【乘風破浪的開發(fā)者】華為云云享專家胡琦：快快使用ModelArts，零基礎也能玩轉AI！

快快使用ModelArts，零基礎也能玩轉AI！

走過路過不要錯過，看Copy攻城獅如何借力華為云ModelArts玩轉AI。

“自2018年10月發(fā)布以來，ModelArts累計服務了眾多行業(yè)十幾萬開發(fā)者，通過基礎平臺的完備性和面向行業(yè)的知識沉淀以及平臺化能力，使得AI應用開發(fā)更簡單高效”，

正如華為輪值董事長徐直軍在《ModelArts人工智能應用開發(fā)指南》一書中作序提到，ModelArts簡化了AI應用的開發(fā)流程、優(yōu)化了AI應用的開發(fā)成本、降低了AI行業(yè)應用開發(fā)技能要求。對于零基礎的小伙伴來說，如何快速上手AI應用開發(fā)？我相信您看完我學習使用ModelArts的經(jīng)歷，應該能找到答案。

邂逅ModelArts

說到結緣ModelArts，不得不先說說我和華為云的故事。去年的時候，給甲方爸爸開發(fā)移動應用，他們的APP通過華為應用市場分發(fā)，于是我就注冊了華為開發(fā)者賬號。同時，我熱衷于參與前端開發(fā)方面的線下技術交流活動，偶然一次機會有幸拿到了“HDC2019”華為開發(fā)者大會的入場券，最開始關注的還是前端領域的技術，比如當時去東莞松山湖就是沖著華為快應用去的。在HDC大會上，最讓我印象深刻的就是CodeLab，類似線下的工作坊，從最基礎的“Hello World”開始，能讓開發(fā)者輕松地了解和接受一門新的技術。記得當時參與了好幾個CodeLab，基本都是偏向于前端開發(fā)，如快應用開發(fā)、AppGallery Connect、手機主題開發(fā)等……當然，目前CodeLab也有線上的開發(fā)指南，如

0代碼開發(fā)圖像分類AI模型;還有更加方便的沙箱實驗室，為我們可以體驗使用ModelArts實現(xiàn)花卉圖像分類、基于ModelArts實現(xiàn)人臉識別等實踐操作。

不過在這之后，我一直關注的都是前端領域的技術分享，如華為云“7天玩轉前端研發(fā)實戰(zhàn)營”……盡管初次接觸華為云并未直接邂逅ModelArts，但為后來的遇見做了很大的鋪墊。今年4月份的時候，在論壇偶然關注到了MDG舉辦的《創(chuàng)新AI活動：在武大櫻花下寫防疫課觀后感》以及毛啟昌老師分享的【AI 創(chuàng)新開發(fā)者沙龍】如何在華為云 ModelArts 實現(xiàn)草莓成熟識別？，初步了解到借助華為云一站式AI開發(fā)平臺ModelArts，零基礎也能開發(fā)諸如圖像分類、物體檢測、預測分析、聲音分類、文本分類等AI應用開發(fā)；然后也參與了華為云開發(fā)者AI青年班黑客松大賽，第一次動手調(diào)參，不過畢竟是零基礎，經(jīng)過不斷的嘗試，終于將基線代碼調(diào)優(yōu)到了0.948，并且將這段“不斷碰壁”的經(jīng)歷分享到了ModelArts版塊，于是就有了我在ModelArts版塊的第一篇帖子--《【手摸手學ModelArts】輕松完成Baseline及調(diào)優(yōu)至0.》，后來又參加了華為云AI實戰(zhàn)營，還有幸分享了我在學習ModelArts過程中的“copy經(jīng)驗”，完成了人生第一場直播--【AI實戰(zhàn)課堂】2020年華為云AI實戰(zhàn)營 ——FasterRCNN和YoLoV3算法完成物體檢測,再后來就真的一發(fā)不可收拾，深深地愛上了ModelArts。她教會了我：AI，沒那么難；學AI就到huaweicloud.ai!

學習ModelArts

在學習任何知識或技能前，我覺得我們先得問問自己，為什么要學習？比如為什么要學習ModelArts？對我而言，想法很簡單：現(xiàn)如今，人工智能儼然融入生活的點點滴滴，未來只有兩種人--一種用人工智能賺錢的，一種為人工智能消費的；作為前端Copy攻城獅，如果能有AI加持自動Copy代碼是不是如魚得水，豈不樂哉？當今這個沒有AI芯片加持的手機都不能稱之為“旗艦機”的時代，沒有AI技能加持的攻城獅感覺都有點落伍。但是，談到學習人工智能，大家可能最先想到的是技術太難、學不會。如果，您體驗了一站式AI開發(fā)平臺ModelArts，您一定會和我一樣驚嘆：原來AI開發(fā)也能這么簡單？

那怎么學習ModelArts呢？按照我過往的經(jīng)驗，個人感覺無論學習什么新知識或技能，官方文檔是最原始的學習資料。舉個例子，我想學習全場景深度學習框架MindSpore，那我可能會訪問MindSpore的官網(wǎng)--https://www.mindspore.cn/,我們能夠輕松找文檔、教程、代碼甚至手把手的教學視頻。不僅如此，我們還能輕松找到加入社區(qū)的方式找到志同道合的好基友一起前行。

同理，要學習ModelArts，我們第一步就需要了解她，首先官網(wǎng)走一波：ModelArts是華為云傾情打造，訪問華為云ModelArts專區(qū)https://www.huaweicloud.com/product/modelarts.html和華為云AI社區(qū)http://huaweicloud.ai都能輕松找ModelArts及AI相關的教程。比如，我們還能獲取到AI開發(fā)者成長路線，從0到1成為AI開發(fā)達人。

除了官方提供的文檔和教程，我們可以關注一下MDG（ModelArts開發(fā)者社區(qū)）、華為云ModelArts論壇及博客，最新的一手資料能及時獲得，如ModelArts新功能特性、官方發(fā)布的活以及社區(qū)小伙伴們的精彩分享。其次，學會ModelArts的最好途徑就是自己多動手實踐，前期的學習，我們可以根據(jù)官方文檔動手實踐了解一些基本的概念和操作，之后我們可以嘗試實踐自己的創(chuàng)意，比如之前朱永春老師就分享了眾多創(chuàng)意實踐，有奶茶識別、有花式表白、有云畢業(yè)照生成。當然，樂于分享也有助于自身的提升，分享對學習而言也是催化劑，期待能看到您的分享、一起學習一起進步！

Hello，ModelArts

廢話不多說，先上一個“Hello ModelArts”案例--找云寶（使用自動學習實現(xiàn)物體檢測應用，云寶是華為云的吉祥物），希望通過親自動手簡短的實操，您能感受到使用ModelArts開發(fā)AI應用是多么簡單。

0.環(huán)境準備

初次體驗ModelArts之前，需注冊華為云賬號并進行實名認證；ModelArts服務時，需先配置全局設置，您可以通過委托授權ModelArts訪問OBS、SWR、IEF等依賴服務，使用委托您可以更精細的控制授權的范圍，或者通過配置訪問密鑰進行授權。本案例還需用到數(shù)據(jù)存儲服務OBS，可參考ModelArts準備工作。

1.數(shù)據(jù)集準備

得益于ModelArts強大的AI市場提供的數(shù)據(jù)集分享功能，我已將本次實踐的數(shù)據(jù)集上傳，只需訪問ModelArts AI市場的數(shù)據(jù)集模塊，搜索“Yunbao”,即可找到部分標注的云寶圖片數(shù)據(jù)集。通過AI市場數(shù)據(jù)集模塊的分發(fā)，我們可以將數(shù)據(jù)集直接下載到自己的ModelArts中。通過數(shù)據(jù)集管理可直接管理從AI市場下載的ModelArts數(shù)據(jù)集，這樣數(shù)據(jù)集就沒必要先下載到本地再上傳到OBS再新建數(shù)據(jù)集了，大大簡化了開發(fā)流程。

2.數(shù)據(jù)標注

基于上一步下載的數(shù)據(jù)集，我們可以新建自動學習-物體檢測任務，在任務中進行數(shù)據(jù)標注；也可以在數(shù)據(jù)管理-數(shù)據(jù)集中選擇上一步下載的數(shù)據(jù)集進行標注。當然，如果您想體驗自動分組、智能標注等數(shù)據(jù)集高級操作，建議還是使用第二種方式，標注完畢之后在自動學習任務中同步數(shù)據(jù)。

3.訓練

由于本次實踐提供的已經(jīng)有標注部分數(shù)據(jù)，因此我們可以直接訓練，不過訓練的結果沒有全部標注完畢的好。創(chuàng)建訓練也是非常簡單，輕輕一點，ModelArts便開始自動訓練，只需耐心等待片刻即可。

下圖中V001是只標注了26中圖片的訓練結果，V002是全部標注完的訓練結果。其中的差異是非常明顯的，當然訓練的耗時差異也是蠻大的，全部標注的訓練時長幾乎是原來的2倍，但換來的是精度的顯著提升，也是非常值得的。

4.部署

部署也是一鍵點擊即可，我這里以V002這個版本為基礎進行在線部署，依舊是等待片刻，服務正常運行即可調(diào)用。這里不得不夸贊一下，ModelArts依舊提供了一個免費的在線部署服務實例，又進一步降低了我們開發(fā)AI的成本。

簡單調(diào)試一下，基本能準確識別云寶及位置，至此零代碼開發(fā)物體檢測AI模型就完成了，您Get到了嗎？是不是So easy？

探索快樂，分享快樂

剛學習ModelArts的時候，就有一個小小的念頭：將我的學習經(jīng)歷整理成文檔或者視頻分享出來了幫助更多的小伙伴了解并學習ModelArts，甚至出版一本全方位學習ModelArts的電子書教程……然而，幾個月過去了，我的想法還僅僅是想法，官方的開發(fā)指南一書確已經(jīng)出版了！不過，這個想法仍然在我腦海里，更加細致的教程仍然需要打磨，小目標還是有的--未來一年內(nèi)學習并整理出《手摸手學ModelArts》電子書，先把牛皮吹出了。

回顧這幾個月的學習，除了AI實戰(zhàn)營堅持打卡分享，基于ModelArts和本行前端開發(fā)，我體驗了一站式AI開發(fā)：基于ModelArts官方案例完成了銀行存款預測小Demo，詳見【手摸手學ModelArts】今天你存款了嗎？;基于AI實戰(zhàn)營的命名實體識別案例完成華為云應用魔方AppCube與ModelArts結合的探索，詳見【Copy攻城獅日志】ModelArts與AppCube雙“魔”合璧慶雙節(jié)。雖然沒什么技術含量，也不成氣候，但也是一步一個腳印，踏踏實實地學習探索，同時承蒙各位的抬愛，感覺非常值得，非常快樂。

除此之外，我還熱衷于給ModelArts示例代碼庫的文檔糾錯，實實在在的“文檔修改貢獻者”；當然通過學習ModelArts-Labs代碼庫，也是能夠第一時間掌握ModelArts新的玩法；如果能在學習之外，還能順帶幫助其他小伙伴，何樂而不為呢？

文中鏈接

[1]沙箱實驗室:?https://lab.huaweicloud.com/

[2]使用ModelArts實現(xiàn)花卉圖像分類:?https://lab.huaweicloud.com/testdetail.html?testId=287

[3]基于ModelArts實現(xiàn)人臉識別:?https://lab.huaweicloud.com/testdetail.html?testId=337

[4]《創(chuàng)新AI活動：在武大櫻花下寫防疫課觀后感》:?https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=49066

[5]【AI 創(chuàng)新開發(fā)者沙龍】如何在華為云 ModelArts 實現(xiàn)草莓成熟識別？:?https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=51063

[6]華為云開發(fā)者AI青年班黑客松大賽:?https://competition.huaweicloud.com/information/1000040170/introduction?track=111

[7]《【手摸手學ModelArts】輕松完成Baseline及調(diào)優(yōu)至0.》:?https://bbs.huaweicloud.com/forum/thread-53839-1-1.html

[8]【AI實戰(zhàn)課堂】2020年華為云AI實戰(zhàn)營 ——FasterRCNN和YoLoV3算法完成物體檢測:?https://bbs.huaweicloud.com/videos/102783

[9] MindSpore:?https://www.mindspore.cn/

[10] Modelarts:?https://www.huaweicloud.com/product/modelarts.html

[11]華為云AI社區(qū):?http://huaweicloud.ai/

[12]奶茶識別:?https://bbs.huaweicloud.com/blogs/163274

[13]花式表白:?https://bbs.huaweicloud.com/blogs/159114

[14]云畢業(yè)照生成:?https://bbs.huaweicloud.com/blogs/174983

[15]【手摸手學ModelArts】今天你存款了嗎？:?https://bbs.huaweicloud.com/forum/thread-63090-1-1.html

[16]【Copy攻城獅日志】ModelArts與AppCube雙“魔”合璧慶雙節(jié):?https://bbs.huaweicloud.com/blogs/198313

[17] ModelArts-Labs:?https://github.com/huaweicloud/ModelArts-Lab

AI平臺 開發(fā)者 AI開發(fā)平臺ModelArts

版權聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權內(nèi)容。

版權聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權內(nèi)容。