人工智能入门05-华为昇腾实习笔记-初识ModelArts、一键完成商超商品识别模型部署
人工智能入门 - 05 - 华为昇腾实习笔记 - ModelArts
5.24学习：
- 学习“文档首页> AI开发平台ModelArts> 准备工作”
- －注册华为云账号、登录ModelArts控制台、配置权限
- －创建obs桶、体验免费资源
- 学习“文档首页> AI开发平台ModelArts> 快速入门”
- 完成实践《免费体验：一键完成商超商品识别模型部署》
本教程博主开始实践ModelArts，体验到最简单的ModelArts订阅模型部署的流程。
创建obs桶、体验免费资源
前提条件：
1、先注册华为云账号开通华为云注册华为账号并开通华为云_账号中心 (huaweicloud.com)；
2、实名认证实名认证介绍_账号中心 (huaweicloud.com)；
3、根据官网还有一个”配置访问授权“，这个暂时可以不管，等用到了再说。
ModelArts使用对象存储服务（Object Storage Service，OBS）进行数据存储以及模型的备份和快照等。在使用ModelArts之前先创建一个OBS桶（bucket），然后在OBS桶中创建文件夹用于存放数据。
对象存储服务OBS的基本组成是桶和对象。桶是OBS中存储对象的容器，每个桶都有自己的存储类别、访问权限、所属区域等属性，用户在互联网上通过桶的访问域名url来定位桶。对象是OBS中数据存储的基本单位。
对ModelArts来说，OBS服务是一个数据存储中心，因为ModelArts本身目前没有数据存储功能。AI开发过程中的输入数据、输出数据、中间缓存数据都可以在OBS桶中进行存储、读取。
创建桶和其他厂家的OBS类似，我这里选择了”北京四“，因为仅在“华北-北京四”区域提供了免费规格。对不明白的选项旁边都有”？“可以查看解释。创建桶时要命名，需要想一个唯一的桶名，要不然会提示错误。此时的单位是桶。
之后新建一个文件夹，我命名为test。此时的可以上传任何东西作为OBS的最小存储单位对象。
ModelArts服务提供的计算资源主要包括公共资源和专属资源：
1、公共资源池：公共资源池提供公共的大规模计算集群，根据用户作业参数分配使用，资源按作业隔离。按资源规格、使用时长及实例数计费，不区分任务（训练作业、部署、开发）。公共资源池是ModelArts默认提供，不需另行创建或配置。
2、专属资源池：提供独享的计算资源，可用于Workflow、自动学习、开发环境、训练作业、部署模型。专属资源池不与其他用户共享，更加高效。需要单独创建和配置。
在ModelArts的公共资源池中，提供了免费的资源规格，可以免费体验Workflow、自动学习、开发环境、训练管理、部署上线功能。
免费体验：一键完成商超商品识别模型部署
实验目的：初次熟悉ModelArts部署模型的流程。
模型功能：“商超商品识别”模型可以识别81类常见超市商品（包括蔬菜、水果和饮品），并给出置信度最高的5类商品的置信度得分。
整体的流程分为：前期准备－订阅模型－在线部署－预测结果－清理资源。
前期准备
刚刚没做的委托授权认证现在要做了：ModelArts在这个任务过程中涉及到OBS、容器镜像服务SWR、智能边缘平台IEF等服务交互，首次使用ModelArts需要用户配置委托授权，允许访问这些依赖服务。
进入ModelArts管理控制台，在左侧导航栏单击“全局配置”，进入“全局配置”页面，单击“添加授权”。
在“访问授权”页面，选择“授权对象类型”为”所有用户“（授权所有用户，会将委托的权限授权到当前账号下所有子账号，包括未来创建的子账号，授权范围较大，请谨慎使用。），选择”新增委托“及其对应的权限“普通用户”，并勾选“我已经详细阅读”，然后单击“创建”。
tips：在”权限类型“中我们给”所有用户“赋予了基础的”普通用户“权限，包括数据访问、创建任务和管理等，对以后也方便，如果有用户需要更好的权限或者更低的权限，我们再单独设置。
完成配置后，在ModelArts控制台的全局配置列表，可查看到此账号所有的委托配置信息。
订阅模型
“商超商品识别”的模型共享在AI Gallery中，我们进入链接商超商品识别 (huaweicloud.com)完成模型的订阅，订阅实际上就是”我要这盘菜“的意思。
订阅完后，可以在页面中直接进入”控制台“，记得此时选择我们的“北京四”。
会直接跳转到”AI应用“的页面，此时我的上面弹出了如图所示的提示框，这是因为我刚刚委托还没有授权，进入之后根据提示选择刚刚创建的”委托“，”授权“即可。
点击蓝色的“商超商品识别”名称，可以进入这个模型的详情页。
勾选名称左侧的⭕，可以在下面看到“√ 就绪”的状态，说明这个模型此时可以使用。
在线部署
然后我们点击“部署”，在弹出的框中选择“在线服务”，这是要把模型部署为在线服务。
进入部署页面，”名称“填入想要的名称，也可以使用默认值。
“资源池”：选择“公共资源池”。
“AI应用来源”和“选择AI应用及版本”：会自动选择订阅模型。
“计算节点规格”：在下拉框中选择“限时免费”资源，勾选”我已阅读“，最后选择”下一步“。
在弹出的确认页面中再次确认自己选择的各种配置资源，再次确认后即可看到”提交成功“。
可以点击”查看服务详情“门进入模型的状态监控页面。这里会实时显示运行的状态和各种事件。等待状态变成”√ 运行中“字样，说明模型已经成功部署为在线服务。
预测结果
在ModelArts控制台左侧列表找到”部署上线“－”在线服务“，可以看到我们刚刚部署的模型，单击“预测”按钮，我们开始用训练好的模型进行预测任务。
也可以在刚刚的”模型的状态监控页面“，找到”事件“旁边几个的”预测“标签。
我们点击上传，浏览本地的水果图片，这里给一个官方的图片，再给几个我的图片，大家也可以找自己的图片来预测，点击查看81个支持的种类，下面是部分种类。
| Class Name (str) | Class ID (int) | Coarse Class Name (str) | Coarse Class ID (int) | Iconic Image Path (str) |
|---|---|---|---|---|
| Golden-Delicious | 0 | Apple | 0 | /iconic-images-and-descriptions/Fruit/Apple/Golden-Delicious/Golden-Delicious_Iconic.jpg |
| Avocado | 5 | Avocado | 1 | /iconic-images-and-descriptions/Fruit/Avocado/Avocado_Iconic.jpg |
| Banana | 6 | Banana | 2 | /iconic-images-and-descriptions/Fruit/Banana/Banana_Iconic.jpg |
| Kiwi | 7 | Kiwi | 3 | /iconic-images-and-descriptions/Fruit/Kiwi/Kiwi_Iconic.jpg |
| Lemon | 8 | Lemon | 4 | /iconic-images-and-descriptions/Fruit/Lemon/Lemon_Iconic.jpg |
| Lime | 9 | Lime | 5 | /iconic-images-and-descriptions/Fruit/Lime/Lime_Iconic.jpg |
| Mango | 10 | Mango | 6 | /iconic-images-and-descriptions/Fruit/Mango/Mango_Iconic.jpg |
| Cantaloupe | 11 | Melon | 7 | /iconic-images-and-descriptions/Fruit/Melon/Cantaloupe/Cantaloupe_Iconic.jpg |
| Nectarine | 15 | Nectarine | 8 | /iconic-images-and-descriptions/Fruit/Nectarine/Nectarine_Iconic.jpg |
上传后点击预测可以看到预测结果，在可能的五个项目中，”orange“取得了最高的得分。
如果是商品库里的东西，识别率还是可以的，但是对于其他东西，比如我给的草莓就识别不出来。
清理资源
体验结束后，建议暂停或删除服务，避免占用资源，造成资源浪费。
停止在线服务：在“在线服务”列表，单击对应服务操作列的“更多 > 停止”。（停止服务需要一定时间）
删除在线服务：在“在线服务”列表，单击对应服务操作列的“更多 > 删除”。
小结
这个案例让我熟悉了在ModelArts上部署模型的最简单流程，体验到了ModelArts平台训练推理零代码的便捷。
在商场购物时，我们会遇到能自动识别商品的称重台，都是苹果甚至种类也可以分的很清楚，这就是背后的技术。
这是一个分类模型，把这个模型部署为在线的服务后，我们就可以采用以下方法远程调用这个服务，连接我们的程序和设备，提取出来预测的结果：
1、使用Curl命令发送预测请求；
2、使用Postman等图像界面，发送API调用请求；
3、使用Python脚本命令，构造API调用请求。
