摘要：在高浩看來，大量的數字藍領人才和AI應用開發人員構成了目前AI行業發展人才之基，這也為高校學生就業初期從事的工作指明了方向，而華為ModelArts平台在教育領域有着天然的資料、算法優勢，非常适合AI教學。
高浩，華為雲MVP，南京航空航天大學碩士畢業，曾就職于某研究所集團公司。先後從事大資料開發與資料挖掘工作，擅長機器學習和資料分析。現任江蘇知途教育科技有限公司人工智能課程研發負責人，“1+X” 計算機視覺應用開發認證（初級，中級）副主編，進階認證講師。
從人工智能被寫入政府工作報告，到如今高校遍地開花的人工智能專業，AI作為下一階段科學變革浪潮的新引擎，正在滲透到各行各業，當行業進入高速發展期，市場對高端人才的需求和依賴性也随之攀升。
高浩一直從事大資料開發與資料挖掘工作，擅長機器學習和資料分析，現在擔任江蘇某教育科技公司的人工智能課程研發負責人。
在他看來，大量的數字藍領人才和AI應用開發人員構成了目前AI行業發展人才之基，這也為高校學生就業初期從事的工作指明了方向，而華為ModelArts平台在教育領域有着天然的資料、算法優勢，非常适合AI教學。
為什麼選擇ModelArts？
AI應用的開發非常複雜，主要展現在開發流程冗長、煩瑣，包括資料準備、算法開發、模型開發、應用生成、部署和維護等多個環節，鍊路很長，每個環節都需要大量人力和計算資源的投入。
AI開發需要的實驗環境或者平台資源昂貴，傳統的實踐教學體系與市場崗位、企業項目脫、産業發展、以及個人職業發展脫節。
除此之外，AI的三個關鍵要素：算法、算力和資料，一方面推動了AI技術的應用落地，但也提高了學習上手的門檻。
考慮到這些難題，高浩在調研了多家廠商的開發平台後，最終選擇了一站式AI開發平台ModelArts。“算法可以采用平台中已有的通用算法，縮短建立時間，降低技術人員的入門門檻。算力可以根據按需方式租用GPU伺服器，降低研究的前期投入。”
高浩表示，ModelArts的教學指南非常完整，它系統地介紹了AI應用開發全流程及其子流程，包括資料準備、算法選擇和開發、模型訓練、評估和調優等，以及人工智能應用開發場景化實踐。
通過一整套工具鍊和方法傳遞，每個開發者都可以借助ModelArts在具體業務場景下更快、更高效、更低成本地開發AI應用，進而更好地解決實際問題。高浩認為，這樣從教學實施角度上也更有普适指導意義。
為了進一步闡釋ModelArts的易用性，高浩詳細示範了一個基于ModelArts和HiLens的雲、邊、端協同的AI應用開發案例。
快速上手ModelArts
ModelArts 的“一站式”展現在它囊括了AI開發的各個環節，包括資料處理、算法開發、模型訓練、模型部署等等，而且面向不同經驗的開發者，提供相比對的使用流程。
内容方面，ModelArts支援圖像分類、圖像檢測、視訊分析、語音識别、産品推薦、異常檢測等多種AI應用場景。功能方面，它支援從資料處理到算法開發、訓練、部署、開發流程管理等多種功能。如下圖所示：
其中，核心部分主要包括資料處理和模型的管理。
1、資料的處理
在ModelArts中，我們都是以資料集為資料基礎，進行模型開發或訓練等操作的。建立資料集前需要擷取通路OBS的權限。
目前，ModelArts支援如下9種類型的資料集，包含圖檔、音頻、文本和其他類别：
• 圖像分類
• 物體檢測
• 聲音分類
• 語音内容
• 語音分割
• 文本分類
• 命名實體
• 文本三元組
• 自由格式
針對建立好的資料集，可以執行标注資料、釋出、版本管理、修改、導入和删除等操作。
以圖像分類為例，隻需要給圖檔添加相應的标簽即完成标注。實體檢測的話，則需要在圖檔中使用标注框來框出标注對象，并打上标簽，其餘與圖像分類相似。
此處強調一下命名實體資料集，命名實體場景是針對文本中的實體片段進行标注，如“時間”、“地點”等。與文本分類不同的是，它需對片段進行标注，而不是全文。
文本三元組标注則适用于标注語句當中形如（主語/Subject，謂詞/Predicate，賓語/Object）結構化知識的場景，标注時不但可以标注出語句當中的實體，還可以标注出實體之間的關系，其在依存句法分析、資訊抽取等自然語言處理任務中經常用到。
聲音方面，主要是根據播放内容，在 “語音内容”文本框中填寫音頻内容，完成标注。
2、模型訓練管理
資料處理完成後，接下來就是模型的訓練。ModelArts可以基于不同的資料選擇不同規格的資源池（CPU或GPU），根據使用者選擇的資料量和資源不同，模型訓練通常耗時幾分鐘到幾十分鐘不等。
同時，ModelArts也支援檢視模型訓練的情況并及時調整模型參數。
除支援使用者自己開發的模型外，ModelArts還提供了AI市場算法，開發者能直接使用已有的算法，再通過簡單的調參得到一個滿意的模型。
模型訓練之後，ModelArts模型管理可導入所有訓練版本生成的模型，統一管理疊代和調試的模型，同時它還支援從模闆、容器鏡像以及OBS等場景導入模型，友善模型的部署上線。
另外，ModelArts提供了模型轉換功能，可以将已有的模型轉換成所需格式，以便應用于算力和性能更高的晶片上。舉個例子，用Tensorflow架構訓練的模型，使用轉換功能可轉換成om格式，即可在昇騰晶片上部署運作。
端側看HiLens，讓AI應用快速落地
學會用ModelArts做好模型訓練後，端側的開發平台HiLens可以讓AI應用落地更簡單，高浩也談了談他使用HiLens的感受。
HiLens是端雲協同多模态AI開發應用平台，它提供簡單易用的開發架構、開箱即用的開發環境、豐富的AI技能市場和雲上管理平台，對接多種端側計算裝置如HiLens Kit，支援視覺及聽覺AI應用開發、AI應用線上部署、海量裝置管理等。
高浩表示，購買HiLens Kit的普通使用者如果需要快速安裝技能到裝置，使其具備AI能力，可以到技能市場購買技能，基本流程如下：
對于具備程式設計能力的使用者，也可以選擇自己建立技能。
購買或者建立好技能後，就是對其進行部署，具體可以前往資料管理檢視技能效果。
基于HiLens，高浩準備開發了一個檢測施工現場作業人員是否佩戴安全帽的應用。
他在建立好相對應的技能後，使用HDMI視訊線連接配接HiLens Kit視訊輸出端口和顯示器，然後點選背景管理中的啟動技能，當狀态變為“運作中”，表明技能成功運作在端側裝置上。
最後應用的結果如下：
總的來說，開發這樣一個檢測工地施工安全的應用其實很簡單，先用雲端的ModelArts進行資料處理和模型訓練，然後再借助HiLens将模型部署到端側，最後就能得到一個可以落地的AI應用。
本文分享自華為雲社群《【智能時代，AI無處不在】華為雲MVP高浩：打破AI開發瓶頸，解決資料、算法、算力三大難題》，原文作者：我們都是雲專家。
點選關注，第一時間了解華為雲新鮮技術~