文档首页 > > AI工程师用户指南> AI工程师如何使用ModelArts

AI工程师如何使用ModelArts

分享
更新时间: 2019/11/21 GMT+08:00

面向熟悉代码编写和调测,熟悉常见AI引擎的开发者,ModelArts不仅提供了在线代码开发环境,还提供了从数据准备、模型训练、模型管理到模型部署上线的端到端开发流程(即AI全流程开发),帮助您高效、快速的构建一个可用模型。

本文档介绍了如何在ModelArts管理控制台完成AI开发,如果您习惯使用API或者SDK进行开发,建议查看《ModelArts SDK参考》和《ModelArts API参考》获取帮助。

使用AI全流程开发的端到端示例,请参见使用MXNet构建模型使用Notebook构建模型

AI全流程开发

ModelArts提供的AI全流程开发,兼容开发者的使用习惯,支持多种引擎和用户场景,使用自由度较高。下文介绍使用ModelArts平台,从数据准备到完成模型开发上线的全流程。针对开发者的其他场景,建议参考ModelArts使用流程详解

图1 AI工程师的使用流程
表1 使用流程说明

流程

子任务

说明

详细指导

准备数据

创建数据集

基于您的业务数据,您可以在ModelArts中创建数据集管理和预处理您的数据。

创建数据集

标注数据

针对您创建的数据集,基于业务逻辑标注数据,对数据进行预处理,方便后续训练使用。数据标注的情况将影响模型训练效果。

标注数据

发布数据集

数据标注完成后,将数据集发布。即可生成一个可以用于模型训练的数据集版本。

发布数据集

开发

创建Notebook

创建一个Notebook作为开发环境。

创建并打开Notebook

编写代码

在已有的Notebook中编写代码,您也可以使用ModelArts示例,直接构建模型。

使用ModelArts示例

导出“py”文件

编写完成的训练脚本,导出成“py”文件才可以用于后续的模型训练、模型管理等操作。

使用Convert to Python File功能

训练模型

创建训练作业

创建一个训练作业,选择可用的数据集版本,然后,上传并使用前面编写完成的训练脚本。训练完成后,将生成模型并存储至OBS中。

创建训练作业

(可选)创建可视化作业

您可以通过创建可视化作业(TensorBoad类型)查看模型训练过程,您可以通过可视化作业提供信息,了解其模型情况,并对模型进行调整和优化。可视化作业当前仅针对MXNet和TensorFlow引擎。

管理TensorBoard

管理模型

编写推理代码和配置文件

针对您生成的模型,建议您按照ModelArts提供的模型包规范,编写推理代码和配置文件,并将推理代码和配置文件存储至训练输出位置。

模型包规范介绍

导入模型

将训练完成的模型导入至ModelArts,方便将模型部署上线。

导入模型

部署服务

部署服务

ModelArts支持将模型部署为在线服务、批量服务和边缘服务。

访问服务

服务部署完成后,针对在线服务和边缘服务,您可以访问并使用服务,针对批量服务,您可以查看其预测结果。

ModelArts使用流程详解

ModelArts平台提供了从数据准备到模型部署的AI全流程开发,针对每个环节,其使用时相对自由的。针对AI工程师,梳理了ModelArts使用流程详解,您可以选择其中一种方式完成AI开发。

图2 使用流程详解
分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!

非常感谢您的反馈,我们会继续努力做到更好!

反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

跳转到云社区