一、图像识别--自动学习
ModelArts自动学习让零AI基础的业务开发者可快速完成模型的训练和部署。依据开发者提供的标注数据及选择的场景，无需任何代码开发，自动生成满足用户精度要求的模型。可支持图片分类、物体检测、预测分析、声音分类场景。可根据最终部署环境和开发者需求的推理速度，自动调优并生成满足要求的模型。
https://github.com/huaweicloud/ModelArts-Lab/issues/49
步骤一：注册账号和领取体验礼包（https://console.huaweicloud.com/modelarts/?region=cn-north-1#/userPackageWindow ）
步骤二：生成访问密钥
在用户基本信息>管理我的凭证页面新增访问密钥，创建后密钥会下载到本地。
在“用户中心>基本信息”页面点击“管理我的凭证”，跳转到“我的凭证”页面。
步骤三：
具体操作：在“我的凭证”页面切换到“管理访问密钥”页签，执行“新建访问密钥”操作，输入登陆密码和短信验证码后，密钥会自动生成并下载到本地，文件名为“credentials.csv”。
步骤四：登陆ModelArts服务页面，通过左侧导航栏进入到“全局配置”页面。
执行“添加访问密钥”操作，输入“credentials.csv”文件中的“Access Key”和“Secret Access Key”信息，执行确定操作，完成全局密钥的设置。
现在开始使用自动学习构建花卉识别应用
步骤 1 创建一个OBS桶，本案例中将桶命名为ai-course-001，同时在创建的OBS桶下创建文件夹/automl/flowers。创建OBS桶和文件夹参考文档：https://support.huaweicloud.com/qs-obs/obs_qs_0001.html 。
步骤 2 进入ModelArts管理控制台界面。单击左侧导航栏的“自动学习”，进入“自动学习”界面。
步骤 3 点击“图像分类”创建项目按钮，创建自动学习>图像分类项目，自定义项目名称（本例输入exeML-flowers），创建一个桶，名称为OBS-flowerss
返回创建项目的界面，点击刷新按钮出现新建桶，
在桶内新建文件夹 0822flower，并选择它作为训练数据的路径，点击“创建项目”完成图像分类项目创建。
2. 下载数据集
点击此处下载数据集压缩包至本地。
3.添加图片
选中flower文件夹中的所有”train”图片，
4.标注图片，给图片打标签
进入“未标注”页面。批量选中相同类别的图片，然后在左侧输入该图片的名称：向日葵，chu'ju，最后点击“确定”按钮。
在“数据标注”界面中，首先设置训练时长为0.1（减小训练时长的同时，可能会降低模型精度），然后点击“开始训练”按钮，即可开始训练。如下图所示：
5.等待部署：
6.部署成功后：
7.点击“部署”按钮，将模型部署为一个在线服务：
8.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。
可以得出测试结果为 向日葵。
-
关闭服务
在“部署上线”页面，点击“停止”按钮，停止在线服务：
image.png
二、图像识别--监督学习
图像分类的综合应用：https://github.com/huaweicloud/ModelArts-Lab/tree/master/train_inference/image_recognition
步骤一：将猫和狗的照片一共200张下载至本地，要知道下载的位置在哪里
步骤二：登录到华为云首页，选择产品标签下的ModelArts,进入ModelArts控制台，
步骤三：点击 数据标注并选择数据集，点击创建数据集，为文档命名：dataocat,然后选择数据集输入位置，跳出弹框新建OBS桶，点击创建。
然后返回到创建集的界面，点击刷新会出现刚刚创建的OBS桶
点击进入桶，选择新建文件夹创建一个文件夹，并选择该文件夹
在输出位置再在这个OBS桶中创建一个桶，命名为dogocatoutput，名字自己创，方便区分就行。
然后我们在数据标签中创建两个标签分别输入dog和cat，然后确定
步骤四：
进入数据集后，点击添加图片，打开刚刚下载好的猫狗图片，ctrl+A选择所有图片点击确定，然后200张猫狗图片导入其中。
步骤五：
我们开始要手工标注部分数据，这里建议猫和狗的照片各标注20和30张。
步骤 六：剩余的数据使用智能标注
点击“智能标注“页签，然后点击”启动智能标注“按钮。在弹出的对话框中，模型来源选择“自动选择”。然后点击提交。（智能标注作业运行过程预计3到5分钟左右，ModelArts使用高峰期可能会有时间延迟）
步骤 七： 处理智能标注结果
智能标注作业完成后，我们需要人工仔细确认每张图片的智能标注的结果。首先，对标注正确的图片进行接纳。对智能标注结果进行分类，依次处理每个类别。点击类别下拉框，选择其中一类，比如cat，如下图所示：
人工确认每张图片，如果是cat，就选择图片（可以多选），然后点击按钮“将选中的图片确认为已标注”，接纳标注结果。注意，不是cat的图片，不要选，后面会处理。如下图：
cat类别的图片确认完之后，按照相同的方式处理dog类别。
对于错误的标注结果，我们在下一步中处理。
步骤 八：处理智能标注错误的结果
最后，对于智能标注错误的结果，可以在“未标注”页签统一查看到。
对于这些智能标注错误的图片，我们点击“启动智能标注”按钮，使用智能标注再次给这些图片标注。原理是：由于训练数据量增加，标注的精度会大大增加。
等待第二次的智能标注作业运行完成。
步骤 九：再次处理智能标注
依据之前处理智能标注结果的流程，处理第二次的智能标注作业。
迭代上述过程，直到完成所有图片的标注。
