Mind+遇上EasyTrain：不會Python也能開發(fā)“個(gè)性化”AI項(xiàng)目

摘要：本文介紹了不寫Python代碼訓(xùn)練AI模型的技術(shù)細(xì)節(jié)和開發(fā)AI項(xiàng)目的具體流程，這種AI項(xiàng)目開發(fā)方式對學(xué)生的編程能力要求較低，為義務(wù)教育學(xué)段實(shí)施AI教育提供了新的思路。

關(guān)鍵詞：EasyTrain；XEduHub；AI模型訓(xùn)練

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A 論文編號：1674-2117（2024）13-0090-03

生活中的大量真實(shí)問題，往往需要自主訓(xùn)練個(gè)性化的模型來解決。這種利用自己訓(xùn)練的模型而開發(fā)的AI項(xiàng)目，筆者稱之為“個(gè)性化”AI項(xiàng)目，畢竟現(xiàn)有AI模型提供的往往是“通用”能力，如任何一個(gè)圖像分類模型都無法識別我家寵物和鄰居家寵物的區(qū)別。之前開發(fā)“個(gè)性化”AI項(xiàng)目對學(xué)生的Python能力要求較高，學(xué)有余力的中學(xué)生才會試著去探究。但近幾年由于相關(guān)工具的出現(xiàn)，訓(xùn)練AI模型的技術(shù)門檻越來越低，現(xiàn)在哪怕不會寫Python代碼，也能借助Mind+來開發(fā)“個(gè)性化”AI項(xiàng)目。

自主訓(xùn)練AI模型解決問題的流程分析

開發(fā)“個(gè)性化”AI項(xiàng)目大致可分為模型訓(xùn)練和模型應(yīng)用兩個(gè)環(huán)節(jié)。模型訓(xùn)練是指從收集數(shù)據(jù)開始，先搭建合適的算法然后訓(xùn)練，最終得到具備某種能力的模型。模型應(yīng)用則是將訓(xùn)練好的模型部署到實(shí)際場景中，解決真實(shí)問題。要讓一個(gè)AI模型“變成”一個(gè)AI應(yīng)用系統(tǒng)，要么將模型放在某個(gè)已經(jīng)編寫好的程序中，要么結(jié)合某種編程語言，將模型集成到各種程序中。如圖1所示，一個(gè)要解決真實(shí)問題的個(gè)性化AI項(xiàng)目，需要收集數(shù)據(jù)并自主訓(xùn)練AI模型，成為數(shù)據(jù)處理環(huán)節(jié)的核心模塊。

要實(shí)現(xiàn)不編寫Python開發(fā)“個(gè)性化”AI項(xiàng)目，顯然需要具備兩方面的條件：其一是借助不編寫Python代碼的模型訓(xùn)練工具，收集數(shù)據(jù)并訓(xùn)練個(gè)性化的AI模型；其二是將這一模型整合到圖形化編程工具中去，形成一個(gè)AI應(yīng)用。目前，這兩個(gè)條件都已經(jīng)達(dá)到，前者可以借助EasyTrain結(jié)合XEdu來實(shí)現(xiàn)，后者可以借助XEduHub結(jié)合Mind+來實(shí)現(xiàn)。

借助EasyTrain訓(xùn)練個(gè)性化AI模型

模型訓(xùn)練工作大致可以分為數(shù)據(jù)準(zhǔn)備、模型搭建、模型訓(xùn)練、模型評估等核心環(huán)節(jié)，如圖2所示。從工作流程可以看出，訓(xùn)練AI模型的難度在數(shù)據(jù)準(zhǔn)備和算法搭建環(huán)節(jié)，而訓(xùn)練的速度則取決于算力。只要找到合適的工具，訓(xùn)練常見的AI模型并不困難。

對于不熟悉Python代碼的學(xué)生來說，只要安裝了XEdu環(huán)境，即可使用EasyTrain來訓(xùn)練模型（如圖3）。EasyTrain是XEdu項(xiàng)目中“EasyDL”系列工具中的一種。顧名思義，它就是用來做模型訓(xùn)練的小工具。EasyTrain支持MMEdu、BaseNN和BaseML，能夠在網(wǎng)頁點(diǎn)擊鼠標(biāo)生成模型訓(xùn)練代碼，也能夠在網(wǎng)頁端調(diào)用底層環(huán)境訓(xùn)練模型。

EasyTrain位于“XEdu一鍵安裝包”的“EasyDL”文件夾（如圖4），也可以使用命令“pip install easy-xedu”單獨(dú)安裝。EasyTrain在訓(xùn)練啟動時(shí)會自動檢查所依賴的Python環(huán)境。如果缺少對應(yīng)環(huán)境，會給出提示（如運(yùn)行BaseML生成的代碼需要安裝BaseML，命令為“pip install BaseML”）。啟動EasyTrain同樣是使用指令來完成，命令為“EasyTrain”。使用EasyTrain雖然不需要寫代碼，但要訓(xùn)練出一個(gè)AI模型不僅需要收集相關(guān)數(shù)據(jù)，還要了解機(jī)器學(xué)習(xí)的專用名詞，如數(shù)據(jù)集格式、學(xué)習(xí)率（lr）、輪次（epochs）等。BaseML基于Scikit-Learn，BaseNN和MMEdu基于Pytorch開發(fā)，使用的關(guān)鍵詞和絕大多數(shù)的教程是一致的。

實(shí)際上，只要具備最基本的Python語法知識，就能借助XEdu文檔編寫出訓(xùn)練模型的代碼。XEdu的系列工具訓(xùn)練模型的代碼幾乎都是公式化的，查看EasyTrain生成的代碼就能看出，只需要更換數(shù)據(jù)集地址、算法名稱和部分參數(shù)。當(dāng)然，也可以借助大語言模型來生成訓(xùn)練模型的代碼。

在Mind+上完成個(gè)性化模型推理

幾乎每一種AI開發(fā)框架都會有自己特定類型的模型，如PyTorch的模型格式為“.pth”、TensorFlow的模式格式為“.h5”等。為了讓AI模型更容易轉(zhuǎn)化為應(yīng)用軟件，不同的企業(yè)和機(jī)構(gòu)相繼推出了各自的推理工具（也稱推理框架、部署工具）。目前，ONNX Runtime是一個(gè)應(yīng)用較為廣泛的推理框架，其模型格式為ONNX。EasyTrian在訓(xùn)練模型的最后階段，都會提醒是否轉(zhuǎn)換為ONNX格式。如果忘記轉(zhuǎn)換，后期也可以用“EasyDL”中的“EasyConvert.bat”來轉(zhuǎn)換。

一般來說，訓(xùn)練模型的工具也會自帶推理功能，如XEdu工具的XEduHub。XEduHub將自主訓(xùn)練的模型推理，稱之為“通用任務(wù)”?！巴ㄓ萌蝿?wù)”的推理工具、語法和“預(yù)置任務(wù)”一致，也是使用Workflow模塊，只要將“task”名稱改為工具名稱，如“mmedu”“BaseML”等即可，如圖5所示。

XEduHub的通用任務(wù)不僅支持XEdu系列工具訓(xùn)練的模型，還支持其他的ONNX模型（如圖6）。學(xué)習(xí)者可以通過ModelScope（魔搭社區(qū)）或者Hugging Face下載自己感興趣的模型，然后通過XEduHub推理。但前提是需要了解這個(gè)模型的輸入數(shù)據(jù)格式以及輸出結(jié)果數(shù)據(jù)中代表的意義。

結(jié)語

XEdu的核心設(shè)計(jì)理念是將AI模型訓(xùn)練和模型推理工作分離，降低了用AI解決問題的門檻?，F(xiàn)在無代碼訓(xùn)練模型的工具很多，而在大語言模型的支持下，通過合適的提示詞，也能得到直接可用的模型訓(xùn)練代碼。因此，訓(xùn)練常見的AI模型并非中小學(xué)生不可挑戰(zhàn)的難題。而隨著OpenHydra的出現(xiàn)，搭建支持算力設(shè)備的訓(xùn)練環(huán)境也會變得越來越簡單。也許過不了多久，互聯(lián)網(wǎng)上就會出現(xiàn)各種用自然語言即可完成所有操作的模型訓(xùn)練工具。

另外，經(jīng)過本文的分析可以發(fā)現(xiàn)，無論是AI模型訓(xùn)練還是推理，對編程的要求都越來越低，幾乎沒有難度。但也要明確一點(diǎn)，要實(shí)現(xiàn)用AI解決真實(shí)問題，AI基礎(chǔ)知識是必備的，如神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。實(shí)際上對中小學(xué)生來說，用AI解決問題的最大難度不在算法和算力上，而在于數(shù)據(jù)——如何根據(jù)需求收集相關(guān)的數(shù)據(jù)。