büyülü! Sıfır temel ile dakikalar içinde AI ile oynayın, Huawei Cloud ModelArts'ın tam deneyimi
Önemli Noktalar: Geliştirici Xiaobai ve üst düzey programcılar bunu kullanmayı seviyor. Bu HUAWEI CLOUD tek noktadan yapay zeka geliştirme platformu kılavuzuna baktınız mı?
2019'da, popüler yapay zeka (AI) sektörde hızlı işlemeye devam ediyor ve giderek daha fazla endüstri akıllı yükseltmelerin dalgasını yakalamaya başlıyor. Bununla birlikte, uzun vadeli, yüksek maliyetli, yüksek girdili, karmaşık ve zahmetli AI geliştirme süreci, AI endüstrisinin büyük ölçekli gelişimini engellemektedir.Çoğu geleneksel şirket, AI yeteneklerini kolayca ve hızlı bir şekilde oluşturamaz.
Bir bardak su içmek için kaç adım gerekir? Sıradan insanlar için bu çok basittir. Peki, AI geliştirme için gereken adımlar nelerdir? Geliştiriciler ve AI profesyonel geliştiricileri için cevaplar tamamen farklıdır.
Ocak ayının sonunda, HUAWEI CLOUD EI (Enterprise Intelligence) tek noktadan yapay zeka geliştirme platformu ModelArts, ticari kullanım için resmi olarak piyasaya sürüldü; bu, yalnızca birçok yapay zeka acemisinin yapay zeka geliştirme eşiğini kaldırmasına izin vermekle kalmadı, aynı zamanda birçok yapay zeka geliştiricisinin daha verimli ve kullanışlı bir geliştirme deneyiminden yararlanmasına da olanak tanıdı.
"Developer's Gospel" adı verilen bu AI platformu ne tür bir silah? Çeşitli geleneksel endüstrilerde nasıl bir rol oynuyor? Bu bağlamda Zhizhi, AI geliştirmeyi hızlandırmak ve ayrıntılı olarak açıklamak için ModelArts'ın dört önemli noktasını analiz etti ModelArts platformu adımları kullanır ve ModelArts'ın minimalist operasyon sürecini kişisel olarak deneyimledi ve bir AI geliştirme bağımlılığı yaşadı.
1. AI geliştirme sürecini hızlandırmak için ModelArts'ın dört önemli özelliği
Basitçe söylemek gerekirse, ModelArts platformu, Xiaobai'nin yapay zeka modellerini eğitmeyi kolayca öğrenmesine olanak tanıyan ve yapay zeka gazilerinin zamandan ve beyin gücünden tasarruf etmelerine olanak tanıyan bir geliştirme ürünüdür, böylece yaşamın her kesimindeki yapay zeka fikirlerinin hızla gerçekleştirilebilmesi için.
Burada, önce ModelArts'ın deneyimli geliştiricilere dört önemli noktadan AI modellerinin geliştirilmesini ve dağıtımını hızlandırmasına nasıl yardımcı olduğunu analiz ediyoruz ve ardından Xiaobai'nin AI geliştirmeye kolayca başlama sürecini geri yükleyeceğiz.
1. Açık kaynak veri kümeleri sağlayın ve bazı senaryolarda otomatik veri açıklaması gerçekleştirin
Veri açıklamasından rahatsız olan geliştiriciler için ModelArts, veri açıklama sürecini basitleştirebilen yüksek kaliteli bir platformdur.
ModelArts, verileri örnekleyerek, filtreleyerek ve önceden etiketleyerek verilerin çoğuna otomatik olarak açıklama ekleyebilir ve filtreleyebilir.Geliştiricinin iş yükünü büyük ölçüde azaltacak olan, otomatik veri etiketlemeden sonra yalnızca tarama onayını manuel olarak yapmanız gerekir.
Şu anda, ModelArts makine veri açıklaması "otonom sürüş öğrenimi" senaryolarında yaygın olarak kullanılmaktadır ve ModelArts, daha yeni ortaya çıkan iş senaryolarına hizmet etmek için gelecekte güncellenmeye devam edecektir.
ModelArts'ın başka bir önemli işlevi vardır - pazar. "Pazar", geliştiricilere çeşitli açık kaynak veri kümeleri ve önceden belirlenmiş bazı modeller sunan paylaşılan bir platformdur. Geliştiriciler ayrıca kendi veri toplama modellerini de yükleyebilir. Gelecekte, bazı AI geliştiricilerinin, AI modelleri sağladıktan sonra bilginin değerini anlamalarına izin veren bir ticaret modeli olabilir.
2. Otomatik öğrenme + otomatik eğitim modeli ve iş yükünü basitleştirmek için parametre ayarı
Algoritma mühendisleri için, eğitim sırasında birçok ayar parametresi olacaktır.Farklı ayar parametreleri, son modelin yakınsama hızını ve doğruluğunu etkileyeceğinden, bu bölüm genellikle algoritma mühendisleri için çok fazla iş yükü yaratır.
ModelArts, otomatikleştirilmiş parametre ayarlama hizmetleri sağlar. Model yakınsaması için gereken dönem sayısını en aza indirmek için momentum ve parti boyutu gibi dinamik hiperparametre stratejileri kullanır. Bu, yalnızca algoritma mühendislerinin iş yükünü basitleştirmekle kalmaz, aynı zamanda algoritma mühendislerinin mümkün olan en iyi parametreleri bulmasına yardımcı olur. Optimal parametreler, modelin toplantı doğruluğu öncülüğünde hızlı bir şekilde birleşmesine izin verir.
3. Eğitimi hızlandırmak için büyük ölçekli dağıtılmış eğitim
ModelArts platformunun verimliliği yalnızca basitleştirilmiş adımlara ve veri açıklamalarına yansıtılmaz. Uçtan uca bir donanımdan yazılıma işbirliği platformudur. Huawei, hızlandırılmış eğitim sağlamak için dağıtılmış zamanlama, ağ iletişimi ve donanım özelliklerinin genel optimizasyonu dahil olmak üzere birçok derinlemesine optimizasyon ve yüksek performanslı ayarlamalar yapmıştır. Kabiliyet.
Derin öğrenme modeli eğitimi sürecinde HUAWEI CLOUD, dağıtılmış hızlandırma katmanını soyutladı ve kendi başına bir dizi dağıtılmış genel hızlandırma çerçevesi MoXing geliştirdi ve TensorFlow, MXNet, PyTorch, Keras ve diğer çerçevelerde yeniden optimizasyon gerçekleştirdi, böylece bu hesaplama motorları dağıtıldı Performans daha yüksek ve eğitim süresi daha kısadır.
Geliştiriciler, MoXing çerçevesini çeşitli arabirimler aracılığıyla doğrudan arayabilir, yerel bağımsız işletmeyi dağıtılmış bir işletmeye dönüştürebilir ve yalnızca bir kod dizisi ile bağımsız ve dağıtılmış dağıtımı gerçekleştirebilir. Geliştiricilerin altta yatan dağıtılmış API'leri önemsemelerine gerek yoktur, ancak yalnızca iş modeline, girdi verilerine, modellere ve gerçek ihtiyaçlara göre ilgili optimize edicilere odaklanmaları gerekir.
ModelArts, dağıtılmış derin öğrenme çerçevesinin hızlanma performansını ölçmek için ana hususlar olan verim ve yakınsama süresi gibi temel göstergeleri dikkatlice işledi. MoXing dağıtılmış çerçevesi ve binlerce GPU küme eğitimi hızlandırması sağlayarak ModelArts, kullanıcılara çok yüksek performanslı bir AI geliştirme deneyimi sağlayabilir.
4. Uç taraftaki buluta uyarlanmış modelin tek tıkla dağıtımı
Normalde model dağıtımı çok karmaşıktır ve uygulama sistemine entegre etmek, bakımını yapmak ve güncellemek için kod yazması gerekir. ModelArts, modelleri tek bir tıklama ile bulut, uç ve uç cihazlara dağıtabilir Uç taraf bulutun farklı özelliklerine göre, geliştiricilerin modelleri sıkıştırmasına ve hızlandırmasına yardımcı olur. Platform ayrıca, birden çok senaryonun ihtiyaçlarını karşılamak için çevrimiçi ve toplu muhakemeyi destekler.
Geliştiricinin geliştirdiği stratejiye göre ModelArts platformu, bulut sunucusunun bilgi işlem kaynaklarını otomatik olarak ayarlayabiliyor.İş talebi düştüğünde bulut sunucusunu azaltacak, kaynakları ve maliyetleri verimli bir şekilde koruyacak; işletmenin sorunsuz ve sağlıklı çalışmasını sağlamak için iş talebi arttığında bulut sunucusunu ekleyecektir.
2. ModelArts kullanım sökme: Xiaobai makalelerini geliştirme - Xiaobai'nin AI oynamasına izin vermek için beş adım
ModelArts'ın ultra yüksek konfigürasyonunun desteğiyle, AI algoritmaları geliştirme becerisi olmayan Xiaobai bile sıfır yük ile AI modelleri oluşturabilir. Bu, ModelArts otomatik öğrenmenin çok güçlü işlevinden bahsetmektir.
Yapay zeka konusunda acemiyseniz veya ModelArts'ta model eğitimine zaman ve enerji harcamak istemeyen bir geliştiriciyseniz, algoritmanın geliştirmeden son dağıtıma kadar tüm sürecini tamamlamak için yalnızca aşağıdaki beş adımı öğrenmeniz gerekir.
Şu anda Huawei Cloud ModelArts dört tür geliştirme projesi sunmaktadır: nesne algılama, görüntü sınıflandırma, tahmine dayalı analiz ve ses sınıflandırması.Kullanıcı eşiğini en aza indirmek için, Huawei Cloud EI Enterprise Intelligence yalnızca ayrıntılı yeni başlayanlar ve kullanıcı kılavuzları sağlamakla kalmaz, aynı zamanda ilk üç Sınıf projeleri için video eğitimleri ayrı ayrı kaydedilir.
Burada Zhishi muhabiri, bir kod satırı yazmadan bir AI modelini eğitmek için görüntü sınıflandırma projesini örnek aldı.
1. Verileri hazırlayın
Modeli eğitmek için veri seti olarak 10 ayçiçeği fotoğrafı ve 10 gül hazırladık. Bununla birlikte, geliştiriciler sadece yapay zeka geliştirmenin nasıl yapılacağını öğrenmek isterlerse, önceden ayarlanmış veri kümesini doğrudan pazardan indirebilir ve kendi veri kümelerine aktarabilirler.
2. Bir proje oluşturun
Verileri hazırladıktan sonra, geliştirici, bir "Görüntü Sınıflandırma" projesi oluşturmak için sol gezinme çubuğundaki "Otomatik Öğrenme" seçeneğine tıklayabilir. Oluştururken, geliştiricinin önceden geliştirici tarafından oluşturulması gereken eğitim veri setinin depolama konumunu seçmesi için bir açılır pencere açılacaktır. Bir HUAWEI CLOUD OBS kovası.
3, veri açıklaması
Proje oluşturulduktan sonra, veri açıklama sayfasına girin, tüm fotoğrafları tek seferde yüklemek için Resim Ekle'yi tıklayın. Daha sonra etiketlemek için her bir resme tıklayın Her resim en az iki etiket kategorisine ve eğitim için kullanılan en az 5 resme sahiptir. Elbette, modelin daha yüksek doğruluk elde etmesini istiyorsanız, eğitim resimlerinin sayısı doğal olarak ne kadar fazla olursa o kadar iyidir.
4, model eğitimi
Ardından modeli eğitmeye başlayabilir, "Eğitimi Başlat" düğmesine tıklayabilir ve ardından yaklaşık bir dakika bekleyebilirsiniz, model başarıyla eğitilecektir.
DIY'i tercih eden kullanıcılar, eğitim atamaları oluştururken daha fazla istenen parametreleri de ayarlayabilir.
5. Dağıtın ve çevrimiçi olun
Modeli eğittikten sonraki son adım model dağıtımdır. Dağıtım çevrimiçi olduktan sonra, kullanıcılar bir resimdeki çiçekleri istedikleri zaman test etmek için modeli kullanabilir.
Tabii ki, Zhizhi sadece 20 fotoğraf çeker ve sadece pratik yapar.Daha doğru bir model istiyorsanız, kullanıcıların büyük miktarda veri setiyle eğitim alması gerekir.
Üçüncüsü, ModelArts ile üst düzey program-oyun oyunlarının ModelArts kullanımı demontajı
Xiaobai hakkında konuştuktan sonra profesyonel gruptan bahsedelim.
Yapay zeka geliştirme ve programlama becerilerinizin belirli bir temeline sahipseniz ve ModelArts ile pratik yapmak için sabırsızlanıyorsanız, devam eden 2019 Dijital Çin İnovasyon Yarışmasına da dikkat edebilirsiniz. Yarışmacılardan Huawei Cloud, "Kültürel Miras-Çin Karakterli Kaligrafi Çoklu Senaryo Tanıma" sorusunu önerdi ve ModelArts, Huawei Cloud'un katılımcılara verdiği geliştirme eseri.
Birkaç gün önce, Zhi Shi bir programcıdan bir katkı aldı ve ModelArts'ı oyun oynamak için nasıl kullandığını ayrıntılı olarak anlattı.
Yazarın anlayışına göre yarışma modeli biri metin algılama, diğeri metin tanıma olmak üzere iki bölümden oluşabilir.
Metin kutusu tespitinde EAST modeli kullanılabilir; metin tanıma OCR modelinde Xi'an Jiaotong Üniversitesi yapay zeka uygulama yarışmasının birincilik şema modeli kullanılabilir.
Bu makaledeki kod, doğrudan indirilebilen ve kullanılabilen GitHub'da açık kaynaklıdır.
1. DOĞU metin algılama modeli
EAST modelini eğitmek için ModelArts'ı kullanın
İlk adım, veri hazırlığıdır, ilk olarak oyun veri paketini indirip açar.
İşlenen verileri OBS'de oluşturulan yola yükleyin, örneğin:
Benzer şekilde, EAST eğitim kodunu indirin ve kodu OBS'ye yükleyin.
Daha sonra bir iş oluşturabilir, eğitim işinde "Oluştur" u seçebilirsiniz.
Ardından veri depolama yolunu, kullanılan motoru, başlangıç dosyasını vb. Seçin.
Ardından komut dosyasını kullanmak için gereken ilgili parametreleri girin,
Bilgi işlem kaynağını seçin ve bir sonraki kullanım için iş parametrelerini kaydedin, çalıştırmaya başlayabilirsiniz.
Çalıştırmak için tıklayın, günlükte eğitim sürecini de görebilirsiniz.
Anlama testi
Belirli bir doğrulukta eğitim aldıktan sonra test edilebilir. Ayrıca bir iş oluşturun, test veri setini seçin, gerekli parametreleri girin,
Bundan sonra test setinin test sonucu alınabilir ve içindeki her satırda test resminin adı ve 4 nokta x ve y bulunur.
2, OCR metin tanıma modeli
OCR eğitim işi oluştur
EAST modeli gibi, işlenmiş OCR modeli verilerini ve OCR kodunu ilgili OBS yoluna yükleyin ve ardından eğitime başlayabilirsiniz.
Çalıştırmaya başlamak için Tamam'ı tıklayın ve birkaç adımdan sonra kaybın düştüğünü günlükte görebilirsiniz.
Çıkarım tahmini
Son adım, OCR eğitimi ile tamamlanan model dosyasını ve EAST tarafından oluşturulan verileri çıkarım testi için kullanmaktır.
Son olarak, OBS yolunda tahmin.csv dosyasını görebilir, indirebilir ve yarışmanın resmi web sitesine yükleyebilirsiniz.
Bu makaledeki kod, açık kaynak kodludur ve ModelArts'ta eğitilebilecek bir biçime dönüştürülmüştür.Nelerin değiştirildiğini görmek için açık kaynak EAST ve OCR kodlarını karşılaştırabilirsiniz. Bu makale OCR modelinde 6 saat sürdü ve yalnızca 10 dönem eğitildi. Liderlik tablosunun A listesinde 0.42 F1 aldım. Biraz daha uzun F1 için görsel olarak eğit > 0.80 kesinlikle orada.
Şu anda, 700'den fazla ekip 2019 Dijital Çin İnovasyon Yarışması savaşına katıldı.
Kayıt 22 Mart'ta sona erecek ve yarışmanın finallerine giren takımlar Huawei Cloud'un son yüzü için hak kazanacak.İlk üç, ayrıca sırasıyla 80.000, 50.000 ve 30.000 yuan bonus alacak. İlgilenen geliştiriciler becerilerini denemek için rekabete katılır!
