1.4.1 功能概述
ModelArts 平台提供了自动学习、数据管理、模型开发、模型管理、部署上线和资源池6个功能。
1．自动学习
自动学习是将机器学习应用于现实问题的自动化任务的过程，包含从原始数据集到构建可以用于部署的机器学习模型的每一个阶段。面对不断增长的应用机器学习的挑战，自动学习是基于人工智能的解决方案。其目的在于即使不是专家也可以使用机器学习模型和技术。
ModelArts自动学习是实现AI应用的低门槛、高灵活、零代码的定制化模型开发工具。自动学习功能根据标注数据自动设计模型、自动调参、自动训练、自动压缩和部署模型。开发者只需上传数据，通过自动学习界面引导和简单操作即可完成模型训练和部署。
目前，自动学习支持快速创建图像分类、物体检测、预测分析、声音分类和文本分类模型的定制化开发。可广泛应用在工业、零售安防等领域。自动学习的具体应用如下。
① 图像分类：识别图片中物体的类别。
② 物体检测：识别图片中每个物体的位置和类别。
③ 预测分析：对结构化数据做出分类或数值预测。
④ 声音分类：对环境中不同声音进行分类识别。
⑤ 文本分类：识别一段文本的类别。
ModelArts自动学习开发AI模型在使用时无须编写代码，只需上传数据、创建项目、数据标注、模型训练，然后将训练的模型部署上线即可。ModelArts 自动学习开发AI模型的流程如图1-18所示。
图1-18 ModelArts自动学习开发AI模型的流程
2．数据管理
ModelArts 数据框架包含数据采集、数据筛选、数据标注、数据集版本管理功能，支持自动化和半自动化的数据筛选功能，支持自动化的数据预标注及辅助自动化标注工具。ModelArts数据管理的主流程如图1-19所示。
图1-19 ModelArts数据管理的主流程
ModelArts数据管理的具体方法将在3.8节中详细介绍。
3．模型开发
ModelArts 提供模型训练的功能，可以方便地查看训练情况并不断调整模型参数；还可以基于不同的数据，选择不同规格的资源池用于模型训练。用户不仅可以自己开发模型，还可以从AI Gallery订阅算法，通过调整算法的参数得到满意的模型。
ModelArts模型开发的流程如图1-20所示。
图1-20 ModelArts模型开发的流程
4．模型管理
ModelArts可以对AI应用进行统一管理，将从训练作业中得到的模型、本地开发的模型部署为AI应用。为了方便将模型部署在不同的设备上，ModelArts还提供了模型转换能力。ModelArts模型管理的具体方法将在第5章介绍。
5．部署上线
ModelArts为个人开发者、企业和设备生产厂商提供了一整套安全可靠的一站式部署方式，使用ModelArts可以将训练好的模型一键部署到端、边、云的各种设备和各种场景上。
6．资源池
使用ModelArts进行AI开发时，需要使用一些CPU、GPU或昇腾资源进行训练或推理。为满足不同开发业务，ModelArts 提供了按需付费的公共资源池和无须排队的专属资源池。通常，默认使用公共资源池即可。