前言

不論AI是真風(fēng)口還是大泡沫，在擁有九年互聯(lián)網(wǎng)AI開發(fā)從業(yè)經(jīng)驗(yàn)的筆者看來，AI技術(shù)一定要在我們的技術(shù)棧中占據(jù)一席之地，這已經(jīng)是不可逆的歷史大勢。筆者多年來一直關(guān)注人工智能領(lǐng)域的前沿研究和***實(shí)踐，久聞華為云推出的一站式AI開發(fā)平臺(tái)ModelArts在斯坦福DAWNBench的Image Classification on ImageNet中多次登頂TOP2，便想體驗(yàn)體驗(yàn)。

此次得到華為云布道師、ASF Member陳亮之邀，我對ModelArts進(jìn)行了一番深度體驗(yàn)與實(shí)踐。

ModelArts介紹

ModelArts是面向 AI 開發(fā)者的一站式開發(fā)平臺(tái)，其開發(fā)平臺(tái)如圖1-1所示；ModelArts平臺(tái)向開發(fā)者提供了全套AI開發(fā)環(huán)境：分布式計(jì)算工具（TensorFlow/PyTorch）、分布式文件系統(tǒng)OBS（Ceph）、AI開發(fā)工具，該環(huán)境以Docker的方式集成，方便快速部署和擴(kuò)展，對于開發(fā)者只需要選擇所需要的Docker即可，避免了每個(gè)開發(fā)者進(jìn)行繁瑣的開發(fā)環(huán)境準(zhǔn)備工作；對于開發(fā)者，只需要關(guān)注模型生產(chǎn)部分的工作，包括數(shù)據(jù)的上傳、數(shù)據(jù)的標(biāo)注、模型選擇和開發(fā)、模型訓(xùn)練、模型部署等工作；對于上層應(yīng)用，開發(fā)者可以基于自己的模型進(jìn)行業(yè)務(wù)實(shí)現(xiàn)，比如：圖像識(shí)別、分類預(yù)測、個(gè)性推薦等實(shí)際業(yè)務(wù)場景。

圖1-1 ModelArts平臺(tái)

其中ModelArts為了提升開發(fā)者的效率，還提供了海量數(shù)據(jù)預(yù)處理及半自動(dòng)化標(biāo)注提高數(shù)據(jù)標(biāo)注效率，大規(guī)模分布式訓(xùn)練減少模型訓(xùn)練耗時(shí)，自動(dòng)化模型生成和模型部署能力幫助開發(fā)者快速創(chuàng)建和部署模型。對于開發(fā)者，基于ModelArts平臺(tái)的開發(fā)流程如圖1-2所示；首先進(jìn)行數(shù)據(jù)上傳，將數(shù)據(jù)上傳至OBS中；其次再對數(shù)據(jù)進(jìn)行樣本準(zhǔn)備，如果是需要標(biāo)注的數(shù)據(jù)，采用平臺(tái)提供的半自動(dòng)化標(biāo)注工具可以快速進(jìn)行標(biāo)注，標(biāo)注完成后，則自動(dòng)生成樣本文件；再次根據(jù)業(yè)務(wù)需求進(jìn)行算法開發(fā)，包括模型選擇、參照模型集市已有成熟模型、模型算法開發(fā)（基于Notebook進(jìn)行模型調(diào)試）；然后對模型進(jìn)行訓(xùn)練，包括模型參數(shù)調(diào)優(yōu)、效果指標(biāo)分析等；***對模型進(jìn)行快速部署，包括模型管理、模型發(fā)布、在線預(yù)測、批量預(yù)測、AB分流等。

圖1-2 ModelArts 開發(fā)流程

2、環(huán)境準(zhǔn)備

步驟1：在華為云首頁點(diǎn)擊右上角的【控制臺(tái)】，如圖2-1所示。

圖2-1 進(jìn)入控制臺(tái)

步驟2：在控制臺(tái)首頁點(diǎn)擊右上角個(gè)人賬號(hào)選擇【我和憑證】，如圖2-2所示。

圖2-2 進(jìn)入我的憑證

步驟3：在首頁點(diǎn)擊【管理訪問密鑰】，然后點(diǎn)擊下方【新增訪問密鑰】，如圖2-3所示。

圖2-3 新增訪問密鑰

申請完后會(huì)自動(dòng)下載密鑰文件，如圖2-4所示

圖2-4 密鑰文件

其中密鑰文件主要包括以下內(nèi)容：

• Access Key：是開發(fā)者擁有的項(xiàng)目身份識(shí)別ID，用以身份認(rèn)證，類似于用戶名。
• Secret Key：是開發(fā)者擁有的項(xiàng)目身份密鑰，類似于密碼。

其中密鑰文件主要應(yīng)用在OBS文件和Notebook中，***使用上述功能需要輸入Access Key和Secret Key。

3、數(shù)據(jù)上傳

步驟1：華為云首頁在菜單欄點(diǎn)擊【產(chǎn)品】選擇【對象存儲(chǔ)服務(wù) OBS】，如圖3-1所示。

圖3-1 進(jìn)入OBS

步驟2：進(jìn)行后點(diǎn)擊【管理控制臺(tái)】，如圖3-2所示，***使用需要輸入開發(fā)者的Access Key和Secret Key。

圖3-2 進(jìn)入OBS控制臺(tái)

步驟3：進(jìn)入管理控制臺(tái)后點(diǎn)擊右上角【創(chuàng)建桶】，如圖3-3所示。

圖3-3 OBS創(chuàng)建桶

其中OBS的2個(gè)基本概念：

• Bucket：存儲(chǔ)桶是S3中用于存儲(chǔ)數(shù)據(jù)的容器，每個(gè)對象都存儲(chǔ)在一個(gè)存儲(chǔ)桶中。
• Object：對象是 S3中存儲(chǔ)的具體文件，是存儲(chǔ)的基本實(shí)體。

步驟4：點(diǎn)擊桶名稱，進(jìn)入數(shù)據(jù)集，如圖3-4所示。

圖3-4 OBS數(shù)據(jù)集

步驟5：上傳數(shù)據(jù)，首先可以先【新建文件夾】，然后進(jìn)入文件夾后，點(diǎn)擊【上傳對象】，如圖3-5所示。

圖3-5 OBS上傳數(shù)據(jù)

除了上述直接在網(wǎng)頁上上傳數(shù)據(jù)，開發(fā)者還可以通過OBS Browser客戶端上傳數(shù)據(jù)，這里需要開發(fā)者對應(yīng)的客戶端，如圖3-6所示。

圖3-6 OBS客戶端

4、數(shù)據(jù)集管理

步驟1：進(jìn)入數(shù)據(jù)標(biāo)注首頁，如圖4-1所示。

圖4-1 進(jìn)入數(shù)據(jù)標(biāo)注

步驟2：在首頁點(diǎn)擊【創(chuàng)建數(shù)據(jù)集】，開始創(chuàng)建數(shù)據(jù)標(biāo)注任務(wù)，如圖4-2所示。

圖4-2 創(chuàng)建數(shù)據(jù)標(biāo)注任務(wù)

其中數(shù)據(jù)集輸入位置就是上傳至OBS中數(shù)據(jù)集的路徑，這里還需要設(shè)定數(shù)據(jù)集的輸出位置，也就是輸出路徑，需要提前在OBS中建立輸出文件目錄。

步驟3：在創(chuàng)建的數(shù)據(jù)集上雙擊鼠標(biāo)，就可以開始標(biāo)注數(shù)據(jù)，如圖4-3所示。

圖4-3 開始標(biāo)注任務(wù)

其中標(biāo)注任務(wù)如圖4-4所示，通過鼠標(biāo)勾選圖片，然后在右邊對所勾選的圖片進(jìn)行打標(biāo)簽。

[[267766]]

步驟4：查看標(biāo)注完成數(shù)據(jù)集，如圖4-5所示，可以對完成數(shù)據(jù)集進(jìn)行版本發(fā)布，并且查看數(shù)據(jù)集的文件路徑，如圖4-6和圖4-7所示。

圖4-5 標(biāo)注完成頁

圖4-6 數(shù)據(jù)集版本發(fā)布

圖4-7 數(shù)據(jù)集路徑查看

除了上述通過半自動(dòng)標(biāo)注數(shù)據(jù)進(jìn)行數(shù)據(jù)生成外，開發(fā)者還可以直接上傳已生成好的樣本文件進(jìn)行數(shù)據(jù)生成，有了數(shù)據(jù)后，需要進(jìn)行數(shù)據(jù)集發(fā)布，其中數(shù)據(jù)集的發(fā)布的步驟如下所示。

步驟1：在【數(shù)據(jù)管理】菜單中點(diǎn)擊【數(shù)據(jù)集】，進(jìn)入數(shù)據(jù)集首頁，在這里可以查看已有數(shù)據(jù)集，并且可以創(chuàng)建數(shù)據(jù)集。如圖4-8所示。

圖4-8 數(shù)據(jù)集

步驟2：點(diǎn)擊在【創(chuàng)建】按鈕，進(jìn)入創(chuàng)建數(shù)據(jù)集配置頁，如圖4-9所示。

圖4-9 創(chuàng)建數(shù)據(jù)集

其中數(shù)據(jù)集存儲(chǔ)路徑就是數(shù)據(jù)集的OBS文件路徑（數(shù)據(jù)標(biāo)注生成的路徑或者開發(fā)者上傳數(shù)據(jù)路徑）。

5、Notebook實(shí)踐

步驟1：進(jìn)入【開發(fā)環(huán)境】，點(diǎn)擊【Notebook】，如圖5-1所示，***使用需要輸入開發(fā)者的Access Key和Secret Key。

圖5-1 開發(fā)環(huán)境

步驟2：創(chuàng)建Notebook，如圖5-2所示，開發(fā)者需要根據(jù)自己所需要的開發(fā)環(huán)境選擇相應(yīng)的Docker鏡像，并且選擇合適的計(jì)算資源，其中Notebook文件的存儲(chǔ)路徑也需要開發(fā)者設(shè)置OBS路徑。

圖5-2 創(chuàng)建Notebook

步驟3：啟動(dòng)Notebook，如圖5-3所示，點(diǎn)擊打開，就可以啟動(dòng)。

圖5-3 啟動(dòng)Notebook

步驟4：Notebook編程，Notebook首頁如圖5-4所示，開發(fā)者可以新建一個(gè)Notebook。

圖5-3 Notebook首頁

步驟：Notebook編程調(diào)試，開發(fā)者可以在一個(gè)Notebook進(jìn)行編程和調(diào)試，如下案例所示。

圖5-4 環(huán)境準(zhǔn)備

圖5-5 數(shù)據(jù)準(zhǔn)備

圖5-6 數(shù)據(jù)調(diào)試

圖5-7 模型開發(fā)

圖5-8 模型調(diào)試

6、訓(xùn)練作業(yè)

步驟1：點(diǎn)擊【訓(xùn)練作業(yè)】菜單，進(jìn)入創(chuàng)建訓(xùn)練作業(yè)首頁，如圖6-1所示。

圖6-1 訓(xùn)練作業(yè)首頁

步驟2：在首頁點(diǎn)擊【創(chuàng)建】，創(chuàng)建訓(xùn)練作業(yè)，如圖6-2所示。

圖6-2 創(chuàng)建訓(xùn)練作業(yè)

其中【數(shù)據(jù)來源】就是選擇已發(fā)布的數(shù)據(jù)集數(shù)據(jù)，【算法來源】可以選擇預(yù)置算法、常用框架、自定義實(shí)現(xiàn)算法等，【運(yùn)行參數(shù)】就是算法訓(xùn)練所需要的參數(shù)，【訓(xùn)練輸出位置】就是模型生成的OBS路徑。參數(shù)設(shè)置完成后，點(diǎn)擊【下一步】進(jìn)行確認(rèn)頁，如圖6-3所示。

圖6-3 訓(xùn)練配置確認(rèn)

點(diǎn)擊【立即創(chuàng)建】后，該訓(xùn)練任務(wù)已經(jīng)成功創(chuàng)建，可以查看任務(wù)的狀態(tài)，如圖6-4所示，訓(xùn)練中，可以查看模型信息、日志、資源使用等，如圖6-5所示，訓(xùn)練完成后還可以查看模型評估指標(biāo)，如圖6-6所示。

圖6-4 訓(xùn)練狀態(tài)

圖6-5 訓(xùn)練信息

圖6-6 訓(xùn)練評估指標(biāo)

7、模型管理

步驟1：點(diǎn)擊【模型管理】菜單，進(jìn)入模型管理首頁，如圖7-1所示。

圖7-1 模型管理首頁

步驟2：在首頁點(diǎn)擊【導(dǎo)入】，進(jìn)行模型導(dǎo)入配置，如圖7-2所示。

圖7-2 模型導(dǎo)入配置

其中【模型來源】可以來自訓(xùn)練任務(wù)、OBS文件中、鏡像中。

步驟3：在模型管理首頁可以進(jìn)行模型管理，包括：模型部署、在市場進(jìn)行模型發(fā)布，如圖7-3所示。

圖7-3 模型管理

8、模型上線

在線服務(wù)首頁：在【部署上線】菜單，點(diǎn)擊【在線服務(wù)】進(jìn)入在線服務(wù)首頁，如圖8-1所示。

圖8-1 在線服務(wù)首頁

在線服務(wù)部署配置：在首頁點(diǎn)擊【部署】，進(jìn)入部署配置頁，如圖8-2所示。

圖8-2 模型部署配置頁

在線服務(wù)狀態(tài)監(jiān)控：部署完成后，可以進(jìn)行狀態(tài)監(jiān)控和預(yù)測服務(wù)等，如圖8-3所示。

圖8-3 模型服務(wù)

在線服務(wù)預(yù)測：點(diǎn)擊【預(yù)測】，可以進(jìn)入預(yù)測頁面，如圖8-4所示。

圖8-4 預(yù)測服務(wù)

批量服務(wù)首頁：在【部署上線】菜單，點(diǎn)擊【批量服務(wù)】進(jìn)入批量服務(wù)首頁，如圖8-5所示。

圖8-5 批量服務(wù)首頁

批量服務(wù)部署配置：在首頁點(diǎn)擊【部署】，進(jìn)入部署配置頁，如圖8-6所示。

圖8-6 模型部署配置頁

其中批量服務(wù)部署配置需要配置模型版本，批量預(yù)測樣本的路徑，以及預(yù)測結(jié)果路徑。

批量服務(wù)狀態(tài)監(jiān)控：在首頁可以監(jiān)控批量預(yù)測服務(wù)的狀態(tài)，進(jìn)入部署配置頁，如圖8-7所示，點(diǎn)擊啟動(dòng)后，可以查看任務(wù)信息，如圖8-8所示，根據(jù)輸出目錄，可以查看輸出文件，如圖8-9所示，其中每一條的預(yù)測結(jié)果用json格式保存，例如：{"predicted_label":"dog","scores":[["dog",0.61349],["cat",0.38650]]}。

圖8-7批量預(yù)測服務(wù)的狀態(tài)

圖8-8預(yù)測信息

圖8-9預(yù)測結(jié)果

9、ModelArts總結(jié)

9.1 平臺(tái)優(yōu)點(diǎn)

• 1、Docker化，易用性高，開發(fā)者不用關(guān)心開發(fā)環(huán)境，省去繁瑣的開發(fā)環(huán)境準(zhǔn)備工作。
• 2、一站式機(jī)器學(xué)習(xí)平臺(tái)，從數(shù)據(jù)、模型生產(chǎn)、模型部署、模型上線一站式管理。
• 3、樣本準(zhǔn)備高效，半自動(dòng)幫助開發(fā)者進(jìn)行樣本標(biāo)注，并且自動(dòng)生成模型可讀的樣本文件。
• 4、可視化流程管理，訓(xùn)練過程、日志文件、評估結(jié)果查詢方便。
• 5、版本管理，支持?jǐn)?shù)據(jù)、訓(xùn)練、模型的版本管理。
• 6、快速上線，支持一鍵式上線管理，也支持快速批量預(yù)測，還支持線上AB測試。
• 7、模型共享，可以方便查詢集市上相關(guān)的模型，并且可以直接進(jìn)行訓(xùn)練。

9.2 平臺(tái)建議

平臺(tái)建議1—增加特征分析組件

• 1、支持CSV、libSVM等格式樣本集的特征分析和數(shù)據(jù)分析。
• 2、特征分析指標(biāo)包括：特征覆蓋率、特征IV值、特征信息熵、特征缺失率等。
• 3、數(shù)據(jù)分析分析包括：樣本整體Label分布比例；

連續(xù)特征的***、最小、平均、分位數(shù)等指標(biāo)；

離散特征的：枚舉個(gè)數(shù)、枚舉TopK的分布等。

平臺(tái)建議2—模型評估指標(biāo)增加特征重要性排序

• 1、增加特征重要性排序指標(biāo)，比如輸出TopK個(gè)特征
• 2、可視化輸出TopK個(gè)卷積核的圖像

平臺(tái)建議3—增加模型可解釋組件

• 1、集成類似：LIME組件

平臺(tái)建議4—增加共享Notebook功能

• 1、對于開發(fā)者之間進(jìn)行交流，最方便的是用Notebook，比如：開發(fā)者A，可以將他的Notebook地址發(fā)給開發(fā)者群或者開發(fā)者B，通過權(quán)限控制，開發(fā)者群或者開發(fā)者B可以擁有該Notebook的訪問、編輯、調(diào)試權(quán)限，大家可以這樣相互交流代碼和問題
• 2、類似功能可以參考：共享文檔思路，類似產(chǎn)品有：騰訊文檔

平臺(tái)建議5—技術(shù)路線梳理

• 1、平臺(tái)可以增加技術(shù)路線引導(dǎo)，幫助開發(fā)者快速找到所需的技術(shù)，或者幫助開發(fā)者提升技術(shù)實(shí)力。
• 2、例如NLP的簡單技術(shù)路線如圖9-1所示。

圖9-1NLP技術(shù)路線