们在浏览器打开MaixHub的网站:MaixHub,任务分为三步:

  • 上传数据集
  • 创建训练任务,进行训练
  • 下载训练好的模型

1、上传数据集

打开MaixHub网站后,点击模型训练

1ec429e1868348659fc4ad563d4aca92.png

efdb3626fc674a2da6fe8db6169595fb.png

为数据集起个朴素的名字,选择标注类型

  • 分类:判断一张图片的类别。
  • 检测:比分类更进一步,从图片找到特定物体,得到物体的位置(坐标)和类别

这里我们选择的是分类;检测任务的训练数据标注会比较麻烦。

52f4821fa74d4fd9ab778db369956c24.png

然后点击进入我们刚刚创建的数据集,现在它里面还什么都没有

4678b23b752a464eb8f62726996f45da.png

接着添加标签,依次输入添加本次任务中所有的标签。

  • 我这里是把垃圾分成四类,所以标签有food、harmful、other、recyclable,分别代表厨余垃圾、有害垃圾 、其它垃圾、可回收垃圾。

041f642f8d9045f8923269b6563ee059.png

然后点击一个标签,比如food,接着选择图片,以上传类别为food的图片。

ead135b853a347deac71fb4926f199cc.png

选中所有food类别的图片,然后点击打开,就可以批量一次性上传所有该类别的图片。

image.png

图片会要加载小一会儿,加载完成后开始上传

一定要点击“开始上传”!仅仅加载完是没有用的。

2ff37dd851e94cb2969ab51ea4762825.png

垃圾分类模型训练部署教程,基于MaixHub和MaixPy-k210(2):https://developer.aliyun.com/article/1407167?spm=a2c6h.13148508.setting.33.79f64f0ecKMDuK


相关文章
|
7天前
|
机器学习/深度学习 人工智能 开发者
DeepSeek服务器繁忙?拒绝稍后再试!基于阿里云PAI实现0代码一键部署DeepSeek-V3和DeepSeek-R1大模型
阿里云PAI平台支持零代码一键部署DeepSeek-V3和DeepSeek-R1大模型,用户可轻松实现从训练到部署再到推理的全流程。通过PAI Model Gallery,开发者只需简单几步即可完成模型部署,享受高效便捷的AI开发体验。具体步骤包括开通PAI服务、进入控制台选择模型、一键部署并获取调用信息。整个过程无需编写代码,极大简化了模型应用的门槛。
140 7
|
12天前
|
API 开发工具 Python
阿里云PAI部署DeepSeek及调用
本文介绍如何在阿里云PAI EAS上部署DeepSeek模型,涵盖7B模型的部署、SDK和API调用。7B模型只需一张A10显卡,部署时间约10分钟。文章详细展示了模型信息查看、在线调试及通过OpenAI SDK和Python Requests进行调用的步骤,并附有测试结果和参考文档链接。
1938 9
阿里云PAI部署DeepSeek及调用
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型
DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可使用 PAI 平台一键部署 DeepSeek 系列模型,实现 DeepSeek 系列模型与现有业务的高效融合。
|
1月前
|
机器学习/深度学习 安全 PyTorch
FastAPI + ONNX 部署机器学习模型最佳实践
本文介绍了如何结合FastAPI和ONNX实现机器学习模型的高效部署。面对模型兼容性、性能瓶颈、服务稳定性和安全性等挑战,FastAPI与ONNX提供了高性能、易于开发维护、跨框架支持和活跃社区的优势。通过将模型转换为ONNX格式、构建FastAPI应用、进行性能优化及考虑安全性,可以简化部署流程,提升推理性能,确保服务的可靠性与安全性。最后,以手写数字识别模型为例,展示了完整的部署过程,帮助读者更好地理解和应用这些技术。
97 20
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
云上一键部署 DeepSeek-V3 模型,阿里云 PAI-Model Gallery 最佳实践
本文介绍了如何在阿里云 PAI 平台上一键部署 DeepSeek-V3 模型,通过这一过程,用户能够轻松地利用 DeepSeek-V3 模型进行实时交互和 API 推理,从而加速 AI 应用的开发和部署。
|
1月前
|
并行计算 PyTorch 算法框架/工具
阿里云PAI-部署Qwen2-VL-72B
阿里云PAI-部署Qwen2-VL-72B踩坑实录
|
2月前
|
人工智能 JSON 算法
魔搭支持在阿里云人工智能平台PAI上进行模型训练、部署了!
现在,魔搭上的众多模型支持在阿里云人工智能平台PAI-Model Gallery上使用阿里云算力资源进行模型训练和部署啦!
|
3月前
|
人工智能 JSON 算法
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
阿里云的人工智能平台 PAI,作为一站式、 AI Native 的大模型与 AIGC 工程平台,为开发者和企业客户提供了 Qwen2.5-Coder 系列模型的全链路最佳实践。本文以Qwen2.5-Coder-32B为例,详细介绍在 PAI-QuickStart 完成 Qwen2.5-Coder 的训练、评测和快速部署。
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
|
3月前
|
人工智能 边缘计算 JSON
DistilQwen2 蒸馏小模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
本文详细介绍在 PAI 平台使用 DistilQwen2 蒸馏小模型的全链路最佳实践。
|
3月前
|
机器学习/深度学习 数据采集 Python
从零到一:手把手教你完成机器学习项目,从数据预处理到模型部署全攻略
【10月更文挑战第25天】本文通过一个预测房价的案例,详细介绍了从数据预处理到模型部署的完整机器学习项目流程。涵盖数据清洗、特征选择与工程、模型训练与调优、以及使用Flask进行模型部署的步骤,帮助读者掌握机器学习的最佳实践。
277 1