生活中的大量真实问题，每每须要自主演习个性化的模型来办理。
这种利用自己演习的模型而开拓的AI项目，笔者称之为“个性化”AI项目，毕竟现有AI模型供应的每每是“通用”能力，如任何一个图像分类模型都无法识别我家宠物和邻居家宠物的差异。
之前开拓“个性化”AI项目对学生的Python能力哀求较高，学有余力的中学生才会试着去探究。
但近几年由于干系工具的涌现，演习AI模型的技能门槛越来越低，现在哪怕不会写Python代码，也能借助Mind+来开拓“个性化”AI项目。

●自主演习AI模型办理问题的流程剖析

开拓“个性化”AI项目大致可分为模型演习和模型运用两个环节。
模型演习是指从网络数据开始，先搭建得当的算法然后演习，终极得到具备某种能力的模型。
模型运用则是将演习好的模型支配到实际场景中，办理真实问题。
要让一个AI模型“变成”一个AI运用系统，要么将模型放在某个已经编写好的程序中，要么结合某种编程措辞，将模型集成到各种程序中。
如图1所示，一个要办理真实问题的个性化AI项目，须要网络数据并自主演习AI模型，成为数据处理环节的核心模块。

图1 一个AI项目的事情流程

要实现不编写Python开拓“个性化”AI项目，显然须要具备两方面的条件：其一是借助不编写Python代码的模型演习工具，网络数据并演习个性化的AI模型；其二是将这一模型整合到图形化编程工具中去，形成一个AI运用。
目前，这两个条件都已经达到，前者可以借助EasyTrain结合XEdu来实现，后者可以借助XEduHub结合Mind+来实现。

●借助EasyTrain演习个性化AI模型

模型演习事情大致可以分为数据准备、模型搭建、模型演习、模型评估等核心环节，如图2所示。
从事情流程可以看出，演习AI模型的难度在数据准备和算法搭建环节，而演习的速率则取决于算力。
只要找到得当的工具，演习常见的AI模型并不困难。

图2 人工智能模型演习的事情流程

对付不熟习Python代码的学生来说，只要安装了XEdu环境，即可利用EasyTrain来演习模型（如图3）。
EasyTrain是XEdu项目中“EasyDL”系列工具中的一种。
顾名思义，它便是用来做模型演习的小工具。
EasyTrain支持MMEdu、BaseNN和BaseML，能够在网页点击鼠标天生模型演习代码，也能够在网页端调用底层环境演习模型。

图3 EasyTrain的界面

EasyTrain位于“XEdu一键安装包”的“EasyDL”文件夹（如图4），也可以利用命令“pip install easy-xedu”单独安装。
EasyTrain在演习启动时会自动检讨所依赖的Python环境。
如果短缺对应环境，会给出提示（如运行BaseML天生的代码须要安装BaseML，命令为“pip install BaseML”）。
启动EasyTrain同样是利用指令来完成，命令为“EasyTrain”。

图4 EasyTrain的运行脚本位置

利用EasyTrain虽然不须要写代码，但要演习出一个AI模型不仅须要网络干系数据，还要理解机器学习的专用名词，如数据集格式、学习率（lr）、轮次（epochs）等。
BaseML基于Scikit-Learn，BaseNN和MMEdu基于Pytorch开拓，利用的关键词和绝大多数的教程是同等的。

实际上，只要具备最基本的Python语法知识，就能借助XEdu文档编写出演习模型的代码。
XEdu的系列工具演习模型的代码险些都是公式化的，查看EasyTrain天生的代码就能看出，只须要改换数据集地址、算法名称和部分参数。
当然，也可以借助大措辞模型来天生演习模型的代码。

●在Mind+上完成个性化模型推理

险些每一种AI开拓框架都会有自己特定类型的模型，如PyTorch的模型格式为“.pth”、TensorFlow的模式格式为“.h5”等。
为了让AI模型更随意马虎转化为运用软件，不同的企业和机构相继推出了各自的推理工具（也称推理框架、支配工具）。
目前，ONNX Runtime是一个运用较为广泛的推理框架，其模型格式为ONNX。
EasyTrian在演习模型的末了阶段，都会提醒是否转换为ONNX格式。
如果忘却转换，后期也可以用“EasyDL”中的“EasyConvert.bat”来转换。

一样平常来说，演习模型的工具也会自带推理功能，如XEdu工具的XEduHub。
XEduHub将自主演习的模型推理，称之为“通用任务”。
“通用任务”的推理工具、语法和“预置任务”同等，也是利用Workflow模块，只要将“task”名称改为工具名称，如“mmedu”“BaseML”等即可，如图5所示。

图5 在Mind+中推理MMEdu的模型

XEduHub的通用任务不仅支持XEdu系列工具演习的模型，还支持其他的ONNX模型（如图6）。
学习者可以通过ModelScope（魔搭社区）或者Hugging Face***自己感兴趣的模型，然后通过XEduHub推理。
但条件是须要理解这个模型的输入数据格式以及输出结果数据中代表的意义。

图6 XEduHub的通用任务

●结语

XEdu的核心设计理念是将AI模型演习和模型推理事情分离，降落了用AI办理问题的门槛。
现在无代码演习模型的工具很多，而在大措辞模型的支持下，通过得当的提示词，也能得到直接可用的模型演习代码。
因此，演习常见的AI模型并非中小学生不可寻衅的难题。
而随着OpenHydra的涌现，搭建支持算力设备的演习环境也会变得越来越大略。
大概过不了多久，互联网上就会涌现各种用自然措辞即可完成所有操作的模型演习工具。

其余，经由本文的剖析可以创造，无论是AI模型演习还是推理，对编程的哀求都越来越低，险些没有难度。
但也要明确一点，要实现用AI办理真实问题，AI根本知识是必备的，如神经网络和深度学习。
实际上对中小学生来说，用AI办理问题的最大难度不在算法和算力上，而在于数据——如何根据需求网络干系的数据。

本文作者：

谢作如

浙江省温州科技高等中学

文章刊登于《中国信息技能教诲》2024年第13期

引用请注明参考文献：

谢作如.Mind+遇上EasyTrain：不会Python也能开拓“个性化”AI项目[J].中国信息技能教诲，2024（13）：90-92.