有这技术，活该涨工资！
共 2945字，需浏览 6分钟
·
2022-07-05 15:11
大家好，我是 Jack。
我发现，技术开放日是个好东西，秀技术肌肉的好日子。
各大互联网公司都有这样的活动。
就比如，腾讯在 6 月 28 日就举行了首期的 Techo Day，这期的主题是“轻量级”。
所谓腾讯也围绕降低门槛，提高研效发布了几款新的云开发工具。
这里最让我眼前一亮的是腾讯云 TI 平台的 TI-ONE。
可以轻松地让我们训练自己想要的模型。
TI-ONE
这么好的工具，我也去体验了一番。
化繁为简，轻而易用。
TI-ONE 的官方定义是这样的：
腾讯云 TI 平台 TI-ONE 是为 AI 工程师打造的一站式机器学习平台，为用户提供从数据接入、模型训练、模型管理到模型服务的全流程开发支持。腾讯云 TI 平台 TI-ONE 支持多种训练方式和算法框架，满足不同 AI 应用场景的需求。
官方使用手册：
https://cloud.tencent.com/document/product/851
体验地址：
https://cloud.tencent.com/product/tione
应用场景
目前平台提供了低门槛训练场景：图像分类和图像检测。
除主流的训练场景外，其他类型的场景化训练工具，会持续升级丰富。
像现在，很多工业界都在逐渐使用深度学习算法进行缺陷检测与缺陷分类。
TI-ONE 就可以帮助这些技术积累少，但也想试一试这些算法的传统行业，帮助他们降本增效。
会用了这神器，让老板涨工资稳了！
今天就带大家一起实战试一试。
弄个简单的，试一试分类任务。
一提到分类任务，我就想到了之前写的文章，用传统方法做的色情图片识别，其实用深度学习方法效果更好，更稳定，但苦于无法分享数据集只能作罢。
今天就不来这种极限拉扯的了，来点正经干货！
数据集准备
我们都知道，想要训练一个基于监督学习的深度学习分类模型，必须得有数据，有标签。
对于分类任务，平台支持两种格式的数据：
TI 平台格式
其实就是有个 annotation.txt 写好数据的标注信息即可。
annotation.txt 文件的格式是这样的：
{
"info": { // 可选字段，表示图片的相关信息
"md5": "图片md5值", // 可选字段，表示图片的md5值
"path": "图片相对路径",
},
"tags": {
"classification_tags": [{
"first_class": "一级标签值",
"confidence_level": 置信度 // 可选字段，表示标签置信度
}]
}
}
这个其实需要使用者有一定的代码能力，写好标注数据，略有门槛。
文件目录结构
另外就是这种，不用写什么标注文件，直接一个类别一个文件夹就行。
简单粗暴，无需额外上传标注文件。
这是有标签的数据，对于没有标签的数据，我们也可以使用 TI-ONE 平台进行标注：
自己一张一张标注数据就可以了：
总结一下就是：
自己有数据，有标签，直接按照格式导入平台，就能使用了 自己有数据，没标签，也可以导入平台，然后一张一张标注
自动学习
数据准备好，我们就可以尝试训练模型了，选择图像分类。
这里我直接使用示例数据进行测试，平台为我们准备好了一些任务的数据集。
如果是使用自己的数据集，可以选择数据中心，里面保存的就是我们自己上传的数据。
这是一个简单的分类任务，有各种小企鹅。
有齐天大圣：
有威威虎：
一共 12 个类别，共 720 张训练数据。
数据分为：
训练集：用来训练模型的数据。 验证集：训练的时候，是根据验证集的准召保存模型的，不参与训练。 测试集：训练好后，用测试集看模型的效果，不参与训练。
结果需要输出到 COS 中，就是一个对象存储，可以直接买一个 10G 的资源包，很便宜。
https://console.cloud.tencent.com/cos/bucket
一个月 8 毛~
然后创建一个存储桶，就能使用了，我这里直接取名 test。
这样就能选择这个 bucket，保存我们的训练结果了。
训练参数根据实际情况选择就行，对于很小数据集的分类任务，基本上 1 个小时轻松搞定，我这里就用默认参数了。
资源配置主要是选择 GPU，我这里用个 T4 就够用了。
用这个卡训练，一小时 8 元多。
然后平台会自动配置机器，初始化环境，开启训练。
这种平台用起来，还是很方便的。
接下来就可以喝杯茶、泡杯咖啡，该干嘛干嘛，等 1 小时之后再回来看训练结果。
效果查看
我这个分类任务简单，所以训练很快，模型 5 分钟就收敛了。
我猜内部应该是有个训练好的通用模型，直接在其上 fine-tune，所以又快又好。
然后也可以查看在测试集上的效果：
准确率、召回率、1-Score、PR曲线这些评估指标。
从结果可以看出，召回率有些低，因为数据少，可以补充一些数据再训练。
一般分类任务，不太复杂，每个类别准备一万张，在测试集上，准召怎么也都能 95% 以上。
这类分类任务，基本 1 小时，就收敛了。
感兴趣的小伙伴，有类似需求，又不想写太多代码，想快速完成任务，那完全可以试一试这个平台，方便好用。
后记
以上就是整个 TI-ONE 的体验，可以看到，整个过程非常方便快捷，有兴趣的同学也可以自行部署和体验。
昨天正好也参加了腾讯Techo Day技术开放日活动，看到了很多轻量化的云端工具，也分享了不少与之相关的技术原理及应用案例。
比如，使用 TI-ONE 训练自己的模型；使用Lighthouse快速构建属于自己的云端硬盘，搭建个个人网站，都很实用。
所有的资料和课件都被整合成了一份《腾讯云轻量级工具指南》，里面除了 TI-ONE 这种低门槛的 AI 平台以外，还有 Lighthouse 这类服务的使用，也涵盖了不少像如何利用Serverless实现事件驱动、如何基于Spring Cloud Tencent快速构建高可用轻量级微服务应用等课程及解决方案，能够帮助开发者实现降本提效，优化工作流程，感兴趣的朋友可以扫码领取课件资料。
可以直接点“阅读原文”下载查看。