对于已经肯定了AI基础的AI初学者，ModelArts提供了基于业界主流引擎的预置算法。它不需要关注模型开发过程，直接利用预置的算法对已有数据进行训练，快速部署为服务。 预设算法可用于物体类别和位置、图像分类等场景。 本实验提供了一个花卉图像分类应用的样例，帮助你快速熟悉使用ModelArts预置算法建立模型的过程。 此示例为预设的花卉图像数据集标注现有的图像数据，然后使用预设的“ResNet_v1_50”算法对数据进行训练，以获得可用的模型。最后，这个模型被部署为一个在线服务。 部署后，客户可以通过在线服务识别输入图片的花卉类型。 使用预设算法完成模型构建的步骤如下:第一步:准备数据第二步:训练模型第三步:(可选)创建可视化作业，查看模型训练流程第四步:导入模型第五步:部署上线第六步:测试服务第七步:清理相应资源，避免开支。华为云账户已注册，准备工作，使用ModelArts前应检查账户状态，账户不能处于欠费或冻结状态。 当前帐户已配置了访问授权。 如果没有，请参考使用授权。 对于之前已经通过访问键授权的客户，建议先清除授权，再进行委托授权。 在OBS服务中创建了存储桶和文件夹来存储样本数据集和模型。 在下面的例子中，请创建一个名为“test-modelarts”的bucket，并创建一个如表1所示的文件夹。 有关创建OBS存储桶和文件夹的说明，请参考创建存储桶和新文件夹。 确保您使用的OBS目录与ModelArts在同一区域。 步骤1:准备数据模型Arts提供了一个公共OBS桶中的flowers的示例数据集，名为“Flowers-Data-Set”。因此，本文中的操作示例使用该数据集进行建模。 您需要执行以下操作将数据集上传到您的OBS目录，即您在准备工作中创建的OBS目录“test-modelarts/dataset-flowers”。 注意:因为“花-数据-集”数据集已被标记，且文件格式为”。txt”是对应图片的标记文件，在该操作步骤中忽略数据标记操作。 如果要使用自己的数据集，可以跳过这一步，直接将数据上传到OBS文件夹，在第二步:训练模型操作中直接选择这个目录。 如果您正在使用的数据集未被标记，请参考“数据管理”>“数据集”页面创建数据集并手动标记它们。 单击数据集下载链接，在本地下载“Flowers-Data-Set”数据集。 本地解压“Flowers-Data-Set.zip”压缩包。 例如，解压缩到本地的“Flowers-Data-Set”文件夹。 参考上传的文件，通过批量上传的方式将“Flowers-Data-Set”文件夹中的所有文件上传到“test-modelarts/dataset-Flowers”OBS路径。 第二步:准备好训练模型数据后，可以创建训练作业，选择预置的算法“ResNet_v1_50”，最后生成可用的模型。 “ResNet_v1_50”算法基于“TensorFlow，TF-1.8.0-python2.7”引擎，其目的是图像分类。 如果想了解预置算法的更多细节，可以点击培训作业页面中的预置算法选项卡，了解ModelArts提供的算法信息，如用途、引擎类型、精度等。 1)在ModelArts管理控制台中，选择左侧导航栏中的“培训管理>”。培训"，进入"培训工作"管理页面。 2)点击“创建”进入“创建培训作业”页面 3)在“创建培训作业”页面，填写相关信息。请参考以下步骤获取参数填充的指导。 算法来源:点击选择，从预置算法列表中选择算法ResNet_v1_50。 “数据源”:因为导入的数据集已经被标注，所以可以直接从数据存储位置导入。 点击数据存储位置，然后点击文本框右侧的选择，选择数据集所在的OBS路径，如“/test-modelarts/dataset-flowers/” 训练输出位置:从现有OBS桶中选择模型和预测文件的存储路径。 使用准备工作中创建的“模型-测试”文件夹。 如果没有可用的文件夹，可以单击“选择”在弹出的对话框中创建一个新文件夹。 运行参数:选择ResNet_v1_50算法后，默认包含max_epoches参数，默认值为100。 对于这个例子，建议将“max_epoches”的参数值改为“10”，一个epoch代表整个数据集训练一次。这个运行参数意味着训练10个Epoches，“max_epoches”的值越大，训练时间越长。 作业日志路径:从现有OBS存储桶中选择日志存储路径 使用准备工作中创建的“train-log”文件夹。 如果没有可用的文件夹，可以单击“选择”在弹出的对话框中创建一个新文件夹。 在基本信息区，“计费模式”和“版本”由系统自动生成，不需要修改。 请根据界面提示填写“名称”和“描述”。 图1填写名称和描述。在参数配置区，选择算法源，设置数据源、训练输出位置、运行参数和作业日志路径。 图2参数在资源设置区配置。选择“公共资源池”，同时设置“规格”和“计算节点数”。 如果您选择使用免费规范，请仔细阅读提示，然后检查“我已经阅读并同意以上内容” 图3设置使用的资源点击下一步完成信息填写。 4)在“规格确认”页面，确认培训作业的参数信息，确认无误后点击“提交”。 5)在培训工作管理页面，可以查看新建培训工作的状态。 创建和运行培训作业需要很少的时间，估计为10分钟。当状态变为“运行成功”时，意味着培训工作已经创建。 可以点击培训作业的名称进入作业介绍页面，了解培训作业的配置信息、日志、资源利用等信息。 生成的模型文件可以在训练输出位置所在的OBS路径中获取，即“/test-modelarts/model-test/”路径。 图4培训作业介绍步骤3:(可选)创建一个可视化作业，查看模型培训流程。目前ModelArts提供的视觉作业默认为TensorBoard作业。 TensorBoard是一个可视化的工具，可以有效的展示TensorFlow或者MXNet在运行过程中的计算图表，各项指标随时间的变化趋势以及训练中用到的数据信息。 目前，可视化作业仅支持基于TensorFlow和MXNet引擎的培训作业。 如果训练介绍页面的细节足以支持你判断模型的好坏并建立模型，你可以选择跳过这一步，直接进入第四步:导入模型。 1)在ModelArts管理控制台中，选择左侧导航栏中的“培训管理>”。培训，然后点击可视化作业选项卡，进入可视化作业管理页面。 2)在“可视化作业”管理页面，点击“创建” 3)在创建可视化作业页面上，设置相关参数，然后单击下一步。 可视化作业的类型默认为可视化作业，不能更改。 设置可视化作业的名称和训练输出位置。 训练输出位置需要设置为训练作业中的训练输出位置，上述步骤中的训练输出位置为/test-modelarts/model-test/。 “自动停止”已启用，并设置为“1小时后停止”，以避免不必要的费用。 图5设置可视化作业参数信息4)在“规格确认”页面，信息确认后，点击“提交” 5)进入“可视化作业”管理页面，等待一段时间。当可视化作业的状态为“正在运行”时，意味着它已成功创建。 对于正在运行的可视化作业，您可以单击可视化作业的名称跳转到其可视化界面。 您可以通过该界面中的信息了解该机型的具体训练流程。 如果虚拟模型的训练过程和参数符合要求，就可以开始执行第四步:导入模型。 图6可视化界面第四步:训练后导入模型或者存储在OBS路径。您可以将此模型导入ModelArts进行管理和部署。 1)在ModelArts管理控制台中，点击"模型管理>"模型"，进入"模型"页面。 2)在“模型”页面上，单击“导入” 3)在导入模型页面，设置相关参数，然后点击立即创建。 设置模型的名称和版本，然后在元模型源参数中选择“从训练中选择”。此时，系统会自动选择您创建的培训工作。您可以从下拉框中选择系统中可用的培训工作。 因为本例中的数据很简单，所以其余的参数都是默认的。 图7导入模型4)模型导入后，系统会自动跳转到模型列表页面。 您可以在模型列表页面上查看导入的模型及其版本。 图8模型列表第五步:在线模型导入后，当状态显示为正常时，模型可以在线部署，可以部署为在线服务、批量服务或边缘服务。 以下步骤以部署为在线服务为例。 1)在“模型管理>:模型页面，点击模型名称左侧的小三角，打开该模型下的所有版本。 在对应版本的行中，点击操作列中的部署，然后在下拉框中选择在线服务，进入部署页面。 2)在部署页面上，设置相关参数，然后单击下一步。 设置在线服务的“名称”，并启用“能否自动停止”功能。 在“选择模型和配置”区域，系统会自动选择第四步:导入模型中的模型及其版本，并在“计算节点规范”右侧的下拉框中选择要使用的资源。在本例中，选择了“CPU: 2个内核和8gb”资源来部署在线服务。 其他参数使用默认值。 对于“数据采集”和“疑难病例选择”功能，建议使用默认值并保持关闭。 图9部署为在线服务3)在“规范确认”页面，确认信息后点击“提交”。 4)在“在线部署>:在线服务”页面中，您可以查看关于在线服务的信息。 因为模型上线部署需要一点时间，请耐心等待几分钟。 当联机服务的状态为正在运行时，意味着联机服务已经部署。 第六步:测试服务在线服务部署成功后，可以进入在线服务，发起预测请求进行测试。 在在线服务管理页面，点击在线服务名称，进入在线服务介绍页面。 在在线服务介绍页面，点击预测选项卡，进入预测页面。 在"选择预测图片文件"的右侧，点击"上传"按钮上传一张有花的图片，然后点击"预测" 预测完成后，预测结果将显示在预测结果显示区。根据预测结果的得分，这张图片的花可以被识别为“雏菊” 注意:由于这是测试服务，为了保证测试效果，在选择图片时，建议不要使用样本数据集中已有的图片。 图10预测结果第七步:清理相应的资源，避免产生费用。为了避免不必要的开支，试用结束后，建议您删除相关资源，如在线服务、可视化作业、培训作业、数据及其OBS目录。 要删除在线服务，请执行下列操作:在“在线服务”页面上，单击“更多”>“删除” 删除可视化作业:在“培训作业>:可视化作业页面中，单击操作列中的删除。 删除培训职务:在“培训职务”页面上，单击“操作”列中的删除。 删除数据:进入OBS，删除上传的数据，然后删除文件夹和OBS桶 本文参考了华为云社区的“使用预置算法建立模型的初步经验”。参考作者是幸运男孩。