label-studio安装与使用

• 创建名为label_studio的虚拟环境(示例的Python版本为3.8)

conda create -n label_studio python=3.8

• 激活虚拟环境

conda activate label_studio

• pip安装label-studio (version=1.3)

pip install label-studio==1.3

• 安装label-studio机器学习后端，dirname为放代码的文件夹路径

cd dirname
git clone https://github.com/heartexlabs/label-studio-ml-backend

• 安装label-studio及其依赖

cd label-studio-ml-backend
pip install -U -e .

• (可选) 安装label-studio中examples运行所需的requirements

pip install -r label_studio_ml/examples/requirements.txt

• 定义模型
  在使用label-studio后端之前，要先定义好自己的训练模型，模型的定义需要继承自label-studio指定的类，具体可参考ml_create。
• 创建后端模型
  按照ml_create要求创建好的模型文件的路径假设为/Users/kyrol/Desktop/cls.py，终端中执行以下命令：

label-studio-ml init cls_backend --script /Users/kyrol/Desktop/cls.py

命令执行完毕会在当前文件夹下创建名为 cls_backend 的文件夹， 里面放有 cls.py, _wsgi.py 等内容。其中，_wsgi.py是要运行的python 主文件，可以查看里面内容。注意：同时需要把 file.py的依赖文件放入cls_backend文件夹。

• 启动后端模型

label-studio-ml start cls_backend

• 开启可视化窗口
  再开启一个终端窗口，首先，激活conda对应的环境；然后，cd 到label-studio代码所在路径；然后，执行以下终端命令，启动可视化的窗口：

label-studio start

• 配置训练数据文件
  • 根据不同的任务配置不同的标签，在settings中点击Labeling Interface, 配置项目标签，具体可参考官网。
• 训练模型
  • 创建一个project
  • 点击 setting
  • 点击 Machine Learning
  • 配置模型训练端口，导入模型

训练后的模型会保存在cls_backend文件夹中以数字命名的文件夹内。