寫在前面

之前上學使用華為的ModelArts平臺做了類似的影像識別之類的小專案，零編碼，但是需要自己搞資料集，標注、選擇演算法、訓練模型等，用的話直接調API，
NLP方面之前的一個實習公司有用，對一些類似招股書檔案資料進行核查的，那會我作為Java開發做些資料清洗的作業，調NLP的介面去識別一些表格,然后用java寫一些邏輯，把資料的按要求分類整理上傳，
在之后作業中沒有接觸過，也沒有學習過，但是對這方面蠻感興趣的，基本算是小白，對NLP之類的演算法也不懂，買了一本相關的書籍，也落灰了，看到這個活動，想學習學習，所以參加了，
依舊，附上活動鏈接：https://bbs.csdn.net/topics/601636817

活動內容：使用Azure認知服務免費提供的AI服務（包括語音轉文本、文本轉語音、語音翻譯、文本分析、文本翻譯、語言理解）開發智能應用，并以博文形式分享使用上述服務（至少試用3項服務）教程以及自己的使用心得體驗；

我徒然學會了抗拒熱鬧，卻還來不及透悟真正的冷清，--------張大春

在使用之前我們需要先了解下相關概念

一、關于認知服務的一些基本概念和術語

什么是 Azure 認知服務？：

認知服務: 提供認知理解(看、聽、說、理解，甚至可以決策的認知)功能的服務，

認知服務主要分為四大類：

影像
語音
語言
決策

Azure 認知服務是具有 REST API和客戶端庫 SDK的基于云的服務，可用于幫助你將認知智能構建到應用程式中，即使你沒有人工智能 (AI) 或資料科學技能，也可向應用程式添加認知功能，Azure 認知服務包含各種 AI 服務，讓你能夠構建可以看、聽、說、理解，甚至可以決策的認知解決方案，

我們要做一個可以和自己聊天的機器人，所以需要語言理解.

什么是語言理解 (LUIS)？

語言理解 (LUIS) 是一種基于云的對話式 AI 服務，可在用戶對話的自然語言文本中應用自定義機器學習智能，以便預測整體含義并提煉出相關的詳細資訊， LUIS 通過其自定義門戶、API 和 SDK 客戶端庫提供訪問權限，

二、服務構建步驟

1、首先、我們需要創建一個資源


使用Azure門戶創建新資源



關于Azure 認知服務入門方面的教程，小伙伴可以移步官方檔案 https://docs.azure.cn/zh-cn/cognitive-services/cognitive-services-apis-create-account?tabs=multiservice%2Cwindows

2、服務應用構建

步驟
登錄到LUIS門戶

創建新應用


生成模型
添加意向，即你要說些什么話，即語料，這個隨便寫點

添加13-15個

添加物體

使用預構建的模型，這里我們全都選擇了,上面的2步應該就是生成這個，類似模板

訓練模型

發布模型

查看資訊

3、發布應用服務測驗,使用python腳本呼叫介面

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker pull centos/python-36-centos7
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ ls
input  luis_run.sh  output  predict.py
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm -it  --name=chatbot -v $PWD/predict.py:/predict.py centos/python-36-centos7  /bin/bash
(app-root) cd /
(app-root) ls
anaconda-post.log  bin  boot  dev  etc  help.1  home  lib  lib64  media  mnt  opt  predict.py  proc  root  run  sbin  srv  sys  tmp  usr  var
(app-root) python predict.py
Traceback (most recent call last):
  File "predict.py", line 6, in <module>
    import requests
ModuleNotFoundError: No module named 'requests'
(app-root) pip install requests
.........................
Collecting requests
  Downloading https:/
  .....
(app-root) python predict.py
{'query': '一個人怎么生活？', 'prediction': {'topIntent': '生活加油', 'intents': {'生活加油': {'score': 0.8969882}, 'Calendar.ShowNext': {'score': 0.58274937}, 'Calendar.FindCalendarWhen': {'score': 0.25383785}, 'Places.GetReviews': {'score': 0.24764298}, 'Utilities.ReadAloud': {'score': 0.20971665}, 'HomeAutomation.QueryState': {'score': 0.15509635}, 'Calendar.CheckAvailability': {'score': 0.12212229}, 'Places.GetPriceRange': {'score': 0.122063436},........

測驗成功 :predict.py腳本


########### Python 3.6 #############

#
# This quickstart shows how to predict the intent of an utterance by using the LUIS REST APIs.
# 匯入模塊
import requests

try:
    ##########
    # Values to modify.
    # YOUR-APP-ID: The App ID GUID found on the www.luis.ai Application Settings page.
    # 替換為自己的APP-ID
    appId = '949d3538-07df-4149-bee8-83dc7f4e11bd'
    # YOUR-PREDICTION-KEY: Your LUIS prediction key, 32 character value.
    prediction_key = '24440ef2829c45f0a061599ee00b496a'
    # YOUR-PREDICTION-ENDPOINT: Replace with your prediction endpoint.
    # For example, "https://westus.api.cognitive.microsoft.com/"
    prediction_endpoint = 'https://chatbot0.cognitiveservices.azure.cn/'
    # The utterance you want to use.
    # 你想和他說的話..
    utterance = '一個人怎么生活？'
    ##########
    # The headers to use in this REST call.
    headers = {
    }

    # The URL parameters to use in this REST call.
    params ={
        'query': utterance,
        'timezoneOffset': '0',
        'verbose': 'true',
        'show-all-intents': 'true',
        'spellCheck': 'false',
        'staging': 'false',
        'subscription-key': prediction_key
    }


    # Make the REST call.
    response = requests.get(f'{prediction_endpoint}luis/prediction/v3.0/apps/{appId}/slots/production/predict', headers=headers, params=params)

    # Display the results on the console.
    print(response.json())


except Exception as e:
    # Display the error string.
    print(f'{e}')

4、部署服務，啟動和運行 LUIS環境準備


進入資源

按照部署要求一步步構建

拉取鏡像

最好找個鏡像加速器配置一下，要不太慢了

拉取鏡像

┌──[root@liruilongs.github.io]-[/etc/docker]
└─$ docker pull mcr.microsoft.com/azure-cognitive-services/luis
Using default tag: latest
latest: Pulling from azure-cognitive-services/luis
b248fa9f6d2a: Pull complete
406741bedf7a: Pull complete
0767c6f1d20a: Pull complete
3687afaf861f: Pull complete
095d858c817b: Pull complete
45c05f18f223: Pull complete
ce065679c887: Pull complete
Digest: sha256:3583c9034a6e8f4ec78b2cf8d880d7eab7d960deebfc5ebd03853cffcdb879f0
Status: Downloaded newer image for mcr.microsoft.com/azure-cognitive-services/luis:latest
mcr.microsoft.com/azure-cognitive-services/luis:latest
┌──[root@liruilongs.github.io]-[/etc/docker]
└─$ # 嗯，這個鏡像好似做這個沒啥用，后面用的不是這個，

安裝并運行 LUIS 的 Docker 容器

運行步驟
必需的引數:所有認知服務容器都需要三個主要引數， `最終用戶許可協議 (EULA) 的值必須為 accept`，此外，終結點`URL`和`API`密鑰都是必需的，

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ mkdir input output
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ ls
input  luis_run.sh  output
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ cat luis_run.sh
docker run --rm -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0a061599ee00b496a  ##這里引數填自己的
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0a061599ee00b496a  ## 啟動容器


EULA Notice: Copyright ? Microsoft Corporation 2020. This Cognitive Services Container image is made available to you under the terms [https://go.microsoft.com/fwlink/?linkid=2018657] governing your subscription to Microsoft Azure Services (including the Online Services Terms [https://go.microsoft.com/fwlink/?linkid=2018760]). If you do not have a valid Azure subscription, then you may not use this container.


Using '/input' for reading models and other read-only data.
Using '/output/luis/ff2a18ee78a1' for writing logs and other output data.
Logging to console.
Submitting metering to 'https://chatbot0.cognitiveservices.azure.cn/'.
warn: Microsoft.AspNetCore.DataProtection.KeyManagement.XmlKeyManager[35]
      No XML encryptor configured. Key {d826e89b-febe-4b93-bad8-db07cb994012} may be persisted to storage in unencrypted form.
warn: Microsoft.AspNetCore.Server.Kestrel[0]
      Overriding address(es) 'http://+:80'. Binding to endpoints defined in UseKestrel() instead.
Hosting environment: Production
Content root path: /app
Now listening on: http://0.0.0.0:5000
Application started. Press Ctrl+C to shut down.

測驗

查看介面API

應用包上傳，放到input檔案夾下

┌──(liruilong?Liruilong)-[/mnt/c/Users/lenovo/Downloads]
└─$ scp ./949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz  root@192.168.26.55:/
949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz                                    100% 6434KB  19.0MB/s   00:00

放到input檔案夾下，啟動容器

┌──[root@liruilongs.github.io]-[/]
└─$ cp 949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz  /liruilong/input/
┌──[root@liruilongs.github.io]-[/]
└─$ cd /liruilong/input/
┌──[root@liruilongs.github.io]-[/liruilong/input]
└─$ ls
949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz
┌──[root@liruilongs.github.io]-[/liruilong/input]
└─$ cd ..
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ pwd
/liruilong
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ # 啟動容器服務

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm --name=demo  -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0a061599ee00b496a


EULA Notice: Copyright ? Microsoft Corporation 2020. This Cognitive Services Container image is made available to you under the terms [https://go.microsoft.com/fwlink/?linkid=2018657] governing your subscription to Microsoft Azure Services (including the Online Services Terms [https://go.microsoft.com/fwlink/?linkid=2018760]). If you do not have a valid Azure subscription, then you may not use this container.


Using '/input' for reading models and other read-only data.
Using '/output/luis/da43b9631f9d' for writing logs and other output data.
Logging to console.
Submitting metering to 'https://chatbot0.cognitiveservices.azure.cn/'.
warn: Microsoft.AspNetCore.DataProtection.KeyManagement.XmlKeyManager[35]
      No XML encryptor configured. Key {886021ff-6bf5-423d-be12-ba9b52383b9e} may be persisted to storage in unencrypted form.
warn: Microsoft.AspNetCore.Server.Kestrel[0]
      Overriding address(es) 'http://+:80'. Binding to endpoints defined in UseKestrel() instead.
Hosting environment: Production
Content root path: /app
Now listening on: http://0.0.0.0:5000
Application started. Press Ctrl+C to shut down.

檔案名不對，需要改一下

用swagger測驗一下

好吧，唐突了，想的太簡單了，以為會直接對話呢，額，原來只能類似分詞聚義的功能，原來認知是這個意思，即將你要表達的話，提取出關鍵資訊，即轉化為AI機器人能夠處理的資料，

{
  "query": "據悉，該活動由世界休閑組織，杭州市政府主辦，中國國際科技促進會三農發展作業委員會等聯合會承辦，",
  "topScoringIntent": {
    "intent": "Places.GetPhoneNumber",
    "score": 0.9103095
  },
  "entities": [
    {
      "entity": "作業",
      "type": "Calendar.Subject",
      "startIndex": 35,
      "endIndex": 36,
      "score": 0.63087225
    },
    {
      "entity": "際科技促進會三農發展作業委員會等聯合會承辦 ，",
      "type": "Note.Text",
      "startIndex": 25,
      "endIndex": 46,
      "score": 0.6798551
    },
    {
      "entity": "杭州市",
      "type": "Places.AbsoluteLocation",
      "startIndex": 14,
      "endIndex": 16,
      "score": 0.966151536
    },
    {
      "entity": "國際科",
      "type": "Places.PlaceName",
      "startIndex": 24,
      "endIndex": 26,
      "score": 0.3605822
    },
    {
      "entity": "作業",
      "type": "Calendar.DestinationCalendar",
      "startIndex": 35,
      "endIndex": 36,
      "resolution": {
        "values": [
          "作業"
        ]
      }
    },
    {
      "entity": "作業",
      "type": "Places.OpenStatus",
      "startIndex": 35,
      "endIndex": 36,
      "resolution": {
        "values": [
          "作業"
        ]
      }
    },
    {
      "entity": "休閑",
      "type": "RestaurantReservation.Atmosphere",
      "startIndex": 9,
      "endIndex": 10,
      "resolution": {
        "values": [
          "休閑"
        ]
      }
    }
  ]
}

簡單嘗試一下，把生成的物體組合，作為關鍵字給一機器人用，然后識別，進行簡單對話，簡單測驗了下，發現效果很一般

額…機器人沒出寫來,唐突了，沒法治愈自己了 ^ _ ^

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/336336.html

標籤：其他

上一篇：VS2019+OpenCV4.5 魚眼相機影像畸變矯正

下一篇：Yolo（3）（專案）Yolo v3 目標檢測（85分類）

徒然學會了抗拒熱鬧,卻還來不及透悟真正的冷清；寫個聊天機器人治愈自己吧!