我与ModelArts的不解之缘
我们常把机器学习描述为一种使用数据模式标记事物的神奇技术，也是我等程序猿在自身进阶路上比较难攀的高峰。光是看随机森林、贝叶斯网络等算法名字，就让人感到很是艰涩。
一个偶然的机会，去年12月份，我得知华为云发布ModelArts公测的消息，在了解华为云ModelArts的功能之后，我同期报名参加了一场基于华为云ModelArts完成图像识别的小规模比赛：在用不到两个小时的时间内，分别完成面包识别和华为云吉祥物“元宝”识别两项任务。在比赛的过程中，我发现通过华为云ModelArts的自动学习功能，那些不懂ML算法、仅具备鼠标拖拽技能的同学，就可以训练出自己的图像或者声音识别模型，这让我不得不感叹华为云ModelaArts真是降低机器学习小白上手门槛的高（jian）级（dan）利器。
如今，我有幸第二次参与华为云ModelArts的体验活动，相比上一次的比赛，这一次的体验，应该是说轻车熟路了。下面我将结合我的实际操作，为大家揭开华为云ModelArts的真实面目。
使用ModelArts过程中的感受:简单与不简单
这次体验我个人使用了如下两个场景:
第一个场景是华为云公测比赛时候的考题: 无人面包店中，用户将选中的面包放到指定位置，系统通过摄像头自动识别面包种类，然后进行结算。再次做这个试验的目的，通过几个月前的记忆，走一遍机器学习的流程: 准备数据à数据标注à模型训练à模型部署。过程中使用华为云一站式搞定所有，将训练数据全部上传到OBS目录上，在ModelAtrs中创建项目并关联到对应目录，就可以对上传的图片数据进行标注了，这些环节很简单，属于体力活，但是也要注意标注环节勾选面包物体的精准，会影响后面的模型准确度，我第一次勾选的时候很大条，训练出来89%的准确率。不过也没有关系，返回数据标注环节，对已经标注的数据重新微调也是非常方便，然后重新进行模型训练。 尽管是自动学习，ModelArts还是给我们留出了一些选择的权利，用户是可以自定义训练和推理时间，这样后台会去自动选择对应最优复杂度的算法，在训练时间和模型准确度上做一个平衡。
下面配图及说明用来解释关键步骤:
图1,数据标注环节,在这里看到所有图片数据的标注进度
图2,标注过程中,用鼠标框选住目标区域,上面有两个按钮:显示标注和隐藏标注,对于标注叠加的目标物体很有用
图3,编辑标签很方便,鼠标框选完成,自动弹出标签选择窗口,同时对历史标签进行了缓存
图4,标注的越仔细,训练的效果越好
图5,训练过程中,如果准确率不符合预期,返回”数据标注”环节进行微调物体框选和参数
图6,一键部署模型
图7,对部署好的模型进行测试,查看识别效果
图8,有多少人工就有多少智能:标注环节标注的种类详细,预测也会相对准确
第二个场景，模拟海燕系统检测车型。使用的功能是ModelArts的图片分类功能，目的为了测试功能的易用性，我只设置了两个分类，识别SUV和普通轿车。流程和场景一几乎一样，上传训练数据到OBS，只是数据标注环节换做了给机器指定数据分类，比标注更简单。记得在2017年人工智能大会一个分论坛上，看到某公司已经能根据摄像头拍摄的图片分析出汽车品牌车型，以及车子年代，我准备慢慢探索使用ModelArts进一步挖掘图片识别方向的功能。
如下配图说明和场景一不同的地方:
图9,这里的数据标注环节相对简单,仅仅是选择图片并为其打上标签
图10,测试识别效果
图11,测试识别效果
图12,测试识别效果
总体来说，通过两个场景试验，ModelArts降低了我们做机器学习模型的台阶，让整个模型训练对于我们操作者变得透明，简单，高效。即使算法积累不够的项目组，通过这个平台也可以先拿出一个堪用的模型，用于支撑上线进一步迭代。
尽管操作过程很简单，并不意味着ModelArts仅仅可以做这么多，作为用户，我们有很多的选择权，首先就是数据集，如果用户自己没有充足的数据，可以去华为云的市场上购买数据;其次，训练模型环节，ModelArts预制了算法，给熟悉算法的用户自定义的空间;并且，华为云要做的是一个生态，未来要开发者可以分享自己的算法模型到市场，有需求的用户直接购买其他分享者的算法继续自己产品开发。所以华为云给用户充分简单的工具，要打造的却一个不简单的生态系统。
期待ModelArts会更好
作为一个具有专业态度的体验官，不仅要写出最真实的用户体验，更应该及时发现问题并反映问题。
例如在标注环节中，图像标注框定物体，在用户已经标注了一部分的前提下，可以对后续大量的图片进行一个预标注，这样标注员只对其进行简单的微调，可以大大提高标注效率。
当然，或许问题微不足道，但是希望华为云ModelArts可以更加注重细节的升级，帮助开发者更好地学习机器学习，同时也欢迎更多人一起体验华为云ModelArts。
购买华为云请点击立即购买