魔夜听剑
诗号： 魔夜丧月，听剑无声。
孤高傲世，目空一切的绝代剑客，虽对于人情世故有着超乎常态的冷淡，只对剑有着非比寻常的执着。虽对外人冷漠至极，但对自己的弟弟病弦不仅极为重视，更只会在其面前露出兄弟情谊、态度轻松的一面。过去古龙稀曾四次试图招揽其加入逆三教，魔夜听剑前三次皆拒绝，并以“天下宝剑何其多，不差这口”为理由回复，要逆三教断了招揽的念头。叹希奇曾以其对剑独特的见解，论剑完胜鬼刃夕痕、魔夜听剑，使两人深受剑封之苦。 为救弟弟夜魔琴而找上菠萝，得知目标已死后盛怒不已。
一、概述
1.1 系统环境
ubuntu框架：
zero@PC-LJM:~$ uname -a
Linux PC-LJM 6.18.33.2-microsoft-standard-WSL2 #1 SMP PREEMPT_DYNAMIC Thu Jun 18 21:54:43 UTC 2026 x86_64 x86_64 x86_64 GNU/Linux
1.2 Label Studio简介
Label Studio 是一款开源的数据标注与AI评估平台，专门用来为AI模型准备高质量的训练数据和进行效果评估。它的核心优势在于极致的灵活性和广泛的数据类型支持，可以看作是一个连接原始数据与AI模型的强大“加工厂”和“质检站”。
支持全类型数据标注：无论是图像、文本、音频、视频，还是时间序列、PDF文档，Label Studio都能通过高度可配置的界面进行专业标注。例如：
计算机视觉：进行图像分类、目标检测（拉框）、语义分割（像素级）等。
自然语言处理（NLP）：进行命名实体识别、情感分析、问答对标注等。
音频与语音：进行音频转录、情感识别、说话人分离，甚至支持声谱图分析。
大语言模型（LLM）评估：用于RLHF（人类反馈强化学习）、模型回答的对比评分、RAG（检索增强生成）效果评估等。
深度集成ML/AI流水线：它不仅仅是标注工具。你可以将机器学习模型接入Label Studio，让模型预先给出标注建议（预标注），人工只需审核和修正，能极大提升效率。同时，它也提供了API、Python SDK和Webhooks，方便嵌入到已有的开发流程中。
从标注到评估的一站式平台：近年来，Label Studio的定位已从单纯的标注工具扩展到了AI评估平台。你可以用它来：
创建评估基准：定义评估集和打分标准，对比不同模型版本的表现。
管理标注团队质量：通过测验、暂停规则和一致性追踪来评估标注员的工作质量。
分析项目数据：通过内置的“数据管理器”（Data Manager）进行高级筛选和数据洞察。
开源与免费：核心功能完全开源（Apache 2.0许可），可以免费自托管部署，社区非常活跃。
界面灵活可配置：你可以通过编写简单的XML配置文件，自由定制标注界面，适应几乎任何标注任务。
数据源与导出灵活：支持从本地文件、云存储（AWS S3, GCS等）导入数据，标注结果可导出为YOLO、COCO、JSONL等主流模型训练格式
二、安装过程
2.1 安装python
2.1.1 更新ubuntu库
zero@PC-LJM:~$ sudo apt-get update
[sudo] password for zero:
Hit:1 http://archive.ubuntu.com/ubuntu noble InRelease
Get:2 http://security.ubuntu.com/ubuntu noble-security InRelease [126 kB]
Get:3 http://archive.ubuntu.com/ubuntu noble-updates InRelease [126 kB]
Hit:4 https://developer.download.nvidia.cn/compute/cuda/repos/wsl-ubuntu/x86_64 InRelease
Hit:5 http://archive.ubuntu.com/ubuntu noble-backports InRelease
Get:6 http://archive.ubuntu.com/ubuntu noble-updates/main amd64 Packages [1092 kB]
Get:7 http://archive.ubuntu.com/ubuntu noble-updates/main Translation-en [269 kB]
Get:8 http://archive.ubuntu.com/ubuntu noble-updates/universe amd64 Packages [1660 kB]
Get:9 http://archive.ubuntu.com/ubuntu noble-updates/restricted amd64 Packages [1225 kB]
Get:10 http://archive.ubuntu.com/ubuntu noble-updates/restricted Translation-en [276 kB]
Fetched 4774 kB in 5s (939 kB/s)
Reading package lists... Done
2.1.2 安装python
zero@PC-LJM:~$ sudo apt-get install python3 python3-venv python3-pip -y
安装完成后查看下python3的版本，label studio支持的版本为8-13的版本。
zero@PC-LJM:~$ python3 --version
Python 3.12.3 # 符合软件要求
2.2 安装虚拟环境
2.2.1 创建项目目录
在账户的home目录下直接创建对应的数据
zero@PC-LJM:~$ cd ~
zero@PC-LJM:~$ mkdir label-studio-project
zero@PC-LJM:~$ ll
total 44
drwxr-x--- 5 zero zero 4096 Jul 10 13:46 ./
drwxr-xr-x 3 root root 4096 Jul 8 08:15 ../
-rw------- 1 zero zero 4907 Jul 10 11:31 .bash_history
-rw-r--r-- 1 zero zero 220 Jul 8 08:15 .bash_logout
-rw-r--r-- 1 zero zero 3895 Jul 8 17:57 .bashrc
drwx------ 2 zero zero 4096 Jul 8 08:15 .cache/
-rw-rw-r-- 1 zero zero 0 Jul 10 10:13 .motd_shown
-rw-r--r-- 1 zero zero 807 Jul 8 08:15 .profile
-rw-r--r-- 1 zero zero 0 Jul 8 08:50 .sudo_as_admin_successful
-rw-r--r-- 1 zero zero 218 Jul 8 17:40 .wget-hsts
drwxr-xr-x 2 zero zero 4096 Jul 8 16:10 data/
drwxr-xr-x 2 zero zero 4096 Jul 10 13:46 label-studio-project/
zero@PC-LJM:~$
2.2.2 创建虚拟环境
zero@PC-LJM:~/label-studio-project$ python3 -m venv label-studio-env
zero@PC-LJM:~/label-studio-project$ ll
total 12
drwxr-xr-x 3 zero zero 4096 Jul 10 14:41 ./
drwxr-x--- 5 zero zero 4096 Jul 10 13:46 ../
drwxr-xr-x 5 zero zero 4096 Jul 10 14:41 label-studio-env/
激活虚拟环境
zero@PC-LJM:~/label-studio-project$ source label-studio-env/bin/activate
# 前面这边做好表示已经切换到虚拟环境
(label-studio-env) zero@PC-LJM:~/label-studio-project$
2.2.3 安装label studio开源版本
# 加上-U参数获取最新版本
(label-studio-env) zero@PC-LJM:~/label-studio-project$ pip install -U label-studio
Collecting label-studio
Downloading label_studio-1.23.0-py3-none-any.whl.metadata (14 kB)
Collecting Django<5.2.0,>=5.1.8 (from label-studio)
Downloading django-5.1.15-py3-none-any.whl.metadata (4.1 kB)
# 。。。此处省略安装信息
Successfully built attr drf-flex-fields drf-generators ordered-set django-ranged-fileresponse
# ...
(label-studio-env) zero@PC-LJM:~/label-studio-project$
2.2.4 启动label studio
(label-studio-env) zero@PC-LJM:~/label-studio-project$ label-studio start
=> Database and media directory: /home/zero/.local/share/label-studio
=> Static URL is set to: /static/
=> Database and media directory: /home/zero/.local/share/label-studio
=> Static URL is set to: /static/
/home/zero/.local/share/label-studio/.env not found - if you're not configuring your environment separately, check this.
get 'SECRET_KEY' casted as '<class 'str'>' with default ''
Warning: SECRET_KEY not found in environment variables. Will generate a random key.
Starting new HTTPS connection (1): pypi.org:443
https://pypi.org:443 "GET /pypi/label-studio/json HTTP/1.1" 200 40454
/home/zero/label-studio-project/label-studio-env/lib/python3.12/site-packages/django/db/backends/utils.py:98: RuntimeWarning: Accessing the database during app initialization is discouraged. To fix this warning, avoid executing queries in AppConfig.ready() or when your app modules are imported.
warnings.warn(self.APPS_NOT_READY_WARNING_MSG, category=RuntimeWarning)
Initializing database..
Normalized 0/0 LocalFilesImportStorage paths
Normalized 0/0 LocalFilesExportStorage paths
July 10, 2026 - 06:59:54
Django version 5.1.15, using settings 'label_studio.core.settings.label_studio'
# 这句，表示已经正常启动了
Starting development server at http://0.0.0.0:8080/
Quit the server with CONTROL-C.
gio: http://localhost:8080: Operation not supported
2.3 访问Label Studio
WSL安装安装的可以通过浏览器直接访问http://localhost:8080即可访问label studio。
2.4 配置开机自启动
2.4.1 ubuntu中修改wsl配置启动systemd功能
(label-studio-env) zero@PC-LJM:~/label-studio-project$ sudo vim /etc/wsl.conf
[sudo] password for zero:
修改配置，将systemd参数改为true
[boot]
systemd=true
重启wsl
推出Ubuntu，在PowerShell中输入关机指令
wsl --shutdown
关机后再次启动即可
2.4.2 ubuntu使用systemctl配置label studio自启动
创建服务文件
(label-studio-env) zero@PC-LJM:~/label-studio-project$ sudo vim /etc/systemd/system/label-studio.service
输入以下参数，根据自己的项目文件修改对应信息
[Unit]
Description=Label Studio Service
After=network.target
[Service]
User=[你的用户名]
Group=[你的用户名]
# 这个目录以实际目录为准，即2.2.1创建的目录
WorkingDirectory=/home/[你的用户名]/label-studio-project
# 这个直接使用虚拟机目录下的label-studio来启动
ExecStart=/home/[你的用户名]/label-studio-project/label-studio-env/bin/label-studio start --host 0.0.0.0 --port 8080
Restart=on-failure
RestartSec=5
[Install]
WantedBy=multi-user.target
启用并启动服务
重新加载 systemd 配置：
sudo systemctl daemon-reload
设置服务开机自启：
sudo systemctl enable label-studio.service
立即启动服务：
sudo systemctl start label-studio.service
2.5 配置ML-Backend辅助标记训练
参考下文完成配置：
WSL中ubuntu下Label Studio配置机器学习后端（ML Backend）来辅助标记
三、标记
3.1 进入模型
3.2 上传数据
上传文件，上传完毕后，点击Import导入
3.3 删除数据
选中数据
左上角task下拉选择删除数据
3.4 标记
3.4.1 创建标记标签
项目的Settings -> Labeling Interface -> 浏览模板。
选择一个图像识别的模板。
修改标签：
标签模板如下：
<View>
<View style="display:flex;align-items:start;gap:8px;flex-direction:column"><Image name="image" value="$image" zoom="true" zoomControl="true" rotateControl="false"/><View><Filter toName="label" minlength="0" name="filter"/>
<RectangleLabels name="label" toName="image" model_path="Yolo" model_score_threshold="0.25" showInline="true">
<Label value="Mold" alias="霉菌"/>
<Label value="Yeast" alias="酵母"/>
<Label value="Coliforms" alias="大肠菌群"/>
<Label value="TAB" alias="嗜酸耐热菌"/>
<Label value="TMold" alias="耐热霉菌"/>
<Label value="ARB" alias="耐酸菌"/>
</RectangleLabels></View></View>
</View>
注：
- model_path：指定预编译的模型，也就是3.2中创建的Model的名字
- model_score_threshold：可信度阈值，低于这个值会被过滤掉
3.4.2 开始训练
点击图片进入标注界面：
点击下方的标签，然后在上方框出标记的目标
全部标记完后，点击右小角的Update更新标记
3.4.3 预标记
3.5 导出数据
选中要导出的数据，然后右上方点击Export按钮
选择对应模型的数据格式导出，记得选择带with Images的选项，这样导出的才会带图片。
导出后就可以在其他模型中进行训练了。
扫一扫
396
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
