目錄
一、AI Gallery 社區體驗
二、通過華為云 ModelArts 平臺聲音分類
三、華為云 ModelArts 總結
一、AI Gallery 社區體驗
AI Gallery 是在 ModelArts 的基礎上構建的開發者生態社區，如下面這張截圖所示，這里提供了資產集市、教學、實踐、AI說、案例庫等模塊，方便AI愛好者的運用和學習，
二、通過華為云 ModelArts 平臺聲音分類
首先，準備需要訓練的資料集，進入華為云提供的 AI Gallery 社區，選擇“資產集市”下的“資料集”，點擊進入資料集，
選擇資料集型別，本次體驗我選擇的是音頻型別資料集，如下所示，選擇音頻資料集，
本文選擇的是“sound_Classfication”動物叫聲資料集，如下圖所示，
緊接著，下載““sound_Classfication”資料集，我的目標區域默認為華北-北京四，這里我沒做修改，如下圖所示，目標位置選擇前需要先創建桶，在此圖的后面的圖中有演示，
創建桶時需要設定一個“桶名稱”，下圖顯示的就是我創建桶設定的桶名稱，桶名稱設定的規則這里也有說明，不支持大寫字母，設定完成后，點擊“立即創建”按鈕，
回傳上一步，可以選擇桶名稱，并點擊新建檔案夾，創建一個用來存放輸入資料集的檔案夾，創建完成后可以選擇下載資料的檔案夾，如下圖所示，
設定好下載桶和下載路徑，開始下載資料集，如下圖所示，
到這里為止，資料集就已經準備完成，接下來，可以打開AI平臺ModelsArts，如下圖，點擊“管理控制臺”按鈕，
進入ModelArts頁面后，如下圖，點擊“自動學習”，我這里選擇的是“聲音分類”，點擊“創建專案”，
進入“創建聲音分類專案” 頁面，如下圖，選擇“資料集輸入位置”、“資料集輸出位置”，
設定完成資料集的輸入/輸出位置，就來到了“資料標注”的頁面，分別對每個音頻進行資料標注，我這里共有4個標簽的音頻，分別是cat貓叫聲、tiger老虎叫聲、dog狗叫聲和bird鳥叫聲，總共標注了120個音頻，如下圖所示，標注完成，點擊“開始訓練”按鈕，
點擊完成“開始訓練”按鈕，進入訓練模型設定頁面，如下圖，選中“我已閱讀并同意以上內容”復選框，繼續下一步，
接下來，點擊提交已標注的資料集，開始進入模型訓練， 
接下來的兩步，就交給ModelArts平臺自動完成，
訓練任務提交成功，模型訓練中，
訓練速度很快，經過了一小段時間的等待，模型訓練完成，我的模型訓練的準確率顯示96%，挺不錯，
模型訓練完成啦，開始進入“部署”階段，點擊“下一步”，
點擊“提交”按鈕，
如下圖，部署任務提交成功，
模型部署完成，我在網上找了貓叫聲、老虎叫聲、狗叫音頻，分別上傳，進行模型測驗驗證，預測結果如下面三張圖所示，結果完全正確，
三、華為云 ModelArts 總結
本次通過 AI Gallery 社區，下載音頻資料集，為使用ModelArts平臺進行資料集標注、模型訓練、模型部署等提供了首要服務，ModelArts非常智能也非常迅速，省去了像往日一樣從環境搭建、安裝各種插件、手動部署模型等步驟，可以在較短的時間內完成模型訓練，運用起來非常敏捷，總之，ModelArts是一個很好地服務于AI愛好者的一個平臺，本次可以說是，完美的體驗了一次一站式的AI模型訓練帶來的方便，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/420463.html
標籤：AI
上一篇：機器學習應用——強化學習&課程總結 實體 “自主學習Flappy Bird游戲”（MDP&蒙特卡洛強化學習&Q-learning&DRL&DQN）