人工智能之華為云ModelArts的深度使用體驗與AI Gallery應用開發(fā)實踐丨【華為云AI賀新年】

一、ModelArts 簡介

① 什么是 ModelArts？

ModelArts 是面向 AI 開發(fā)者的一站式開發(fā)平臺，提供海量數(shù)據(jù)預處理及半自動化標注、大規(guī)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(chuàng)建和部署模型，管理全周期 AI 工作流。

“一站式”是指 AI 開發(fā)的各個環(huán)節(jié)，包括數(shù)據(jù)處理、算法開發(fā)、模型訓練、模型部署都可以在 ModelArts 上完成。從技術上看，ModelArts 底層支持各種異構計算資源，開發(fā)者可以根據(jù)需要靈活選擇使用，而不需要關心底層的技術。同時，ModelArts 支持 Tensorflow、PyTorch、MXNet 等主流開源的 AI 開發(fā)框架，也支持開發(fā)者使用自研的算法框架，匹配您的使用習慣。

ModelArts 的理念就是讓 AI 開發(fā)變得更簡單、更方便，它是面向 AI 開發(fā)者的一站式開發(fā)平臺，通過 AI 開發(fā)全流程管理助您智能、高效地創(chuàng)建 AI 模型和一鍵模型部署到云、邊、端。

面向不同經(jīng)驗的 AI 開發(fā)者，提供便捷易用的使用流程。例如，面向業(yè)務開發(fā)者，不需關注模型或編碼，可使用自動學習流程快速構建 AI 應用；面向 AI 初學者，不需關注模型開發(fā)，使用預置算法構建 AI 應用；面向 AI 工程師，提供多種開發(fā)環(huán)境，多種操作流程和模式，方便開發(fā)者編碼擴展，快速構建模型及應用。

ModelArts 的 AIGallery 中預置了大量的模型、算法、數(shù)據(jù)和 Notebook 等資產(chǎn)，供初學者快速上手使用；ModelArts 的自動學習功能，可以幫助用戶零代碼構建 AI 模型；ModelArts 同時也提供了開發(fā)環(huán)境，用戶可以在云上的 JupyterLab 或者本地 IDE 中編寫訓練代碼，進行 AI 模型開發(fā)。

② ModelArts 架構

ModelArts 是一個一站式的開發(fā)平臺，能夠支撐開發(fā)者從數(shù)據(jù)到 AI 應用的全流程開發(fā)過程。包含數(shù)據(jù)處理、模型訓練、模型管理、模型部署等操作，并且提供 AI Gallery 功能，能夠在市場內(nèi)與其他開發(fā)者分享模型。

ModelArts 支持應用到圖像分類、物體檢測、視頻分析、語音識別、產(chǎn)品推薦、異常檢測等多種 AI 應用場景。

ModelArts 架構如下所示：

③ ModelArts 產(chǎn)品優(yōu)勢

一站式：開“箱”即用，涵蓋AI開發(fā)全流程，包含數(shù)據(jù)處理、模型開發(fā)、訓練、管理、部署功能，可靈活使用其中一個或多個功能。

易上手：

提供多種預置模型，開源模型想用就用。

模型超參自動優(yōu)化，簡單快速。

零代碼開發(fā)，簡單操作訓練出自己的模型。

支持模型一鍵部署到云、邊、端。

高性能：

自研 MoXing 深度學習框架，提升算法開發(fā)效率和訓練速度。

優(yōu)化深度模型推理中 GPU 的利用率，加速云端在線推理。

可生成在 Ascend 芯片上運行的模型，實現(xiàn)高效端邊推理。

靈活：

支持多種主流開源框架(TensorFlow、Spark_MLlib、MXNet、Caffe、PyTorch、XGBoost-Sklearn、MindSpore)。

支持主流 GPU 和自研 Ascend 芯片。

支持專屬資源獨享使用。

支持自定義鏡像滿足自定義框架及算子需求。

④ ModelArts 功能

繁多的 AI 工具安裝配置、數(shù)據(jù)準備、模型訓練慢等是困擾 AI 工程師的諸多難題。為解決這個難題，將一站式的 AI 開發(fā)平臺（ModelArts）提供給開發(fā)者，從數(shù)據(jù)準備到算法開發(fā)、模型訓練，最后把模型部署起來，集成到生產(chǎn)環(huán)境，一站式完成所有任務。

ModelArts 的特色功能如下所示：

數(shù)據(jù)治理：支持數(shù)據(jù)篩選、標注等數(shù)據(jù)處理，提供數(shù)據(jù)集版本管理，特別是深度學習的大數(shù)據(jù)集，讓訓練結果可重現(xiàn)。

極“快”致“簡”模型訓練：自研的 MoXing 深度學習框架，更高效更易用，大大提升訓練速度。

云邊端多場景部署：支持模型部署到多種生產(chǎn)環(huán)境，可部署為云端在線推理和批量推理，也可以直接部署到端和邊。

自動學習：支持多種自動學習能力，通過“自動學習”訓練模型，用戶不需編寫代碼即可完成自動建模、一鍵部署。

AI Gallery：預置常用算法和常用數(shù)據(jù)集，支持模型在企業(yè)內(nèi)部共享或者公開共享。

⑤ 如何訪問 ModelArts？

云服務平臺提供了 Web 化的服務管理平臺，即管理控制臺和基于 HTTPS 請求的 API（Application programming interface）管理方式。

管理控制臺方式：

ModelArts 提供了簡潔易用的管理控制臺，包含自動學習、數(shù)據(jù)管理、開發(fā)環(huán)境、模型訓練、AI 應用管理、部署上線、AI Gallery 等功能，您可以在管理控制臺端到端完成您的 AI 開發(fā)。

使用 ModelArts 管理控制臺，需先注冊華為云。如果您已注冊華為云，可從主頁選擇“EI 企業(yè)智能 > 人工智能>AI 基礎平臺 > AI 開發(fā)平臺 ModelArts”直接登錄管理控制臺。

SDK 方式：

如果需要將 ModelArts 集成到第三方系統(tǒng)，用于二次開發(fā)，可選擇調(diào)用 SDK 方式完成目的。ModelArts 的 SDK 是對 ModelArts 服務提供的 REST API 進行的 Python 封裝，簡化用戶的開發(fā)工作。

除此之外，在管理控制臺的 Notebook 中編寫代碼時，也可直接調(diào)用 ModelArts SDK。

API 方式：如果您需要將 ModelArts 集成到第三方系統(tǒng)，用于二次開發(fā)，請使用 API 方式訪問 ModelArts。

二、環(huán)境配置和準備工作

① 注冊華為云帳號

進入華為云官網(wǎng)，單擊頁面右上角的“注冊”：

注冊華為帳號：

輸入手機號：

請使用中國大陸的手機號碼；

一個手機號可以注冊 3 個華為帳號，如帳號數(shù)量已達到 3 個，將不支持使用該手機號注冊新的華為帳號。

獲取并輸入手機收到的驗證碼；

設置帳號密碼：

至少包含 8 個字符；

包含字母和數(shù)字，不能包含空格；

單擊“注冊”。

查看授權信息，確認無誤后，單擊“授權并登錄”。

勾選服務條款， 單擊“開通”，系統(tǒng)提示開通成功。

② 登錄華為云

華為帳號登錄：

通過華為云 App 掃碼登錄方法如下：

華為云帳號登錄：

其他帳號登錄：

③ 配置訪問授權（全局配置）

ModelArts 使用過程中涉及到 OBS、SWR、IEF 等服務交互，需要用戶配置委托授權，允許 Modelarts 訪問這些依賴服務。若沒有授權，ModelArts 的部分功能將不能正常使用。

使用華為云帳號登錄ModelArts管理控制臺，在左側導航欄單擊“全局配置”，進入“全局配置”頁面，單擊“添加授權”：

在彈出的“訪問授權”窗口中，選擇需要授權的“用戶名”及其對應的“委托”（默認 modelarts_agency 即可），勾選“我已經(jīng)詳細閱讀并同意《ModelArts 服務聲明》”，然后單擊“同意授權”，如下所示，使用委托授權：

用戶名：在右側下拉框中選擇帳號，默認選擇“所有用戶”，該選項表示會給下拉框中所有子用戶包含當前帳號進行授權，在下拉框中，將顯示當前帳號下的所有 IAM 用戶，您也可以選擇為其中某一IAM用戶配置委托；

委托：

自動創(chuàng)建（推薦使用此方式）：默認 modelarts_agency 即可，若暫無可用委托，此時您可以單擊“自動創(chuàng)建”，系統(tǒng)自動為用戶名中選擇的用戶創(chuàng)建一個可用的委托，自動創(chuàng)建的委托；

選擇已有委托：如果您已在 IAM 中創(chuàng)建委托，則可以在下拉框中選擇一個可用的委托為上述選擇的用戶授權；

到 IAM 手動創(chuàng)建：如果自動創(chuàng)建的委托無法滿足您的需求，需要為某一用戶配置更多或更少的權限，也可單擊“到 IAM 手動創(chuàng)建”，跳轉至 IAM 管理控制臺，重新創(chuàng)建一個委托。

完成配置后，在全局配置列表，可查看到某一帳號或 IAM 用戶的委托配置信息：

自動創(chuàng)建的委托詳細信息：

刪除授權：

刪除某一用戶的授權：在“全局配置”頁面，展示當前帳號下為其 IAM 用戶配置的授權列表，針對某一用戶，您可以單擊“操作”列的“刪除”，刪除此用戶的授權，刪除生效后，此用戶將無法繼續(xù)使用 ModelArts 的相關功能；

批量清空所有授權：在“全局配置”頁面，單擊授權列表上方的“清空授權”，可刪除當前帳號下的所有授權，刪除生效后，此帳號及其所有 IAM 子用戶將無法繼續(xù)使用 ModelArts 的相關功能：

③ 創(chuàng)建 OBS 桶

ModelArts 使用對象存儲服務（Object Storage Service，簡稱 OBS）進行數(shù)據(jù)存儲以及模型的備份和快照，實現(xiàn)安全、高可靠和低成本的存儲需求。因此，建議您在使用 ModelArts 之前先創(chuàng)建一個 OBS 桶，然后在 OBS 桶中創(chuàng)建文件夾用于存放數(shù)據(jù)。

登錄OBS管理控制臺，在桶列表頁面右上角單擊“創(chuàng)建桶”，創(chuàng)建 OBS 桶。例如，創(chuàng)建名稱為“c-flowers”的 OBS 桶：

在桶列表頁面，單擊桶名稱，進入該桶的概覽頁面：

單擊左側導航的“對象”，在對象頁面單擊新建文件夾，創(chuàng)建 OBS 文件夾。例如，在已創(chuàng)建的 OBS 桶“c-flowers”中新建一個文件夾“flowers”：

三、開發(fā)工具

① ModelArts Notebook 云上云下，無縫協(xié)同

代碼開發(fā)與調(diào)測，云化 JupyterLab 使用，本地 IDE+ModelArts 插件遠程開發(fā)能力，貼近開發(fā)人員使用習慣；

云上開發(fā)環(huán)境，包含AI計算資源，云上存儲，預置 AI 引擎；

運行環(huán)境自定義，將開發(fā)環(huán)境直接保存成為鏡像，供訓練、推理使用；

ModelArts CodeLab（JupyterLab），讓 AI 探索&教學更簡單；

云原生Notebook，案例內(nèi)容秒級接入與分享；

Serverless 化實例管理，資源自動回收；

免費算力，規(guī)格按需切換。

② 遠程開發(fā) - 支持本地 IDE 遠程訪問 Notebook

新版 Notebook 提供了遠程開發(fā)功能，通過開啟 SSH 連接，用戶本地 IDE 可以遠程連接到 ModelArts 的 Notebook 開發(fā)環(huán)境中，調(diào)試和運行代碼。

對于使用本地 IDE 的開發(fā)者，由于本地資源限制，運行和調(diào)試環(huán)境大多使用團隊公共搭建的 CPU 或 GPU 服務器，并且是多人共用，這帶來一定的環(huán)境搭建和維護成本。

而 ModelArts 的 Notebook 的優(yōu)勢是即開即用，它預先裝好了不同的框架，并且提供了非常多的可選規(guī)格，用戶可以獨占一個容器環(huán)境，不受其他人的干擾。只需簡單配置，用戶即可通過本地 IDE 連接到該環(huán)境進行運行和調(diào)試。

本地 IDE 遠程訪問 Notebook 開發(fā)環(huán)境：

ModelArts 的 Notebook 可以視作是本地 PC 的延伸，均視作本地開發(fā)環(huán)境，其讀取數(shù)據(jù)、訓練、保存文件等操作與常規(guī)的本地訓練一致。

對于習慣使用本地 IDE 的開發(fā)者，使用遠程開發(fā)方式，不影響用戶的編碼習慣，并且可以方便快捷的使用云上的 Notebook 開發(fā)環(huán)境。

本地 IDE 當前支持 VSCode、PyCharm，還有專門的插件 PyCharm ToolKit 和 VSCode ToolKit，更方便將云上資源作為本地的一個擴展。

③ 預置鏡像 - 即開即用，優(yōu)化配置，支持主流 AI 引擎

每個鏡像預置的 AI 引擎和版本是固定的，在創(chuàng)建 Notebook 實例時明確 AI 引擎和版本，包括適配的芯片。

為了簡化操作，ModelArts 的新版 Notebook，同一個 Notebook 實例中不支持不同引擎之間的切換。

不同 Region 支持的 AI 引擎不一樣，請以控制臺實際界面為準。

④ 提供在線的交互式開發(fā)調(diào)試工具 JupyterLab

ModelArts 集成了基于開源的 JupyterLab，可為您提供在線的交互式開發(fā)調(diào)試工具。您無需關注安裝配置，在 ModelArts 管理控制臺直接使用 Notebook，編寫和調(diào)測模型訓練代碼，然后基于該代碼進行模型的訓練。

JupyterLab 是一個交互式的開發(fā)環(huán)境，是 Jupyter Notebook 的下一代產(chǎn)品，可以使用它編寫 Notebook、操作終端、編輯 MarkDown 文本、打開交互模式、查看 csv 文件及圖片等功能。

⑤ 管理 Notebook 實例

創(chuàng)建 Notebook 實例：

登錄 ModelArts 管理控制臺，在左側導航欄中選擇“開發(fā)環(huán)境 > Notebook”，進入“Notebook”新版管理頁面：

單擊“創(chuàng)建”，進入“創(chuàng)建Notebook”頁面，填寫 Notebook 的基本信息，包含名稱、描述、是否自動停止：

填寫 Notebook 詳細參數(shù)，如工作環(huán)境、資源規(guī)格等：

參數(shù)填寫完成后，單擊“立即創(chuàng)建”進行規(guī)格確認。

參數(shù)確認無誤后，單擊“提交”，完成 Notebook 的創(chuàng)建操作，進入 Notebook 列表，正在創(chuàng)建中的 Notebook 狀態(tài)為“創(chuàng)建中”，創(chuàng)建過程需要幾分鐘，請耐心等待。當 Notebook 狀態(tài)變?yōu)椤斑\行中”時，表示 Notebook 已創(chuàng)建并啟動完成。

在 Notebook 列表，單擊實例名稱，進入實例詳情頁，查看 Notebook 實例配置信息，包括Notebook實例名稱、規(guī)格、狀態(tài)、鏡像類型、用戶ID、存儲路徑、存儲容量、Notebook地址和端口號、允許遠程訪問的白名單IP地址、認證密鑰文件名。

在白名單右側單擊修改，可以修改允許遠程訪問的白名單 IP 地址，單擊“添加數(shù)據(jù)存儲”，可以掛載 OBS 并行文件系統(tǒng)，方便讀取數(shù)據(jù)。

啟動/停止/刪除實例：

啟動/停止實例

由于運行中的 Notebook 將一直耗費資源，您可以通過停止操作，停止資源消耗。對于停止狀態(tài)的 Notebook，可通過啟動操作重新使用 Notebook。

登錄 ModelArts 管理控制臺，在左側菜單欄中選擇“開發(fā)環(huán)境 > Notebook”，進入新版 Notebook 管理頁面。

執(zhí)行如下操作啟動或停止 Notebook：

啟動 Notebook：單擊“操作”列的“啟動”。只有處于“停止”狀態(tài)的 Notebook 可以執(zhí)行啟動操作。

停止 Notebook：單擊“操作”列的“停止”。只有處于“運行中”狀態(tài)的 Notebook 可以執(zhí)行停止操作。

刪除實例：

針對不再使用的 Notebook 實例，可以刪除以釋放資源。

登錄 ModelArts 管理控制臺，在左側菜單欄中選擇“開發(fā)環(huán)境>Notebook”，進入新版 Notebook 管理頁面。

在 Notebook 列表中，單擊操作列的“刪除”，在彈出的確認對話框中，確認信息無誤，然后單擊“確定”，完成刪除操作。

變更 Notebook 實例運行規(guī)格：

登錄 ModelArts 管理控制臺，在左側菜單欄中選擇“開發(fā)環(huán)境 > Notebook”，進入新版 Notebook 管理頁面。

在 Notebook 列表，單擊某個 Notebook 實例規(guī)格欄的，在下拉框中選擇對應規(guī)格資源。

⑥ 安裝 VSCode 軟件及插件

下載并安裝 VSCode：

Windows 用戶直接單擊此處下載：VSCode；

其他系統(tǒng)用戶的-: VSCode。

用戶本地 PC 或服務器的操作系統(tǒng)中建議先安裝 Python 環(huán)境，詳見VSCode官方指導。

設置禁止自動升級 VSCode 版本：

執(zhí)行 Ctrl+Shift+P；

搜 Open Settings（JSON）

在配置文件settings.json中添加如下參數(shù) “update.mode”: “manual”。

設置禁止自動升級 VSCode 的插件版本：

執(zhí)行 Ctrl+Shift+P；

搜 Open Settings（JSON）；

在配置文件 settings.json 中添加如下參數(shù)：“extensions.autoUpdate”: false

注意：如果不禁止 VSCode 自動更新，關閉打開后會默認更新至最新版 VSCode。

VSCode 的插件工具包 VSCode-ToolKit 集成在 ModelArts 管理控制臺中，請先下載并安裝 VSCode 插件工具包。

在本地的 VSCode 開發(fā)環(huán)境中，如下圖所示，選擇本地的 VSCode 插件并單擊“安裝”：

安裝過程預計1~2分鐘，請耐心等待。

安裝完成后，系統(tǒng)右下角提示安裝完成，導航左側出現(xiàn) ModelArts 圖標和 SSH 遠程連接圖標，表示 VSCode 插件安裝完成：

在本地的 VSCode 開發(fā)環(huán)境中，單擊 ModelArts 圖標，單擊“User Settings”，配置用戶登錄信息：

輸入如下用戶登錄信息，單擊“登錄”：

Name：自定義用戶名，僅用于VSCode頁面展示，不與任何華為云用戶關聯(lián)；

AK：在華為云“帳號中心 > 我的憑證 > 訪問密鑰”中創(chuàng)建訪問密鑰，獲取 AK；

SK：在華為云“帳號中心 > 我的憑證 > 訪問密鑰”中創(chuàng)建訪問密鑰，獲取SK。

選擇區(qū)域：例如“上海一”，此處的區(qū)域必須和遠程連接的 Notebook 在同一個區(qū)域，否則插件無法顯示需要連接的實例列表。

登錄成功后顯示 Notebook 實例列表。

四、第一個 AI 應用

① 創(chuàng)建應用工程

使用 VSCode 連接到云上開發(fā)環(huán)境后，需要先創(chuàng)建應用工程。

單擊 VSCode 左側導航欄的ModelArts圖標，單擊“Create Project”創(chuàng)建工程：

輸入項目名稱，不輸入直接按下回車則默認項目名稱為“my_project”：

輸入項目路徑，不輸入直接按回車鍵則會創(chuàng)建在默認路徑下：

創(chuàng)建完成后右下角會彈出信息，單擊“是”打開工程：

工程打開后，VSCode 彈出的確認信息框選擇“Yes”選項：

此時左側 Explorer 欄可以看到創(chuàng)建好的工程結構：

工程中的目錄作用介紹如下：

manage.py：工程套件命令行入口；

src：工程開發(fā)代碼主目錄，可包含多個 AI 應用，每個AI應用單獨為一個目錄，例如traffic；

.vscode：vscode 配置文件，包含工程設置和運行的配置文件

tools：項目構建依賴工具；

test：測試代碼及測試數(shù)據(jù)：該工程包含已經(jīng)配置好的 CMakeList 文件，開發(fā)者在 src 目錄下進行 AI 應用開發(fā)后，不修改或少量修改 CMakeList 即可直接編譯運行，開發(fā)者也可以將該工程目錄直接上傳至自己的 git 代碼倉庫。

② 應用樣例：視頻車輛檢測

工程的“src/traffic”目錄下預置了視頻車輛檢測的應用樣例，它包含“flowunit”和“graph”兩個目錄，分別代表功能單元和圖。

在基于 ModelBox 框架的AI應用開發(fā)中，AI 應用是由圖構成的。其中，功能單元可以理解為一段相對獨立的數(shù)據(jù)處理功能，所有功能單元編排連線后構成圖，代表一個 AI 應用，在 ModelBox 中的呈現(xiàn)形式為 toml 文件，在該樣例中位于如下路徑：

src/traffic/graph/vehicle_detection/vehicle_detection.toml

該 toml 文件代表的數(shù)據(jù)處理流程如下：

流程圖中的各個功能單元的實現(xiàn)，一部分是直接使用 ModelBox 框架預置的功能單元，預置功能單元位于“/usr/local/lib64/”目錄下，以二進制so文件的形式提供；另一部分是自己開發(fā)的功能單元，位于“src/traffic/flowunit”目錄下：

每一個功能單元中即為該單元模塊的實現(xiàn)代碼，功能單元有三種類型，分別為“cpp”、“python”和“infer”，即c++ 功能單元、python 功能單元以及推理功能單元如下所示是一個 C++ 功能單元的樣例，Process 函數(shù)為數(shù)據(jù)處理主函數(shù)：

③ 運行 AI 應用

首先下載并本地安裝PotPlayer 播放器，用于播放 AI 應用運行結果視頻流。

在 VSCode 中配置端口轉發(fā)， 操作方法：執(zhí)行“Ctrl+Shift+P”，輸入“Forward a Port”，輸入“1554”端口。

編譯運行 AI 應用：

在“.vscode/task.json”中配置編譯的工程名稱，這里預置為樣例目錄名稱“traffic”：

在“.vscode/launch.json”配置運行的圖路徑，預置為樣例：

在“.vscode/launch.json”配置日志級別，默認為“debug”：

單擊“Run>Run Without Debugging”或者使用快捷鍵 Ctrl+F5 運行程序：

查看運行結果：命令執(zhí)行后，會自動進行項目的編譯構建和運行，單擊“Terminal”控制臺，可以查看實時運行日志：

運行時，modelbox 框架會先加載和解析圖，然后運行視頻流推理，運行視頻推理時日志會很快速的打印，此時在瀏覽器中輸入如下地址可打開 rtsp 流播放：

rtsp://localhost:1554/video

視頻播放推理結果：

如果無視頻播輸出可能是播放早了或者已經(jīng)播放完了，可以再運行一次圖，待控制臺開始快速輸出大量推理日志后，在瀏覽器輸入地址查看結果。如果運行圖時看到如下日志，代表當前樣例使用的模型和開發(fā)環(huán)境帶的 GPU 類型不符，例如創(chuàng)建開發(fā)環(huán)境時選擇的 V100 GPU，樣例的 TensorRT 模型是適配T4 GPU，則會報如下錯誤：

此時需要重新將 TensorRT 模型轉換成當前開發(fā)環(huán)境的模型，或者重新創(chuàng)建和模型對應的開發(fā)環(huán)境。

結束運行：在 VSCode 上方單擊停止按鈕，或者在 Terminal 命令行窗口執(zhí)行“Ctrl + c”，即可結束運行：

五、自動學習“聲音分類”實例分析

① 聲音分類的數(shù)據(jù)準備

音頻只支持 16bit 的 WAV 格式，支持 WAV 的所有子格式；

單條音頻時長應大于 1s，大小不能超過 4MB。

適當增加訓練數(shù)據(jù)，會提升模型的精度，聲音分類建議每類音頻至少 50 條，每類音頻總時長至少 5 分鐘；

建議訓練數(shù)據(jù)和真實識別場景的聲音保持一致并且每類的音頻盡量覆蓋真實環(huán)境的所有場景；

訓練集的數(shù)據(jù)質(zhì)量對于模型的精度有很大影響，建議訓練集音頻的采樣率和采樣精度保持一致；

標注質(zhì)量對于最終的模型精度有極大的影響，標注過程中盡量不要出現(xiàn)誤標情況。

② 創(chuàng)建聲音分類的項目

登錄 ModelArts 管理控制臺，在左側導航欄單擊“自動學習”，進入“自動學習”頁面：

在您需要的自動學習項目列表中，單擊“創(chuàng)建項目”，進入創(chuàng)建自動學習項目界面：

在創(chuàng)建自動學習項目頁面，計費模式默認“按需計費”，設置相應參數(shù)，然后單擊“創(chuàng)建項目”，待頁面提示“創(chuàng)建項目成功”完成創(chuàng)建，創(chuàng)建成功后頁面自動跳轉到“數(shù)據(jù)標注”，也可以在“自動學習”頁面查看創(chuàng)建成功的項目，單擊項目名稱進入“數(shù)據(jù)標注”。

③ 標注數(shù)據(jù)

音頻標注：

選擇未標注音頻，在“數(shù)據(jù)標注”頁面單擊“未標注”頁簽，此頁面展示所有未標注的音頻數(shù)據(jù)，依次單擊選中待標注的音頻，或勾選“選擇當前頁”選中該頁面所有音頻，在頁面右側進行標注：

添加標注：先對音頻進行播放識別，然后選中音頻文件，在右側“標簽”區(qū)域，輸入“標簽名”或從下拉列表中選擇已添加的標簽，同時可在下拉菜單中選擇標簽“快捷鍵”，單擊“確定”，完成選中音頻的標注操作：

當目錄中所有音頻都完成標注后，可以在“已標注”頁簽下查看已完成標注的音頻，或者通過右側的“全部標簽”列表，了解當前已完成的標簽名稱和標簽數(shù)量。

同步或添加音頻：

在“自動學習”頁面，單擊項目名稱，進入自動學習“數(shù)據(jù)標注”頁面，聲音分類項目創(chuàng)建時，音頻來源有兩種，通過本地添加或同步 OBS 中的數(shù)據(jù)；

添加音頻：可以將本地音頻快速添加到 ModelArts，同時自動上傳至創(chuàng)建項目時所選擇的 OBS 路徑中，單擊“添加音頻”，在彈出的對話框中單擊“添加音頻”并添加（僅支持 16bit WAV 格式音頻文件，單個音頻文件不能超過 4MB，且單次上傳的音頻文件總大小不能超過 8MB）；

數(shù)據(jù)源同步：為了快速獲取用戶 OBS 桶中最新音頻，單擊“數(shù)據(jù)源同步”，快速將通過 OBS 上傳的音頻數(shù)據(jù)添加到 ModelArts。

刪除音頻：可以依次單擊選中音頻，或勾選“選擇當前頁”選中該頁面所有音頻進行刪除操作（所有的刪除操作均不可恢復）。

修改標注：

當數(shù)據(jù)完成標注后，還可以進入“已標注”頁簽，對已標注的數(shù)據(jù)進行修改；

基于音頻修改：在數(shù)據(jù)集詳情頁，單擊“已標注”頁簽，然后在音頻列表中選中待修改的音頻（選擇一個或多個），在右側標簽信息區(qū)域中對標簽進行修改。

修改標簽：在“選中文件標簽”區(qū)域中，單擊操作列的編輯圖標，然后在文本框中輸入正確的標簽名，然后單擊確定圖標完成修改。

刪除標簽：在“選中文件標簽”區(qū)域中，單擊操作列的刪除圖標，在彈出的對話框中單擊“確定”刪除該標簽。

基于標簽修改：在數(shù)據(jù)標注頁面，單擊“已標注”頁簽，在音頻列表右側，顯示全部標簽的信息。

修改標簽：單擊操作列的編輯圖標，在彈出的對話框中輸入修改后的標簽名、選擇修改后的快捷鍵，然后單擊“確定”完成修改。修改后，之前添加了此標簽的音頻，都將被標注為新的標簽名稱。

刪除標簽：單擊操作列的刪除圖標，在彈出的對話框中，根據(jù)提示選擇刪除對象，然后單擊“確定”。

④ 模型訓練

模型訓練的目的是得到滿足需求的聲音分類模型，由于用于訓練的音頻，至少有 2 種以上的分類，每種分類的音頻數(shù)不少于 5 個，因此在發(fā)布訓練之前，請確保已標注的音頻符合要求，否則下方“開始訓練”按鈕會處于灰色狀態(tài)。

在自動學習頁面，單擊創(chuàng)建成功的項目名稱，進入“數(shù)據(jù)標注”頁面，完成數(shù)據(jù)標注：

在“數(shù)據(jù)標注”頁面，單擊右上角“開始訓練”，然后在彈出的“訓練設置”對話框中，填寫相關參數(shù)，然后單擊“確定”，開始進行模型訓練：

訓練參數(shù)設置完成后，單擊“下一步”進入配置頁，確認規(guī)格后單擊“提交”進行模型的自動訓練，訓練時間相對較長，建議您耐心等待。如果關閉或退出此頁面，系統(tǒng)仍然在執(zhí)行訓練操作。

在“模型訓練”頁簽中，待訓練狀態(tài)由“運行中”變?yōu)椤耙淹瓿伞保赐瓿赡Ｐ偷淖詣佑柧殹?/p>

訓練完成后，可以在界面中查看訓練詳情，如“準確率”、“評估結果”、“訓練參數(shù)”、“分類統(tǒng)計表”等。

【華為云AI賀新年】有獎征文火熱進行中：https://bbs.huaweicloud.com/blogs/325842

AI 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。