华为云ModelArts-Lab-AI实战营前三期学习 总结

从6月14日华为云ModelArts-Lab AI实战营开启到现在已经一个多月了，相信参与实战营的每一位学员都有各自不同的巨大收获。我在参与实战营的这一个多月中，总算对于AI到底是什么？为什么要使用AI？如何使用AI？这灵魂三问的答案有了一个大概的认识。

在实战营第一期中，我们第一次接触ModelArts平台，学习使用自动学习的图像分类功能，使用开发环境创建jupyter notebook运行python程序实现猫狗数据集的模型训练。

在实战营第二期中，我们使用数据标注的智能标注功能完成数据集的标注工作，然后使用训练作业完成模型的训练，最后使用模型管理将训练好的模型部署上线。

在实战营第三期中，学习了数据增广与在模型训练过程中的各种模型参数的调整优化（炼丹）。

综合前三期所学内容，我了解到的一个机器学习的项目的大概流程：

1.数据搜集

2.数据清洗

3.数据增广

4.数据标注

5.神经网络类型选型

6.学习框架选择

7.学习框架超参调整

8.模型训练

9.模型商用

而ModelArts作为一个面向AI开发者的一站式开发平台，提供海量数据预处理及半自动化标注、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。对上述所有流程都有相应的功能做支撑： ModelArts现有功能中：

注：数据增广一般是用开发环境编写python程序完成，上表为了不改变流程顺序把数据增广流程写错了地方。

在项目中最重要的流程，模型训练，ModelArts支持几乎所有主流学习框架：TensorFlow、MXNet、Caffe、Spark、Scikit-learn & XGBoost、PyTorch。如果这些框架无法满足要求，还可以在开发环境中自行安装所需类库解决需求。

除了以上对项目流程的支持，ModelArts还为AI学习解决了一个最大的难题：硬件。开发环境和训练作业可配置的p100和v100显卡，个人搭建环境难以承受。即使是消费级显卡2080、2070、2060等也不是初学者愿意背负的学习成本。ModelArts将显卡资源按小时出租，极大的降低了AI学习的金钱成本，让更多有意愿进入AI行业但受限于客观条件的人有机会去尝试打开AI的大门。

总之，参加华为云ModelArts-Lab AI实战营，让我了解了机器学习项目的总体流程，理解数据预处理对模型训练的重要影响，了解了一些主流的神经网络类型、学习框架，能够根据模型训练中的准确率、召回率、损失情况（交叉熵、均方差等）变化情况对超参进行具有一定预见性的调整。但对每种神经网络、学习框架的理解还不深，只会粗略的使用（调包侠），自觉要钻研的路很难，要学习的路还很长。希望在之后的实战中能学习到所用框架的特点，针对场景等细节。真心的希望华为云平台和ModelArts-Lab AI实战营越办越好。