华为云 AI DevSpace 上手实录：从创建空间到跑通人脸检测 Demo

为什么想试 AI DevSpace

上个月接手一个老项目，本地环境是 Python 3.8 + 一堆编译依赖，换台机器就要重装半天。听说华为云 AI DevSpace 是开箱即用的云端开发环境，就花了一个下午实际跑了一遍，把从创建到跑通 Demo 的全过程记下来，给同样想省环境配置时间的同学一个参考。

创建空间与授权

从开发者空间的入口进去，选择 AI DevSpace，第一次创建会要求授权。授权弹窗里会说明需要哪些权限，主要是对象存储读写和计算资源，同意后空间就开始初始化，大概等了两分多钟。

这一步有两个细节值得注意：

• 初始化期间页面会一直停在工作区加载的转圈状态，不要反复刷新，刷新会重新排队。
• 空间默认给的是一个空目录，没有预装太多东西，Python 3.10 和 git 是有的，pip 需要自己确认版本。

环境实况

进去之后先看了下基础情况：

$ python3 -V
Python 3.10.12
$ pip -V
pip 23.0.1
$ df -h /home
Filesystem      Size  Used Avail Use% Mounted on
overlay          50G  1.2G   48G   3% /

50G 的盘、2 核 4G 的规格，跑轻量推理和日常开发够用。网络能直连 pypi，装 opencv 之类的轮子速度还行，一分钟以内。

跑通第一个 Demo

为了验证环境真的可用，写了个最小的人脸检测例子：用 OpenCV 自带的 Haar 级联，不下载模型权重，避免网络因素干扰。

import cv2

img = cv2.imread("test.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cascade = cv2.CascadeClassifier(
    cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
)
faces = cascade.detectMultiScale(gray, 1.1, 4)

for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imwrite("out.jpg", img)
print(f"detected {len(faces)} face(s)")

需要先装依赖：

pip install opencv-python-headless

注意用 headless 版本，工作区没有图形界面，装完整版会带一堆 GUI 依赖，反而更慢。跑完之后输出 detected 1 face(s)，把 out.jpg 下载回本地看，框的位置是对的，说明从文件读到结果输出的整条链路都通了。

踩到的三个坑

第一，文件上传入口不明显。 工作区里上传按钮是个图标，鼠标悬停才显示文字提示。我第一次找了半天，直接从本地拖拽也支持，但拖拽大文件容易中断。

第二，pip 装包要加超时重试。 有一次装 torch 卡在下载阶段，加了 --timeout 60 --retries 3 之后稳定很多：

pip install torch --index-url https://download.pytorch.org/whl/cpu \
    --timeout 60 --retries 3

第三，长时间不用会自动休眠。 中间去开了个会，回来发现终端没响应，重新点一下工作区就恢复了，文件都还在。如果跑长训练，建议用 nohup 挂着，别指望页面一直开着。

实际收益

对这个项目来说，最大的收益是不用再维护本地环境。新同事进来，发一个空间链接，他点进去就能看到同一套依赖、同一份数据，不用再对着一份 README 装两小时。

代价是交互延迟比本地 IDE 高一点，敲代码的体感大概和连一台同城远程机差不多，写业务逻辑没问题，调试界面频繁刷新的场景会有一点卡。

小结

AI DevSpace 适合两类场景：一是环境复杂、需要多人对齐的项目；二是临时想验证某个库、不想污染本机的场景。如果只是改几行 CSS，本地编辑器依然更顺手。

整体体验下来，从创建到跑通 Demo 大约 20 分钟，其中一半时间花在初始化上。后续如果能预置常用镜像（比如自带 cv 和深度学习框架的那种），这个时间还能再压缩。