开发者如何在云上技术中玩转机器学习？

<!--StartFragment--> 近期，AI 领域不断涌现出重大的变革和创新，其中包括大规模模型的问世和 AIGC 技术的快速迭代发展。每天都有新技术、新算法不断涌现，更大型的模型也层出不穷。AI 技术已经渗透到了各行各业，对开发者、设计师、文字工作者等职业都产生了深刻影响。AI 正在改变着我们的工作生产方式，这已成为行业的共识。因此，了解和掌握 AI 的重要技术变革和趋势对于开发者来说至关重要。 为了让更多的开发者了解和真正参与到技术的开发与应用中，我们推出了一项名为**【云上探索实验室】**的活动，希望可以和开发者一起从实践中探索技术的边界。本期实验室主题围绕**【从实践中探索[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)边界——[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 产品体验活动】**进行。 从实践中探索[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)边界——[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 产品体验活动：https\://dev.amazoncloud.cn/experience   活动得到了众多专业开发者和技术爱好者的热情响应，他们积极参与提交产品体验报告，并分享了实践的视频 Demo。在活动社群中，参与者们积极交流讨论，相互帮助解决问题，共同创造分享、互相启发、共同玩转云上技术的氛围十分活跃。 ## **热门创意作品曝光，开发者分享心得与避坑经验** 现在活动已经进入了中期阶段，许多开发者已经提交了自己的体验作品，并分享了一些心得与避坑经验。为了让更多的开发者加入其中，我们选取了一些具有代表性的体验报告和实践文档分享给大家，希望也可以给大家带来一些开发中的灵感。 <!--StartFragment--> ### **1、体验者“白水”：仅20分钟，就可搭建属于自己的 AIGC 应用** 体验者“白水”**《20分钟，使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 快速搭建属于自己的 AIGC 应用 》**文中图文并茂地逐步讲解了基于[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail)搭建 AIGC 应用的整体流程： 1.  创建 Notebook； 2.  利用 Hugging Face 克隆模型； 3.  了解模型的超参数； 4.  配置和微调 Stable Diffusion 模型； 5.  部署和使用训练好的模型； 6.  清理资源。 《20分钟，使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 快速搭建属于自己的 AIGC 应用 》： https://dev.amazoncloud.cn/column/article/643688c708650c5355c55a25  **使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 基于 Stable Diffusion 模型搭建的 AIGC 应用** 除了讲解如何搭建 AIGC 应用，作者还设计了两个评估模型性能实验：“CPU 和 GPU 对生成速度”和“超参数对模型性能”，探究 Stable Diffusion 模型在不同情况下的效率区别，进而更加详细地展现对 Stable Diffusion 模型的解读。 “目前市面上[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的平台已经有很多，[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 是比较全面的，而且还是面向应用的。”体验者“白水”表示，[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 中包括了[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的各个流程，以往 Python 中的开发习惯完全可以在 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 中适用。不仅如此，[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 支持 Sklearn、PyTorch、TensorFlow、Hugging Face 等，对这些主流模块和框架都有相应的封装。为了方便训练模型，[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 还提供了 Amazon AutoPilot 可以自动对各种模型以及各组超参数进行搜索，训练最优模型。 ### **2、体验者“墨理学 AI”：讲解视频+体验报告，小白开发者的福音** 相比较其他小伙伴儿提交的体验报告，体验者“墨理学 AI” 的**《 如何在亚马逊 SageMaker 进行 Stable Diffusion 模型在线服务部署 》**则为我们带来了 AI 模型的 Web 端在线部署和推理调用实践。 《 如何在 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 进行 Stable Diffusion 模型在线服务部署 》: https://dev.amazoncloud.cn/column/article/64369384f9640d1b7fcd5b05 文章从如何在 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 中进行环境搭建展示开始，创建笔记本编程实例（这个过程大概5分钟左右）——下载代码并上传到 Jupyter 中——选择合适的 Conda 环境。 第二步一键运行所有代码，代码执行过程中会依次完成 Stable Diffusion 模型相关类和函数的代码定义、推理测试，并打包代码和模型，然后部署模型至 Amazon Sagemaker 推理终端节点。  模型创建完成之后，作者通过 Amazon Cloud9 创建了一个前后端 Web 应用。在云服务环境的创建成功基础上，运行下图中的服务代码。  作者完成测试体验之后，表示即使每次输入的提示词是同一个，模型生成得到的输出也是不固定的。所以他建议输入提示词语如果越精准，生成的图像效果可能会越好。 “通过使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 服务平台，我们只需要一个浏览器，即可编写、运行和调试各种代码，无需进行复杂的机器适配和环境搭建，能够快速完成 AI 模型的推理、测试、验证部署工作。”体验者“墨理学 AI”谈到。通过借助 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 平台进行 AI 模型服务部署，可以简化普通开发者进行 AI 模型部署服务的难度，**这对于中小企业和个人开发者而言，AI 服务的快速落地也不再是一件难事****。** ### **3、体验者“ZackSock”：Amazon SageMaker 使用自编码器完成人脸生成** ### 与其他体验者不同，体验者“ZackSock”**《[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 使用自编码器完成人脸生成 》**围绕 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 和自编码器进行的一次体验实践。通过训练自编码器，制作实现“变脸需求”，让人脸 A 渐渐变成人脸 B、让一个人从小慢慢变老、生成人脸等有趣的小实验。 《[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 使用自编码器完成人脸生成 》: https://dev.amazoncloud.cn/column/article/64368dac08650c5355c55a29 作者首先使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 进行环境创建，再进行数据处理，最后训练一个自编码器。本次作者使用的数据是10万张修正好的人脸图片，所以实践是训练一个人脸的自编码。作者针对人脸渐变原理详细解释到，假设人脸 A 被编码成 z1，人脸 B 被编码成 z2，现在想让人脸由 A 到 B 渐变。现在可以把这个问题转换为向量 z1 和 z2 之间的渐变，向量的渐变可以直接使用插值算法，我们在两个向量见插入 n 个向量，再把这些向量输入解码器，得到的人脸图像就是介于 A 和 B 之间的人脸。现在人脸渐变就变为了插值。具体操作如下： 首先实现插值算法，插值的实现很简单，具体代码如下：  上面函数输入两个长度一样的向量，输出 num 个向量。这 num 个向量将作为 Decoder 的输入。接下来使用 Decoder 部分进行推理：  下面是实现的效果：  自编码器不仅可以实现人脸渐变，还能生成人脸。作者分享表示：“在训练自编码器时，把人脸编码成一个长度为1024维的向量。现在我们假设人脸服从高斯分布，如果能求出均值和方差，就可以知道这个高斯分布的具体样子。在知道高斯分布的具体表达式后，就可以对从中采样人脸向量，把这个向量交给 decoder 就可以生成人脸。” 示例图 除了上面这些开发者朋友们的分享内容，还有很多的小伙伴们提交了自己的体验报告，这里就不一一展示了，直接给大家看看他们都做出了哪些好玩的创意作品吧。  任务：“A bird is flying in space” 和 “Photos of horseback riding under the sea”  任务：“A cute panda is sitting on the sofa”  任务：“一个宇航员在骑马” AI 生成图像和绘画，非常直观和有趣。其实你也可以从零动手，实现上面这些充满创意和趣味的作品，快来参加**【云上探索实验室】**从实践中探索[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)边界——[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 产品体验活动吧！  除了分享自己的作品，体验者还无私分享了对于技术和产品的理解与积累。 **例如，“盼小辉丶”为我们总结了关于 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 为开发者带来的便利：** - 提供了完备的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)工具，通过自动化功能帮助用户快速优化模型和参数； - 提供交互式笔记本，可快速地探索和处理数据； - 提供多种不同的模型部署和管理方式，满足使用过程中在不同场景下的需求； - 提供完善的监控和调试工具，确保模型的稳定性和可靠性。 **另外，体验者白水还自发汇总了对开发过程中有帮助的产品文档：** - [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 入门教程： https\://aws.amazon.com/cn/sagemaker/getting-started/?trk=cndc-detail - [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 产品介绍：https\://aws.amazon.com/cn/sagemaker/?trk=cndc-detail - [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 产品文档： https\://docs.aws.amazon.com/zh_cn/sagemaker/index.html?trk=cndc-detail - Stable Diffusion 模型文档（HuggingFace）： https\://huggingface.co/spaces/stabilityai/stable-diffusion?trk=cndc-detail - Stable Diffusion 模型文档（StabilityAI）： https\://stability.ai/blog/stable-diffusion-public-release?trk=cndc-detail    以上只是本次活动中的体验者分享的很少一部分技术与内容。他们作为此次活动的前期体验者，在活动和社群中学习实践云上技术，并将成果毫无保留地分享出来，同时摸索经验和克服开发中遇到的难点，帮助其他开发者在体验学习中避坑，这正是本次活动所倡导的“一同创造分享，互助启发，玩转云上技术”！