垃圾分类模型训练部署教程，基于MaixHub和MaixPy-k210(1)：https://developer.aliyun.com/article/1407166
至此，我们就已经成功上传了其中一个类别的图片啦！按照上面的方式，我们可以继续上传其余每个类别的图片。
上传完所有类别的图片后，来到总览，可以大致浏览我们刚刚上传的图片。
接下来，就要用这些图片来训练用于垃圾分类的模型了！
2、创建训练任务，进行训练
前面我们已经上传好了模型训练所需要的数据，接下来的任务就是用这些数据来训练一个模型。
来到模型训练，项目，我们创建一个新项目。
填写项目信息。
- 名称：随便编个
- 项目类型：需要与我们创建数据集时的类型保持一致，这里我选择图像分类
- 项目描述：给自己看的，随便写写。
创建完成后我们就会进入这个项目，选择我们刚刚上传的数据集。
下一步是训练配置。配置通常很重要，但我们大部分使用默认的就行，深入了解这些配置的意义可能需要学习一些深度学习方面的知识。
随机处理：可以全勾上；增强你的模型抗环境条件干扰的能力。
部署平台：根据你的开发板来选就好，你可以在MaixPy的文档了解到一些板子相关的信息。
如果选择tfjs，你的模型将可以很方便地在手机或电脑的浏览器中运行，体验模型的效果。
数据均衡：如果你上传数据集中，不同类别之间的图片数量差距比较大，就需要开。像我每类都是700张左右，不开也没关系。
然后滑到网页最下面，点击创建训练任务。
小小地等待一会儿，就可以看到它开始训练啦！
训练可能会花费10来分钟的时间（与训练配置中的迭代次数成正比）。即使你关闭网页，MaixHub的后台仍然会继续帮你完成训练，你可以在训练记录查看你正在训练、或已经训练好的模型。
3、下载训练好的模型
将模型下载到电脑本地，为上板做准备。
在训练记录，点击部署。
选择手动部署，然后下载模型。
解压下载得到的压缩包，里面包含如下文件：
main.py：python代码文件，执行它调用模型，MaixHub自动生成。也可以自己写。
*.kmodel：模型文件。
report.json：没什么用，训练过程中的一些记录。
我们需要的是下图中main.py和model-27622.kmodel这两个文件。
垃圾分类模型训练部署教程，基于MaixHub和MaixPy-k210(3)：https://developer.aliyun.com/article/1407169?spm=a2c6h.13148508.setting.32.79f64f0ecKMDuK
