互联网公司面试的问题，ModelArts + Gallery = 0基础玩转AI(2)，掌握了这些Python高级工程师必备知识

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。

2、在创建 AI 应用页面，系统会自动根据上一步训练作业填写参数，参考如下说明确认关键参数。

• “元模型来源”：系统自动选择“从训练中选择 >训练作业（New）”。

• “选择训练作业”：系统自动选择上一步创建的训练作业。

• “AI 引擎”：系统自动写入该模型的 AI 引擎，无需修改。

• “推理代码”：系统自动放置推理代码到 OBS 输出路径，无需修改。

• “部署类型”：默认选择“在线部署”。

当 AI 应用的状态变为“正常”时，表示创建成功。

步骤 5：部署为在线服务（CPU）

1、在 AI 应用列表中，单击名称前面的，在版本的操作列中单击“部署 > 在线服务”。

2、在部署页面，参考如下说明填写关键参数。

• “资源池”：选择“公共资源池”。

• “选择 AI 应用及配置”：AI 应用来源及版本会自动选择前面创建的 AI 应用。

• “计算节点规格”：在下拉框中选择限时免费资源，若限时免费资源售罄，建议选择 CPU 资源进行部署。

• “计算节点个数”，默认设置为“1”，目前仅支持单机部署，只能设置为“1”，不可修改。

3、预测结果

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）

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

g.cn/5db8141418d544d3a8e9da4805b1a3f9.png)

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-BNbv7prF-1712469841626)]