随着PaddlePaddle2.0的更新，PaddleClas图像分类套件也更新到了2.0-rc1版本。新版本的PaddleClas套件已经默认使用动态图来进行模型训练。现在我们使用PaddleClas套件从零实现一个简单的垃圾分类器，来体验一下新版本的PaddleClas的的方便快捷，即使初学者也能训练出高精度的模型。本篇文章分为上下两部分，上部讲解如何从零开始训练，下部讲解部分核心代码以及深度

NAIC2021-AI+视觉特征编码第一阶段开源方案赛题地址:https://naic.pcl.ac.cn/contest/10/35项目地址:https://aistudio.baidu.com/aistudio/projectdetail/3413350?contributionType=1AI Studio项目，fork后可一键运行。赛题背景为配合国家“加快数字化发展，建设数字中国”战略，促

本文收录在https://blog.aistudyclub.com 公众号:人工智能研习社训练完成模型之后，可以对图片进行预测，还可以实现模型结果可视化，查看分割效果。运行命令如下：python predict.py \--config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \--model_path output/iter_1

之前解析了PaddleSeg训练模型的过程，在训练结束后会输出模型文件。得到模型文件，就可以对图片进行预测，还可以实现模型结果可视化，查看分割效果。使用模型文件分割图片，可运行以下命令：python predict.py \--config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \--model_path output/iter