人工智能实战小程序之准备工作

简介: 前言 上次参加了微软大会,在做关于微软智能AI接口的实战中认识到了微软也有推出一系列智能接口, 包括语音识别 语意解析 图像识别等。 这些接口是以restful-api提供的,很容易集成到应用中。
前言
上次参加了微软大会,在做关于微软智能AI接口的实战中认识到了微软也有推出一系列智能接口,
包括语音识别 语意解析 图像识别等。
这些接口是以restful-api提供的,很容易集成到应用中。
小程序体验上不错也是非常火,前端技术不断在更新,虽然我是偏后端的,也不能掉队嘛。
这篇文章我计划是会每个api系列作为一个小程序的功能来实现。
本篇文章是准备工作的介绍(需要用到哪些资源如何申请创建等)
下篇文章是语音系列实战,用到的api有语音转成文字,语音解析(包括去制作模型,训练,发布,调用等) 希望您学会运用微软推出的这些智能api接口来填满你的脑洞。
 
  大家可以玩一玩看看

 

注册一个azure账号
登录 https://portal.azure.com (现在注册还有免费200美金的额度直接送到你账户,免费的项目还是可以终身使用的)
 
azure里面添加luis服务
搜索luis然后添加一个luis服务

 

 

 

 
 

 

点击创建完成后会自动跳出如下界面

 

 
创建一个Luis app

 

 

 

 

 

 

 

创建成功
和大家大概解释下
一个luis的模型包含以下:
1 Intents
是语意的意思,比如说 老虎的英文是什么? 大象的英文是什么? 猴子的日语呢? 我们可以归类为Intents为: [提问单词]
2 Entities
是用来阐述特定(Intent)语意的一些实例(sample) 比如 intent为:[提问单词] 那么 老虎的英文是什么? 大象的英文是什么? 猴子的日语呢? 这3个句子中 老虎 大象 猴子就可以称为 [单词]entity
3 Prebuit domain intent
在luis系统里面有一些已经为您准备好的语意模型了。您可以通过 Add prebuilt domain intent这个功能添加到你现在的luis app下
 
创建语意模型
我们建立一个 Intent 起名叫 提问单词

 

 
翻译 这个已经为我们准备好的intent 点击 Add prebuilt domain intent 按钮添加进来

 

 

 

 

 

然后我们创建一个 Entity叫单词
 

 

 

 

然后我们回到Intents里面把刚刚添加好的5个sample(例子)中 把[单词]标记出来

 

 
初学者可能觉得 这怎么不是自动识别啊,为啥要手动呢?
这里请注意,这个是机器学习的一般套路,都是先准备一些样品,然后准备这些样品对应的答案,然后去算法去训练 通过成功率的反馈来不断改进算法。。。。
luis平台也是一样是基于机器学习的
我们这里准备了5个sample,然后标记好,点击
可以点击Test 试一下
 
我只训练了5个sample,我试一下 【学校的英文是什么?】
 
虽然 学校我没有训练过 但是也是识别出来了。这个就是XXX的XX是什么这个语意我们已经训练ok了
那们我们要想想提问单词常用的说法有哪些
比如: 老虎的英语怎么说
爸爸的日语怎么念
妈妈的韩语
等等。
我们按照刚刚的步骤去每个说法搞5个sample然后训练就好了
 
好了,致此我们最简单的 提问单词 的语意模型已经搞好了
已经能够满足大部分提问单词的情况了,
 
 
点击PUBLISH按钮进行发布
 
 
Azure里面创建一个 Bing Speech 服务
Bing Speech服务提供了语音转文字功能 语音翻译等接口
流程和创建luis服务是一样的,这里不再贴详细图了哈

 

 

 

 

 

 

 

 

 

 

 

 


如果您觉得阅读本文对您有帮助,请点一下“推荐”按钮,您的“推荐”将是我最大的写作动力!欢迎各位转载,转载文章之后须在文章页面明显位置给出作者和原文连接,谢谢。
目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
探索人工智能:从理论到实战
【8月更文挑战第26天】本文将带你走进人工智能的世界,从基础理论到实际案例,深入浅出地解析AI的奥秘。我们将一起探讨AI的定义、历史、应用领域以及未来的发展趋势。同时,我们还将通过一个实际的AI项目——图像识别系统,来展示如何将理论知识应用到实践中。无论你是AI领域的初学者,还是有一定经验的开发者,都能在这篇文章中找到有价值的信息。
|
3月前
|
机器学习/深度学习 人工智能 监控
人工智能 - 目标检测算法详解及实战
目标检测需识别目标类别与位置,核心挑战为复杂背景下的多目标精准快速检测。算法分两步:目标提取(滑动窗口或区域提议)和分类(常用CNN)。IoU衡量预测与真实框重叠度,越接近1,检测越准。主流算法包括R-CNN系列(R-CNN, Fast R-CNN, Faster R-CNN),YOLO系列,SSD,各具特色,如Faster R-CNN高效候选区生成与检测,YOLO适用于实时应用。应用场景丰富,如自动驾驶行人车辆检测,安防监控,智能零售商品识别等。实现涉及数据准备、模型训练(示例YOLOv3)、评估(Precision, Recall, mAP)及测试。
110 5
|
3月前
|
小程序 安全 搜索推荐
【微信小程序开发实战项目】——个人中心页面的制作
本文介绍了如何设计和实现一个网上花店的微信小程序,包括个人中心、我的订单和我的地址等功能模块。个人中心让用户能够查看订单历史、管理地址和与客服互动。代码示例展示了`own.wxml`、`own.wxss`和`own.js`文件,用于构建个人中心界面,包括用户信息、订单链接、收藏、地址、客服和版本信息。我的订单部分展示了订单详情,包括商品图片、名称、销量、价格和订单状态,用户可以查看和管理订单。我的地址功能允许用户输入和编辑收货信息,包括联系人、性别、电话、城市和详细地址。每个功能模块都附有相应的WXML和WXSS代码,以及简洁的样式设计。
142 0
【微信小程序开发实战项目】——个人中心页面的制作
|
2月前
|
人工智能 搜索推荐 测试技术
基于人工智能的代码分析与 Bug 检测实战
在人工智能(AI)尚未普及之时,检测程序错误主要依赖单元测试、代码扫描工具如SonarQube和FindBugs,以及人工集成测试。如今,AI技术显著提升了这一过程的效率,不仅能辅助开发者编写更高质量的代码,还能在单元测试与集成测试阶段提供支持,如通过Copilot+Codex优化单元测试,或利用ChatGPT等工具自动化生成测试脚本。本章将介绍如何运用AI工具识别三种常见错误:代码执行异常、未满足需求及变量命名不当,并通过实例演示Copilot如何高效定位并修正这些问题。
51 0
|
3月前
|
小程序 开发者
uniapp实战 —— 开发微信小程序的调试技巧
uniapp实战 —— 开发微信小程序的调试技巧
281 1
|
3月前
|
前端开发 小程序
【微信小程序-原生开发】实用教程20 - 生成海报(实战范例为生成活动海报,内含生成指定页面的小程序二维码,保存图片到手机,canvas 系列教程)
【微信小程序-原生开发】实用教程20 - 生成海报(实战范例为生成活动海报,内含生成指定页面的小程序二维码,保存图片到手机,canvas 系列教程)
341 0
|
3月前
|
小程序
【微信小程序】实战案例 -- 向订阅用户发送消息(范例:报名提醒)
【微信小程序】实战案例 -- 向订阅用户发送消息(范例:报名提醒)
178 0
|
3月前
|
小程序 前端开发
【微信小程序-原生开发】TDesign 实战模板——聊天气泡
【微信小程序-原生开发】TDesign 实战模板——聊天气泡
60 0
|
3月前
|
小程序
【微信小程序-原生开发】TDesign 实战模板——带性别图标的头像
【微信小程序-原生开发】TDesign 实战模板——带性别图标的头像
54 0
|
3月前
|
小程序 定位技术
【微信小程序-原生开发】TDesign 实战模板——个人信息编辑页
【微信小程序-原生开发】TDesign 实战模板——个人信息编辑页
37 0

热门文章

最新文章