部署图像分类服务 模型部署 模型部署操作即将模型部署为在线服务，并且提供在线的测试UI与监控能力。完成模型训练后，可选择准确率理想且训练状态为“运行成功”的版本部署上线。具体操作步骤如下。 在“运行节点”页面中，待服务部署节点的状态变为“等待输入”时，双击“服务部署”进入配置详情页，完成资源的参数配置操作。

查看更多 →

准备图像分类数据 使用ModelArts自动学习构建模型时，您需要将数据上传至 对象存储服务 （OBS）中。OBS桶需要与ModelArts在同一区域。 数据集要求 保证图片质量：不能有损坏的图片，目前支持的格式包括jpg、jpeg、bmp、png。 不要把明显不同的多个任务数据放在同一个数据集内。

查看更多 →

标注图像分类数据 由于模型训练过程需要大量有标签的图片数据，因此在模型训练之前需对没有标签的图片添加标签。通过ModelArts您可对图片进行一键式批量添加标签，快速完成对图片的标注操作，也可以对已标注图片修改或删除标签进行重新标注。 请确保数据集中已标注的图片不低于100张，否

查看更多 →

训练图像分类模型 完成图片标注后，可进行模型的训练。模型训练的目的是得到满足需求的图像分类模型。请参考前提条件确保已标注的图片符合要求，否则数据集校验将会不通过。 前提条件 请确保您的数据集中的已标注的图片不低于100张。 请确保您的数据集中至少存在2种以上的图片分类，且每种分类的图片不少于5张。

查看更多 →

单击“创建项目”，图像分类项目创建成功后页面自动跳转到“自动学习工作流”。 图像分类项目的工作流，将依次运行如下节点： 数据标注：对您的数据标注情况进行确认。 数据集版本发布：将已完成标注的数据进行版本发布。 数据校验：对您的数据集的数据进行校验，是否存在数据异常。 图像分类：将发布好的数据集版本进行训练，生成对应的模型。

查看更多 →

通用图像分类工作流 工作流介绍 新建应用 准备数据 选择数据 训练模型 评估模型 部署服务 父主题： 视觉套件

查看更多 →

使用自动学习实现图像分类 准备图像分类数据 创建图像分类项目 标注图像分类数据 训练图像分类模型 部署图像分类服务 父主题： 使用自动学习实现零代码AI开发

查看更多 →

确认服务的部署区域，获取项目名称和ID、获取帐号名和ID和获取用户名和ID。 已准备好用于智能标注的图像分类的数据集，并获取数据集ID，例如“6mHUGe7ETlhayb4qDMN”，数据集的创建和ID获取请参见创建图像分类数据集并进行标注任务。 用于智能标注的数据集必须存在至少2种标签，且每种标签已标注的图片不少于5张。

查看更多 →

什么是图像分类和物体检测？ 图像分类是根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。简单的说就是识别一张图中是否是某类/状态/场景，适合图

查看更多 →

创建图像分类数据集并进行标注任务 本节通过调用一系列API，以创建图像分类数据集并进行标注任务为例介绍ModelArts API的使用流程。 概述 创建数据集并进行标注的流程如下： 调用认证鉴权接口获取用户Token，在后续的请求中需要将Token放到请求消息头中作为认证。 调用

查看更多 →

创建图像分类自动学习项目并完成图片标注，训练按钮显示灰色，无法开始训练？ 图像分类项目，图片标注至少需要两个类别，且每个类别至少5张图片，才可以开始自动训练。 父主题： 模型训练

查看更多 →

使用ModelArts PyCharm插件调试训练ResNet50图像分类模型 本案例介绍如何将本地开发好的MindSpore模型代码，通过PyCharm ToolKit连接到ModelArts进行云上调试和训练。 开始使用样例前，请仔细阅读准备工作罗列的要求，提前完成准备工作。本案例的步骤如下所示：

查看更多 →

使用ModelArts VS Code插件调试训练ResNet50图像分类模型 应用场景 Notebook等线上开发工具工程化开发体验不如IDE，但是本地开发 服务器 等资源有限，运行和调试环境大多使用团队公共搭建的CPU或GPU服务器，并且是多人共用，这带来一定的环境搭建和维护成本

查看更多 →

物体检测或图像分类项目支持对哪些格式的图片进行标注和训练？ 图片格式支持JPG、JPEG、PNG、BMP。 父主题： 准备数据

查看更多 →

发工作流”新建应用，详细操作请见新建应用。您可以开发通用图像分类模型，自主上传数据训练模型，实现图像分类功能。 图1 通用图像分类工作流流程 表1 通用图像分类工作流说明 流程 说明 详细指导 准备数据 在使用通用图像分类工作流开发应用之前，您需要提前准备用于模型训练的数据，上传至OBS中。

查看更多 →

将Notebook的Conda环境迁移到SFS磁盘 使用ModelArts PyCharm插件调试训练ResNet50图像分类模型 使用ModelArts VS Code插件调试训练ResNet50图像分类模型

查看更多 →

应用示例 创建图像分类数据集并进行标注任务 创建并完成图像分类的智能标注任务 开发环境的应用示例 以PyTorch框架创建训练作业（新版训练） 创建和修改工作空间 管理ModelArts服务的委托授权

查看更多 →

标注数据如何导出 只有“图像分类”、“物体检测”、“图像分割”类型的数据集支持导出功能。 “图像分类”只支持导出txt格式的标注文件。 “物体检测”只支持导出Pascal VOC格式的XML标注文件。 “图像分割”只支持导出Pascal VOC格式的XML标注文件以及Mask图像。

查看更多 →

简介。 图1 自动学习操作流程 图2 Workflow运行流程 项目类型介绍 图像分类 图像分类项目，是对图像进行分类。需要添加图片并对图像进行分类标注，完成图片标注后开始模型训练，即可快速生成图像分类模型。可应用于商品的自动分类、运输车辆种类识别和残次品的自动分类等。例如质量检

查看更多 →

选择数据 在使用通用图像分类工作流开发应用时，您需要选择训练数据集，后续训练模型操作是基于您选择的训练数据集。 训练数据集可以选择创建一个新的数据集，也可以选择导入基于通用图像分类工作流创建的其他应用中已创建的数据集。 新建训练数据集 导入已有数据集 前提条件 通用图像分类工作流支持将服

查看更多 →

部署服务 评估模型后，就可以部署服务，开发通用图像分类的专属应用，此应用用于识别输入图像的类型，也可以直接调用对应的API和SDK识别。 前提条件 已在“ 工业智能体 控制台>工业AI开发>工业AI开发工作流”选择“通用图像分类工作流”新建应用，并评估模型，详情请见评估模型。 由于部

查看更多 →