程序员去公司面试准备什么，ModelArts + Gallery = 0基础玩转AI，Python开发面试2024-CSDN博客

本文链接：https://blog.csdn.net/m0_59157465/article/details/137508614

| 低门槛 | 开箱即用，零基础 3 步即可构建 AI 模型 |

| 高效率 | AI 开发全流程可视化管理，生产效率百倍提升 |

| 高性能 | 自研 MoXing 框架，极致提升开发效率和训练速度 |

| 易运维 | 灵活支持多厂商多框架多功能模型统一纳管 |

1.2 AI ModelArts 功能大赏

1.2.1 本文将重点演示： 基于 ModelArts 预置算法实现花卉识别

1.2.2 其它功能探索

功能超级多，小伙伴们自己去发掘吧！

1.3 AI ModelArts 实战演示训练

ModelArts 在 AI Gallery 中提供了适用于“物体检测”、“图像分类”和“文本分类”等场景的算法、数据、模型等。

步骤 1：准备训练数据
步骤 2：订阅算法
步骤 3：使用订阅算法创建训练作业
步骤 4：创建 AI 应用
步骤 5：部署为在线服务（CPU）

说明：本案例使用过程中，从 AIGallery 下载数据集和订阅算法免费，在 ModelArts 上运行训练作业推荐使用免费资源，将模型部署为在线服务推荐使用免费资源。

步骤 1：准备训练数据

1、单击样例数据集链接，跳转至“AI Gallery > 数据 > 四类花卉图像分类小数据集”页面。

2、单击“下载”跳转至下载页面详情页。

3、在下载详情页，填写参数。下载方式：选择“对象存储 OBS 服务” 目标区域：选择“华北-北京四” 目标位置：请选择一个空的 OBS 目录，本示例为“/test-modelartsz/dataset-flower/”

4、确认无误后，单击确定。页面自动跳转到“个人中心>我的数据>我的下载”页面，请耐心等待，预计 5 分钟左右。

5、下载完成后，您可以单击目标位置跳转至 OBS 桶中查看是否存在已下载的数据。

步骤 2：订阅算法

目前“图像分类-ResNet_v1_50”算法发布在 AI Gallery 中。您可以前往 AI Gallery，订阅此模型，然后同步至 ModelArts 中。

1、在 ModelArts 管理控制台中，在左侧菜单栏中选择“AI Gallery”，进入 AI Gallery。 2、在 AI Gallery 中，选择“资产集市>算法”页签，在搜索框中输入“图像分类-ResNet_v1_50”，查找对应的算法。请选择支持 CPU、GPU 训练的算法。 3、单击算法链接进入算法详情页，单击右侧的“订阅”，根据界面提示完成算法订阅。此算法由 ModelArts 官方提供，目前免费开放。订阅算法完成后，页面的“订阅”按钮显示为“已订阅”。

4、单击详情页的“前往控制台”，此时弹出“选择云服务区域”对话框，选择 ModelArts 对应的区域，然后再单击“确定”，页面将自动跳转至 ModelArts 的“算法管理>我的订阅”中同步对应的算法。

5、在 ModelArts 管理控制台的算法管理页面，算法将自动同步至 ModelArts 中。

步骤 3：使用订阅算法创建训练作业

算法订阅成功后，算法将呈现在“算法管理>我的订阅”中，您可以使用订阅的“图像分类-ResNet_v1_50”算法创建训练作业，获得模型。

1、进入“算法管理 > 我的订阅”页面，选择订阅的“图像分类-ResNet_v1_50”算法，单击左侧的小三角展开算法，在版本列表中，单击“创建训练作业”。

2、在创建训练作业页面，参考如下说明填写关键参数。

“算法>我的订阅”：系统默认选择订阅的算法，请勿随意修改。
“训练输入”：选择数据存储位置，然后从弹出的窗口中选择步骤 1：准备训练数据中下载好的数据 dataset-flower。
“训练输出”：选择一个 OBS 空目录存储训练输出的模型。例如：“test-modelartsz/output”
“超参”：建议采用默认值。如需进行调优，可参考运行参数说明。

3、参数填写完成后，单击“提交”，根据界面提示确认规格，单击“确定”，完成训练作业创建。进入“训练管理 > 训练作业 New”页面，等待训练作业完成。

当训练作业的状态变更为“已完成”时，表示已运行结束。

步骤 4：创建 AI 应用

1、在训练作业详情页的右上角单击“创建 AI 应用”，进入创建 AI 应用页面。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！