AI人工智能三要素包括數(shù)據(jù)、算法和算力。數(shù)據(jù)的質量會影響模型的精度，大量高質量的數(shù)據(jù)更有可能訓練出高精度AI模型?？蓞⒖?a rel="noopener noreferrer" target="_blank" class="por-link">數(shù)據(jù)準備與分析準備數(shù)據(jù)。

ModelArts數(shù)據(jù)準備全流程：

模型訓練過程中需要大量已標注的數(shù)據(jù)，因此在模型訓練之前需要進行數(shù)據(jù)標注作業(yè)。ModelArts為用戶提供了標注數(shù)據(jù)的能力：

• 人工標注：對于不同類型（圖片、音頻、文本和視頻）的數(shù)據(jù)，用戶可以選擇不同的標注類型。
• 智能標注：智能標注是指基于當前標注階段的標簽及圖片學習訓練，選中系統(tǒng)中已有的模型進行智能標注，快速完成剩余圖片的標注操作。目前只有“圖像分類”和“物體檢測”類型的數(shù)據(jù)集支持智能標注功能。
• 團隊標注：ModelArts提供了團隊標注功能，可以由多人組成一個標注團隊，針對同一個數(shù)據(jù)集進行標注管理。團隊標注功能當前僅支持“圖像分類”、“物體檢測”、“文本分類”、“命名實體”、“文本三元組”、“語音分割”類型的數(shù)據(jù)集。

數(shù)據(jù)準備完成后，可進行AI模型開發(fā)。AI模型開發(fā)的過程，稱之為Modeling，一般包含兩個階段：開發(fā)階段和實驗階段。兩個過程可以相互轉換。如開發(fā)階段代碼穩(wěn)定后，則會進入實驗階段，通過不斷嘗試調整超參來迭代模型；或在實驗階段，有一個可以優(yōu)化訓練的性能的想法，則會回到開發(fā)階段，重新優(yōu)化代碼。模型開發(fā)部分過程可見下圖。

• 開發(fā)階段：準備并配置環(huán)境，調試代碼，使代碼能夠開始進行深度學習訓練，推薦在ModelArts開發(fā)環(huán)境中調試。
• 實驗階段：調整數(shù)據(jù)集、調整超參等，通過多輪實驗，訓練出理想的模型，推薦在ModelArts訓練中進行實驗。

ModelArts提供了模型訓練的功能，方便您查看訓練情況并不斷調整您的模型參數(shù)。您還可以基于不同的數(shù)據(jù)，選擇不同規(guī)格的資源池用于模型訓練。除支持用戶自己開發(fā)的模型外，ModelArts還提供了從AI Gallery訂閱算法，您可以不關注模型開發(fā)，直接使用AI Gallery的算法，通過算法參數(shù)的調整，得到一個滿意的模型。

請參考以下指導在ModelArts上訓練模型：

1、您可以將訓練數(shù)據(jù)導入至數(shù)據(jù)管理模塊進行數(shù)據(jù)標注或者數(shù)據(jù)預處理，也支持將已標注的數(shù)據(jù)上傳至OBS服務使用。

2、訓練模型的算法實現(xiàn)與指導請參考準備算法章節(jié)。

3、使用控制臺創(chuàng)建訓練作業(yè)請參考創(chuàng)建訓練作業(yè)章節(jié)。

4、關于訓練作業(yè)日志、訓練資源占用等詳情請參考查看訓練作業(yè)日志。

5、停止或刪除模型訓練作業(yè)，請參考停止、重建或查找作業(yè)。

6、如果您在訓練過程中遇到問題，文檔中提供了部分故障案例供參考，請參考訓練故障排查。

AI模型開發(fā)完成后，在ModelArts服務中可以將AI模型創(chuàng)建為AI應用，將AI應用快速部署為推理服務，您可以通過調用API的方式把AI推理能力集成到自己的IT平臺。

1、開發(fā)模型：模型開發(fā)可以在ModelArts服務中進行，也可以在您的本地開發(fā)環(huán)境進行，本地開發(fā)的模型需要上傳到華為云OBS服務。制作模型包可參見模型包規(guī)范介紹。

2、創(chuàng)建AI應用：把模型文件和推理文件導入到ModelArts的模型倉庫中，進行版本化管理，并構建為可運行的AI應用。

3、部署服務：把AI應用在資源池中部署為容器實例，注冊外部可訪問的推理API。

4、推理：在您的應用中增加對推理API的調用，在業(yè)務流程中集成AI推理能力。