ModelArts-给本科生AI开发者加鸡腿

一、热情与心路

9月份开学的时候，接触一些大一的学弟学妹，对什么感兴趣，很多人脱口而出四个字：人工智能！继续问，什么是人工智能？哈哈哈，答案当然是模糊的，是人性化的情感分析，还是自动化的智能控制算法，还是强大的识别能力？毕竟刚刚经历过高考，对专业还是一脸的茫然，但是AI的潮流影响之大，可见一斑！

类似的问题问大二的学生，想不想做一些课外兴趣技能的学习，超过50%的朋友们的回答是想，很多参加大学生创新训练计划的的题目就是图像识别，物体检测，文本分析等等。这个时候大家知道了要学习模型，要学习算法，当然，在这之前，得补一补python~。随着时间的增长，在学习的过程中，问题也在不断地出现，电脑环境？硬件性能？如何部署？大家开始考虑如何更好的学习AI。

学习AI更令人期待的就是一个玩的过程，玩，就要玩出新花样！

相信很多朋友们认识上面的三个家伙，智能车、TI杯的无线充电电动小车、四旋翼飞行器。无论学硬件还是软件的朋友们，给咱学的东西加点菜，不就更好玩了嘛。

二、ModelArts给你加菜

很多朋友们都抱着对AI学习的极大兴趣，但是大家的基础和经验也不一样，ModelArts就是面向不同能力的开发者，降低了大家学习的门槛。ModelArts以全流程的极简和自动化升级AI开发模式，让数据准备、算法开发、模型训练、模型管理、模型推理全链条产生质的飞跃。

什么是全流程？

1. 自动学习

2. 数据管理

3. 开发环境

4. 作业训练

5. 在线部署

华为云账号注册与实名认证（实名认证拍照认证是最快的方法）

modelarts所在位置

点击EI企业智能即可看到ModelArts,进去之后点击进入控制台界面即可：

其他的领取资源，开发环境创建等这里不再赘述。

在自己的电脑上安装Anaconda来为自己提供学习练习的机会，毕竟初期入门的时候很容易浪费云资源。

（1）下载anaconda(官网：https://www.anaconda.com/)

选择和自己电脑相适应的版本进行下载安装

（2）在自己的电脑上安装各种库文件，采用命令行安装的方式

安装opencv库：pip install opencv-python -i https://mirrors.ustc.edu.cn/pypi/web/simple

安装numpy库：pip install numpy

.............................

（3）利用obsutil将大文件传送至OBS桶

下载obsutil:

必备指令：

初始化配置:

Windows操作系统 : obsutil config -i= ak -k= sk -e= endpoint

macOS/Linux操作系统 : obsutil config -i= ak -k= sk -e= endpoint

ak 和  sk代表自己的访问密钥，endpoint代表自己的终端节点（查看网址:https://developer.huaweicloud.com/endpoint?OBS）

上传对象：（windows系统为例）

obsutil cp d:\temp\test.txt obs://bucket-test/key， 将D盘temp路径下名为test.txt的文件上传至bucket-test桶中，并且重命名为key。

obsutil cp d:\temp obs://bucket-test/temp -f -r，递 归上传D盘temp文件夹中的所有文件和子文件夹至bucket-test桶的temp文件夹中。

（4）做好前期的准备工作就可以安心的学习啦！

四、校园学习兴趣小组的建设：

建设理念：ModelArts_AI开发训练实战小组应本着互帮互助，共同探索，组合突破的学习原则，充分利用课余时间完成AI训练，注重知识笔记与经验总结，分阶段进行理论知识的探讨，覆盖大一大二大三年级，探讨所有实战营任务。涵盖图像分类、图像识别、场景检测、文本分类与识别等全面内容，结合ModelArts平台全流程服务，在思考中总结，在交流中改错。共同参与，才能让这件有意思的事情变得更有意思！

经验分享：好吧，做个最坏的打算，可能实名注册就会有问题，也可能电脑安装不了anaconda，或者某一期的任务就会打不开，再或者云资源很快就被浪费完了，这些烦心事在入门的时候就像家常便饭一样，但都是鸡毛小事，大家交流一下，进展快的同学分享一下学习笔记，分分钟搞定。但是不要让这些小事影响大家的参与度哦~

充分结合大学生创新训练计划与科技创新竞赛，比如电子设计竞赛，智能车大赛，无人机比赛........天上飞的，地上跑的，玩的越丰富，对AI的了解与应用也就更加深刻。竞赛参与并拿奖的过程更是可以极大的提高队员的参与度与成就感。

建立小组任务考核机制，基于ModelArts实战营任务，结合不同年级的学生差别，合理化布局学习任务，并鼓励大家进行实战任务的拓展，进行学习笔记的整理检查，定期开展交流会，利用实验室资源进行AI落地，结合专业竞赛，玩出新花样。

AI开发平台ModelArts AI 开发者

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。