正文
emmm，今天两个重点：
- AI ModelArts
- AI Gallery
一、AI ModelArts
1.1 什么是 AI ModelArts？
ModelArts 是面向开发者的一站式 AI 平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。
| ModelArts 特性 | 解释 |
| 低门槛 | 开箱即用，零基础 3 步即可构建 AI 模型 |
| 高效率 | AI 开发全流程可视化管理，生产效率百倍提升 |
| 高性能 | 自研 MoXing 框架，极致提升开发效率和训练速度 |
| 易运维 | 灵活支持多厂商多框架多功能模型统一纳管 |
1.2 AI ModelArts 功能大赏
1.2.1 本文将重点演示： 基于 ModelArts 预置算法实现花卉识别
1.2.2 其它功能探索
功能超级多，小伙伴们自己去发掘吧！
1.3 AI ModelArts 实战演示训练
ModelArts 在 AI Gallery 中提供了适用于“物体检测”、“图像分类”和“文本分类”等场景的算法、数据、模型等。
步骤 1：准备训练数据
步骤 2：订阅算法
步骤 3：使用订阅算法创建训练作业
步骤 4：创建 AI 应用
步骤 5：部署为在线服务（CPU）
说明：本案例使用过程中，从 AIGallery 下载数据集和订阅算法免费，在 ModelArts 上运行训练作业推荐使用免费资源，将模型部署为在线服务推荐使用免费资源。
步骤 1：准备训练数据
1、单击样例数据集链接，跳转至“AI Gallery > 数据 > 四类花卉图像分类小数据集”页面。
2、单击“下载”跳转至下载页面详情页。
3、在下载详情页，填写参数。 下载方式：选择“对象存储 OBS 服务” 目标区域：选择“华北-北京四” 目标位置：请选择一个空的 OBS 目录，本示例为“/test-modelartsz/dataset-flower/”
4、确认无误后，单击确定。页面自动跳转到“个人中心>我的数据>我的下载”页面，请耐心等待，预计 5 分钟左右。
5、下载完成后，您可以单击目标位置跳转至 OBS 桶中查看是否存在已下载的数据。
步骤 2：订阅算法
目前“图像分类-ResNet_v1_50”算法发布在 AI Gallery 中。您可以前往 AI Gallery，订阅此模型，然后同步至 ModelArts 中。
1、在 ModelArts 管理控制台中，在左侧菜单栏中选择“AI Gallery”，进入 AI Gallery。 2、在 AI Gallery 中，选择“资产集市>算法”页签，在搜索框中输入“图像分类-ResNet_v1_50”，查找对应的算法。请选择支持 CPU、GPU 训练的算法。 3、单击算法链接进入算法详情页，单击右侧的“订阅”，根据界面提示完成算法订阅。 此算法由 ModelArts 官方提供，目前免费开放。订阅算法完成后，页面的“订阅”按钮显示为“已订阅”。
4、单击详情页的“前往控制台”，此时弹出“选择云服务区域”对话框，选择 ModelArts 对应的区域，然后再单击“确定”， 页面将自动跳转至 ModelArts 的“算法管理>我的订阅”中同步对应的算法。
5、在 ModelArts 管理控制台的算法管理页面，算法将自动同步至 ModelArts 中。
步骤 3：使用订阅算法创建训练作业
算法订阅成功后，算法将呈现在“算法管理>我的订阅”中，您可以使用订阅的“图像分类-ResNet_v1_50”算法创建训练作业，获得模型。
1、进入“算法管理 > 我的订阅”页面，选择订阅的“图像分类-ResNet_v1_50”算法，单击左侧的小三角展开算法，在版本列表中，单击“创建训练作业”。
2、在创建训练作业页面，参考如下说明填写关键参数。
“算法>我的订阅”：系统默认选择订阅的算法，请勿随意修改。
“训练输入”：选择数据存储位置，然后从弹出的窗口中选择步骤 1：准备训练数据中下载好的数据 dataset-flower。
“训练输出”：选择一个 OBS 空目录存储训练输出的模型。例如：“test-modelartsz/output”
“超参”：建议采用默认值。如需进行调优，可参考运行参数说明。
3、参数填写完成后，单击“提交”，根据界面提示确认规格，单击“确定”，完成训练作业创建。 进入“训练管理 > 训练作业 New”页面，等待训练作业完成。
当训练作业的状态变更为“已完成”时，表示已运行结束。
步骤 4：创建 AI 应用
1、在训练作业详情页的右上角单击“创建 AI 应用”，进入创建 AI 应用页面。
2、在创建 AI 应用页面，系统会自动根据上一步训练作业填写参数，参考如下说明确认关键参数。
“元模型来源”：系统自动选择“从训练中选择 >训练作业（New）”。
“选择训练作业”：系统自动选择上一步创建的训练作业。
“AI 引擎”：系统自动写入该模型的 AI 引擎，无需修改。
“推理代码”：系统自动放置推理代码到 OBS 输出路径，无需修改。
“部署类型”：默认选择“在线部署”。
当 AI 应用的状态变为“正常”时，表示创建成功。
步骤 5：部署为在线服务（CPU）
1、在 AI 应用列表中，单击名称前面的，在版本的操作列中单击“部署 > 在线服务”。
2、在部署页面，参考如下说明填写关键参数。
“资源池”：选择“公共资源池”。
“选择 AI 应用及配置”：AI 应用来源及版本会自动选择前面创建的 AI 应用。
“计算节点规格”：在下拉框中选择限时免费资源，若限时免费资源售罄，建议选择 CPU 资源进行部署。
“计算节点个数”，默认设置为“1”，目前仅支持单机部署，只能设置为“1”，不可修改。
3、预测结果
二、AI Gallery
AI Gallery是在ModelArts的基础上构建的开发者生态社区，提供了Notebook代码样例、数据集、算法、模型等AI数字资产的共享
为高校科研机构、AI应用开发商、解决方案集成商、企业级/个人开发者等群体，提供安全、开放的共享及交易环节，加速AI资产的开发与落地，保障AI开发生态链上各参与方高效地实现各自的商业价值。
AI Gallery主要包含4大板块：热门课程、论文精读、实践、AI说
让西红柿眼前一亮的，还属于在线课程 > AI基础课程--Python编程知识
2.1 重理论
2.2 懂实践
2.3 做作业
选择作业： Python编程知识-逆序除重
2.4 下载文档
当然，西红柿的演示毕竟有限，详细的指导步骤，可以官方去下载。
好了，今天的演示就到这里了，有疑问私聊我~
