华为云AI开发平台ModelArts 初体验

序

近期有机会学习了华为云AI开发平台ModelArts,了解到这是一个面向AI开发者的一站式开发平台，涉及到数据准备和标注，模型训练，部署为上线为在线服务，测试服务等开发全流程。针对不同的开发者有上手快，简便易学，由浅入深熟悉AI开发流程等优点，降低了AI开发难度和门槛，同时也能极大地提升对AI开发感兴趣的初学者的学习热情。

针对不同经验的使用人群，ModelArts提供了多种使用方式。业务开发者：使用自动学习构建模型；AI初学者：使用预置算法构建模型；AI工程师：AI全流程开发

通过查看ModelArts官方帮助文档和华为云AI实战营课程的学习，我熟悉了使用自动学习方法和预置算法构建模型，也从中受益很多。这次就根据自己的学习对自动学习和预置算法案例做一次记录和分享。

自己实践了使用自动学习方法训练云宝检测模型

数据集的准备
实践中使用的都是ModelArts提供的开源示例数据集，直接下载到本地，再通过OBS客户端上传到OBS桶中，数据的管理比较方便。
其中有些操作觉得不是很友好。OBS桶中上传（文本、视频、图片）文件到已创建的文件夹后，在文件夹中无法查看文件夹中对象的数量，影响后续对文件做增减后总数量的查看。只能通过ModelArts 创建数据集后，在数据集概览中才有数量显示。还是希望能在OBS桶中就能有数量显示，避免创建数据集后数据量的不一致而导致重复操作。

创建物体检测项目 人工标注图片

自动训练并生成模型，部署为上线服务再测试效果


通过调整数据标注框和继续在v002模型的基础上做增量训练得到模型v003,训练详情和测试结果如下图所示，训练和测试准确率都有3%的提升。

虽然自动学习方法不需要写代码和调参数，但数据准备工作的做的好坏对模型精度有很大的影响。分类模型标注要确保不能有错误标注的样本；检测标注时，在全包含待测物体的前提下尽量小的绘制矩形框。

接着体验了下预置算法构建模型的案例。

FasterRCNN预置算法训练人车检测模型

首先是数据集的准备。 和自动学习方法一样，从ModelArts开源数据集上下载数据集到本地，再上传到OBS。
接着需要创建数据集需要对数据做人工或智能标注。 当使用智能标注时，在处理智能标注结果时还需要人工确认每类的每张图片是否正确分类，主观上觉得并没能减少工作量。

从AI市场订阅ModelArts官方发布的物体检测算法FasterRCNN。 这里说一下，AI市场提供了很多已经训练好的效果不错的模型，自己也可以吧训练的模型放到上面，供开源使用，很贴心。

然后创建训练作业。 选择训练数据来源和算法来源，还可以自定义模型超参数，来优化模型。

后面就是和自动学习方法的步骤一样了，创建模型和部署上线测试，操作十分方便。赶紧选来一张图测试下，可以清楚地得到每个物体的类别和位置及其置信度。

部署、测试完成之后要释放资源，避免持续收费。

总结

通过对自动学习方法和使用预置算法训练模型的学习，整个流程还是简单易懂的，自己实现了一个个案例，也加深了对AI开发流程的理解。其实，ModelArts还有很多方便高级的功能，需要后续继续学习发现。接下来会继续体验在ModelArts中自己实现程序，基于AI框架下训练部署模型，也会继续分享，共同提高。