伴随深度学习技术发展，人工智能门槛逐步下降，借助大量数据、开源算法就可获得相应智能，已经变成人们共识，本文以“搞定真实难题”为重心难题，介绍适合青少年运用模型训练、部署工具，并以“害虫识别”为例，介绍具体就业流程、技术工具，形成技术地图，
数据、算法、算力被公感觉推动人工智能发展三驾马车，伴随深度学习技术发展，人工智能门槛逐步下降，从2021年开始，笔者陆续在本刊发表以“用人工智能搞定真实难题”为重心系列文章，介绍具有典型人工智能开发工具，越来越多教师开始认同，借助大量数据、开源算法，训练具备一定智能模型，于是搞定一些简单真实难题，应变成中小学人工智能课程重心内容，
2023年12月，笔者在第十一届中小学STEAM教育大会上介绍一個AI开源课程众筹计划，这個课程以真实难题搞定为导向，以项目式学习方法组织课程内容，引发很多教师Follow、持助，有教师提出，能无法为一线教师供应一份用AI搞定难题技术地图，让教师们能高速入门？
用AI搞定真实难题流程分析
人工智能开发框架很多，相关工具也很多，但教师们常因缺少对工具全面解而很难设计出一份合理技术地图，容易走弯路，因为这個，为能更加清晰地表述，笔者以劳动、科学教育中常遇到昆虫识别难题为例，结合一個害虫识别应用开发过程来介绍各类技术工具选择，
先说，要训练一個昆虫分类或者识别模型，人工智能重心是模型，用人工智能搞定真实难题实际上可以等同为用模型来搞定难题，要识别害虫，可以借助供应网络API服务AI开放平台，也可以运用一個已经训练非常好昆虫模型，
但倘若AI模型不是自己训练，显然有“攘人之美”之嫌，显然，遇到真实情况经常是AI开放平台要收费或者没有相关功能，找到预训练模型识别疗效不好或者根本找不到，而农场中发生昆虫种类并非多，百分之百可以自行收集数据训练模型，
训练非常好模型须要部署为智能应用，应用模型也有多种选择，一种是将模型部署在服务器或者可以长时间开机电脑上，供应WebAPI服务，运用带摄像头、Wi-Fi开源硬件，将害虫照片发回到Web服务器，而后得到推理结果，一般来说，只有较大模型才须要这么做，
另一种是直接将模型运行在开源硬件上，拍摄、识别、执行等功能全部整合在一起，能运行Python开源硬件，绝大多数都持助ONNX模型推理，如行空板、树莓派、爱克斯板等，只要模型不是太大，都能直接部署推理，具体流程分析如图1所示，
图1
而识别昆虫模型，运用图像分类技术就可，选择常见MobileNet模型约10M，ResNet18模型也才50M，以爱克斯板为例，就使不做OpenVINO加速，推理速度也很快，
训练AI模型技术地图
对自行训练模型来说，收集数据是一件最重心就业，因算法是开源，算力是购买，对学生来说重心就业也只有数据收集、清洗等，一般来说，倘若不追求精度，每個类其他昆虫图片有数十张就够，采用迁移学习方法，训练速度很快，甚至可以直接在网页端训练，这個训练模型过程不须要写代码，
倘若数据相对多，主张选择MMEdu来训练模型，用MMEdu训练模型，重心代码就六行，只要根据ImageNet数据集格式，将昆虫图片放在各异分类目录中就可，具体可以参考XEdu协助文件，或者打开浦育平台“猫狗”“手写体数字”之类数据集来查看，就运用MMEdu来训练，也有几种方法可以选择，如图2所示，
图2
用浦育平台供应服务器〔容器〕训练模型，浦育平台供应GPU服务器，训练速度比普通电脑要快一些，唯一不方便是须要将数据集打包上传到平台，
搭建当地XEdu环境训练模型，就使在浦育平台上，训练模型一般也要选择XEdu服务器，倘若电脑能够安装Win764位，或者Win10、Win11等操作系统，就可以下载XEdu一键安装包，解压后训练环境就配置好，XEdu供应各类参考代码，改一下目录就可以运用，
实际上，XEdu也供应无代码训练模型工具，当运行EasyTrain系列工具时，系统会打开一個网页，根据网页上供应，将数据集放在相应位置，一步一步操作，最后生成代码，并直接开始模型训练，如图3所示，
图3
应用AI模型技术地图
在模型训练结束后，接下来就是模型应用推理，各异AI模型有各异推理框架，笔者专家推荐运用ONNX格式，这是一种非常通用模型交换格式，推理环境安装很容易，推理速度又快，MMEdu供应ONNX模型转换功能，参考代码如“model.convert〔checkpoint=in_file,out_file=out_file〕”，倘若运用EasyTrain工具，训练结束后都会提示要别转换为ONNX，
用浦育平台“AI体验”网页中图像分类模块训练模型，也能转换为ONNX格式模型，在平台“项目”栏目输入根本字“tensorflow”，就可找到类似“模型转换：从TensorFlowJS到ONNX”项目，任选一個，根据提示，就可完成模型转换，
对于ONNX模型推理，实际上就属于传统编程学习内容，运用模型推理、运用一個Python库没有任何区别，Mind+中有個名叫BaseDeploy插件，安装后就能用图形化方法写推理代码，MMEdu在转换模型同时会引发Python参考代码，简洁易懂，其运用是XEduhub库，对于浦育平台训练出现ONNX模型，运用“mmcls= wf〔task='mmedu',checkpoint= 'insect.onnx'〕”就可推理，图4中代码是将图片“insect01.jpg”实行推理，并输出结果，
图4
结语
如上所述，笔者成功地完成一個昆虫识其他AI应用，限于篇幅，本文没有展开介绍如何从摄像头中获取图片、如何根据推理结果做出各异执行动作等，在这個过程中，学生有多种可选方法、工具，具体要视情况作出合适选择，而本文在介绍各类技术过程中，也展示人工智能教育区别于传统编程教育最要紧地标，那就是要训练AI模型。
本文作者：
谢作如
浙江省温州科技高级中学
文章刊登于《中国信息技术教育》2024年第01期
援引请注明参考文献：
谢作如.用人工智能搞定真实难题技术地图.〔J〕.中国信息技术教育，2024〔01〕：85-87.
欢迎订阅
点击图片就可订阅