神奇！零基础分分钟玩转AI，华为云ModelArts全体验

智东西(公众号:zhidxcom)
文 | 心缘

2019年，热门的人工智能（AI）继续在产业中快速奔跑，越来越多的行业开始搭上智能化升级的大潮。然而，长时间、高成本、高投入、复杂繁琐的AI开发流程，正阻碍着AI产业的规模化发展，许多传统企业不能轻松快速地构建AI能力。

喝一杯水要几步？ 对于普通人来说，这是一件毫不费脑的事。那么AI开发需要几步呢？对于开发小白和AI专业开发者来说，答案截然不同。

1月底，华为云EI（企业智能）一站式AI开发平台ModelArts正式商用上线，不仅让许多AI小白拆除AI开发的门槛，同时也让诸多AI开发者享受到更为高效便捷的开发体验。

这一被称为“开发者的福音”的AI平台，究竟是怎样的利器？它又在如何在各个传统行业发挥作用呢？对此，智东西分析了ModelArts加速AI开发的四大亮点，详解ModelArts平台使用步骤，并亲身体验了ModelArts的极简操作流程，过了一把AI开发瘾。

一、ModelArts四大亮点，加速AI开发流程

简单的说，ModelArts平台就是一个让小白轻松学会训练AI模型、让AI老手节省时间脑力的开发神器，让各行各业关于AI的创意都能快速实现。

这里，我们先从四大亮点分析ModelArts如何帮助有经验的开发者加快AI模型开发和部署，然后复原小白轻松上手AI开发的全过程。

1、提供开源数据集，部分场景实现数据自动标注

对于饱受数据标注困扰的开发者而言，ModelArts是可以简化数据标注流程的优质平台。

ModelArts通过对数据进行采样、筛选、预标注，可以将大部分数据进行自动标注和筛选，而人工只需在自动数据标注后做筛选确认，这将极大地降低开发者的工作量。

目前，ModelArts机器数据标注已广泛应用于“自动驾驶学习”场景，后续ModelArts还将持续更新，以服务更多新兴业务场景。

ModelArts还有一个亮点功能——市场。“市场”是一个共享平台，为开发者提供多种开源数据集和一些预置模型，开发者也可以上传自己的数据集合模型。后续可能还会有交易模式，让一些AI开发者在提供AI模型后，可以实现知识价值变现。

2、自动学习+自动训练模型并调参，简化工作量

对于算法工程师来说，在训练中会有很多调参，由于不同的调参会影响最后模型的收敛速度及精度，这一部分通常会给算法工程师制造大量的工作量。

ModelArts提供自动化调参服务，采用momentum、batch size等动态超参策略，将模型收敛所需 epoch个数降到最低，不仅可以简化算法工程师调参的工作量，还能帮助算法工程师找到尽可能最优的参数，在满足精度的前提下让模型快速收敛。

3、大规模分布式训练，加快训练速度

ModelArts平台的高效不止体现在简化步骤和数据标注上。它是一个端到端从硬件到软件协同的平台，华为在其中做了很多深层次的优化和高性能调优，包括对分布式调度、网络通信和硬件特性等做整体优化，以提供加速训练的能力。

在深度学习模型训练过程中，华为云将分布式加速层抽象出来，自研了一套分布式通用加速框架MoXing，在TensorFlow、MXNet、PyTorch、Keras等框架上实现再优化，使得这些计算引擎分布式性能更高，训练时间更短。

开发者可以通过几个接口直接调用MoXing框架，将本地单机的业务变成分布式业务，仅用一串代码就实现单机和分布式部署。开发者无需关心下层分布式相关API，只需聚焦在业务模型中，根据实际需求输入数据、模型和相应优化器。

ModelArts在衡量分布式深度学习框架加速性能主要考虑的吞吐量、收敛时间等关键指标上都做了精心处理。通过提供MoXing分布式框架和千级GPU集群规模训练加速，ModelArts可为用户带来极高性能的AI开发体验。

4、模型一键式部署，适配到端边云

通常情况下，模型部署非常复杂，需要写代码集成到应用系统，维护和更新。ModelArts可以一键将模型部署到云、端、边缘的设备上，根据端边云不同的特点，帮助开发者做模型压缩和模型加速。该平台还支持在线和批量推理，满足多种场景需求。

根据开发者制定的策略，ModelArts平台可以自动调整云服务器的计算资源，在业务需求下降时将减少云服务器，高效节省资源和成本；在业务需求增多时增加云服务器，保证业务平稳健康运行。

二、ModelArts用法拆解之开发小白篇——五个步骤让小白玩转AI

在ModelArts超高配置的加持下，即便是不具备任何AI开发算法能力的小白，也可以零负担地来构建AI模型。这就要提到ModelArts非常强大的功能——自动学习。

如果你是AI小白，或者是不想在模型训练上花费时间和精力的开发者，在ModelArts上，只需掌握如下五个步骤，就能完成整个算法从开发到最后部署上线的全过程。

目前华为云ModelArts提供物体检测、图像分类、预测分析和声音分类四类开发项目，为了将用户使用门槛降到最低，华为云EI企业智能不仅提供内容详细的新手入门和用户指南，还为前三类项目分别录制了视频教程。

这里，智东西记者以图像分类项目为例，在不写一行代码的情况下，训练出一个AI模型。

1、准备数据

我们准备了10张向日葵和10张玫瑰的照片作为训练模型的数据集。不过，如果开发者只是想简单练习如何做AI开发，可以直接在市场中下载预置数据集，导入至自己的数据集中。

2、创建项目

在准备好数据后，开发者可点击左侧导航栏的“自动学习”，创建一个“图像分类”项目，创建时会有弹窗让开发者选择训练数据集存放位置，这需要开发者预先创建一个华为云OBS桶。

3、数据标注

项目创建完毕后就进入数据标注页面，点击添加图片一次性上传全部照片。随后，点击每张图片进行标注，每张图片至少有两个标注分类，用于训练的图片至少有5张。当然，如果想让模型获得更高的精度，训练图片的数量自然是多多益善。

4、模型训练

接下来就可以开始训练模型了，点击“开始训练”，然后等待约一分钟，模型就训练成功了。

更喜欢DIY的用户，还可以在创建训练作业时，自己设定更想要的参数。

5、部署上线

训练完模型的最后一步是模型部署。部署上线后，用户就可以随时用模型来测试某一张图片中的花卉了。

当然，智东西只是拿20张图片简单地练手，如果想要更精确的模型，用户需要用大量的数据集来训练。

三、ModelArts用法拆解之高阶程序媛篇——用ModelArts玩比赛

说完了小白，再来说一下专业人群。

如果你具备一定的AI开发基础和编程能力，已经迫不及待地想用ModelArts练练手了，不妨关注一下正在进行中的2019数字中国创新大赛。华为云作为大赛出题方之一，提出了“文化传承——汉字书法多场景识别”的赛题，而ModelArts正是华为云附送给参赛者们的开发神器。

日前，智东西就收到一位程序媛投稿，详细讲述了她如何用ModelArts玩比赛。

赛题模型由两个部分组成，一个是文字检测，一个是文字识别。

在文字框检测上，可使用EAST模型（下载地址：https://github.com/argman/EAST）；在文字识别OCR模型上，可使用西安交通大学人工智能实践大赛第一名的方案模型（下载地址：https://github.com/yinchangchang/ocr_densenet）。

本文代码均已开源在代码库GitHub中（地址：https://github.com/DataFountainCode/huawei_code_share ），可直接下载使用。

1、EAST文字检测模型

• 使用ModelArts训练EAST模型

第一步是数据准备工作，首先下载并解压比赛数据包。

将处理过的数据上传到在OBS上创建的路径，如：

同样，下载EAST训练代码，并将代码上传到OBS，

然后就可以创建作业了，选择训练作业中的“创建”。

之后选择数据存储路径、使用的引擎、启动文件等，

再输入使用脚本需要的相应参数，

选择计算资源，并保存作业参数以便下次使用，就可以开始运行了。

点击运行，还可以在日志里看到训练过程。

• 推理测试

在训练到一定精度后，就可以测试了。同样创建作业，选择test数据集，输入必要参数，

之后就可以得到测试集的检测结果了，里面的每行包含测试图片的名字和4个x和y的点。

2、OCR文字识别模型

• 创建OCR训练作业

与EAST模型一样，将处理完后OCR模型的数据和OCR代码上传到OBS相应路径，就可以开始训练。

点击确定开始运行，在日志中可以看到，几个step之后loss在下降了。

• 推理预测

最后一步，使用OCR训练完成的模型文件和EAST生成的数据进行推理测试，

最终可以在OBS路径上看到predict.csv的文件，下载就可以上传到比赛官网参赛了。

本文代码均已开源，且修改成了可以在ModelArts训练的格式，可以对比开源的EAST和OCR代码，查看修改了哪些地方。本文在OCR模型上用时6个小时，仅训练了10个epoch，就在排行榜A榜得到了0.42的F1，目测再训练久一点F1>0.80是肯定有的。

目前，超过700支队伍已经加入2019数字中国创新大赛的战局。

报名将到3月22日截止，进入比赛决赛的队伍将获得直通华为云终面的资格，前三甲还将分别获得8万、5万和3万元的奖金。 感兴趣的请点击“ 阅读原文 ”参加比赛一试身手吧！