華為云ModelArts體驗系列-1：我對ModelArts的認識

人工智能作為當代最具代表性的使能技術，已對各個行業產生了不同程度的影響，伴隨AI開發工作的實際需要,諸多AI開發應運而生，在過去幾年里，互聯網科技領域、人工智能以及智能安防產業圈的幾大頭部企業陸續推出了AI開放平臺。目前國內幾個比較主流的AI開發平臺，主要包括阿里云的AI開發平臺-機器學習PAI，華為云的AI開發平臺-ModelArts，百度飛槳，騰訊的智能鈦，科大訊飛的開放平臺。

前段時間一直伴隨著華為云打造的華為云AI實戰營課程學習使用了華為云的AI開發平臺-ModelArts，學習到很多，課程結束也收獲到了心念念的精美獎品，很是良心啊，其中也有一些真實的感觸。

華為云AI開發平臺ModelArts是面向開發者的一站式AI開發平臺，為機器學習與深度學習提供海量數據預處理及半自動化標注、大規模分布式訓練、自動化模型生成，及端-邊-云模型按需部署能力，幫助用戶快速創建和部署模型，管理全周期AI工作流。

這里簡單介紹下AI應用的開發流程：

首先我們需要采集到數據集，做數據處理工作，數據處理是一項繁重且重要的工作，會包括數據篩選，標注，特征工程，數據評估等一些手段。

在算法開發部分，ModelArts中提供了多種預置算法和云端算法供我們選擇使用，云端算法需要我們到AI市場?訂閱。這里說一下，AI市場真是個好地方，開發者可以上傳自己準備好的數據集和模型或編譯好的算法上傳到AI市場，供其他開發者訂閱使用，我們不僅要做知識的獲取者，也要秉承奉獻精神，做個知識的貢獻者。

準備好了數據和算法，選用合適的AI框架就可以進行訓練了。ModelArts中支持多種主流的開源框架（TensorFlow、Spark_MLlib、MXNet、Caffe、PyTorch、XGBoost-Sklearn），其中MoXing?是華為云ModelArts?團隊自研的分布式訓練框架，他是構建在上述主流框架之上的，使得這些計算引擎分布式性能更高，同時易用性更好。

訓練結束后，對滿足模型評估，精度要求的模型可以部署為在線服務，應用到生產環境中。

ModelArts?就是圍繞這一套AI開發流程打造的一站式AI開發平臺，如圖1：

圖1

ModelArts?定位為：普惠AI踐行者。面向不同層次的AI開發者，具備不同產品價值，ModelArts也提供了對應的解決方案。如果你是一個業務開發者，工作中不必太過關注代碼和模型，可以使用ModelArts的自動學習功能即可迅速構建相關AI應用。

自動學習創建AI模型只需要三個步驟：

步驟1：上傳并標注數據。這里有時我們需要對方上傳的數據做標注，除了人工手動標注，ModelArts還有個很強大的功能：智能標注。使用這個功能可以大大節省了我們的標注時間，提升開發效率，很有用的一個功能。

圖2

步驟2：訓練模型。數據準備好，點擊開始訓練，就能在線實現模型訓練了，自動學習的訓練一般會很快，感覺里面的算法都優化的比較好，訓練出的模型精度也很高，我們還可以基于已經訓練出的模型繼續做增量訓練，繼續提升模型精度。

圖3

步驟3：驗證并發布模型。有了模型就可以直接部署上線了，感覺選擇一張圖片看下測試效果。嗯，還真不錯的！

圖4

針對有一定基礎的AI初學者，ModelArts基于業界的主流引擎提供了預置算法，無需關注模型開發過程，直接使用預置算法對已有數據進行訓練，并快速部署為服務。

可從AI市場訂閱相關算法，見圖5：

圖5

訓練模型時就可以選擇剛才訂閱的算法了，見圖6，很是方便。

圖6

面向熟悉代碼編寫和調測，熟悉常見AI引擎的開發者，ModelArts不僅提供了在線代碼開發環境，還提供了從數據準備、模型訓練、模型管理到模型部署上線的端到端開發流程（即AI全流程開發），幫助開發者高效、快速的構建一個可用模型。

ModelArts為AI工程師提供了Notebook功能，可以通過創建Notebook環境完成模型的訓練部署，如圖7

圖7

ModelArts強大的功能為我在AI學習的道路上助力了很多，近期華為云AI實戰營姊妹篇 - 《AI 全棧成長計劃》課程也要即將開課了，又給了我們一次實戰歷練的機會，又能跟著一群有趣的伙伴共同學習了，很是期待。

參考資料：

【1】AI開發平臺ModelArts幫助文檔

【2】ModelArts服務視頻介紹

AI開發平臺ModelArts EI企業智能

版權聲明：本文內容由網絡用戶投稿，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。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。