六一儿童节，看我用 ModelArts 让 8090 梦回童年

​​​​​​​​​​​​​​​​​​【本期推荐】8岁小朋友的儿童节，有点硬核，一起来认识这些小小程序员，看他们如何coding出一个与众不同的童年。

摘要：如果还能再过一次儿童节……

本文分享自华为云社区《“梦回童年，尽享美食“--ModelArts+ Wechaty 识别童年美食》，原文作者：华为云 EI 专家胡琦 。

大家好，我是 Copy 攻城狮胡琦，昨晚终于把憋了很久的 ModelArts + Wechaty 实现有趣的美食图片识别应用跑通了。尽管结合 Wechaty 调用 AI 相关服务在多年以前就被千人实现过了，不过作为小白的我能够借助一站式 AI 开发平台 ModelArts 新手制作数据集、训练模型并部署，最终通过最好的微信开发库 Wechaty 实现调用 AI 服务的聊天小助手，还是十分有趣的。当然，我也迫不及待地将我的实践分享给大家，也希望能够获得各位大佬的指导！

数据集制作

我们从 AI 开发流程出发，当我确定了我的目的是要结合 ModelArts + Wechaty 来实现童年美食识别，基本上我的技术选型也就确定了，鉴于我学艺不精，零基础都能上手的一站式 AI 开发平台 ModelArts 和四行代码就能实现聊天机器人的微信开发库 Wechaty,便成了我唯一的选择。准备数据的阶段，我有幸遇到了前辈贡献的代码，因此能够快速从某度图片获取我想要的图片，具体操作可以查看我的历史文章《新手小白如何快速获取数据集》。我用同样的手法获取到了菠萝啤、大白兔奶糖、干脆面、果丹皮、汉堡橡皮糖、猴王丹、花生牛轧糖、健力宝、酒心巧克力、烤红薯、辣条、老冰棍、三色冰淇淋、沙琪玛、跳跳糖、娃哈哈 AD 钙、旺旺碎冰冰、旺仔牛奶、西瓜泡泡糖、仙贝、鱼皮花生、玉米软糖、真知棒、咪咪虾条共 24 个分类，从 7200 张图片中一张一张分拣，最终标注 3543 张，实现了一个暂时看上去想那么回事的数据集--《"儿童节特辑"--8090的童年美食》。

不过，目前从数据的标签分布来看，不太合理，被标注最多的标签数量多达 268 个，而被标注最少的标签数量仅 23 个，两者差了一个数量级，因此训练出来的模型大概率会跑偏。

​在 ModelArts 上进行数据标注时，其实也是有一定技巧的。比如，我在本地获取到了大量的图片，通过 OBS 的命令行工具上传到 OBS 桶中之后，由于此次标注是图像分类，因此我在标注时可以通过图片存放的 OBS 目录来快速筛选出当前要分拣的标签以及进行标注。目前 ModelArts 数据集处理时单页最多可显示 60 张图片，这也给我对图片进行精挑细选提供了强有力的支持。其次，在进行图片挑选时，可以从最后一页进行，每次删除图片时顺带把源文件也从 OBS 中移除，移除往前直至处理到第一页。最后，又可以全选当前页进行标注。整个数据集从数据获取到数据处理再到数据集发布，花了不到 2 小时，个人感觉对新手小白已经很友好了！

训练及评估模型

如果您对《"儿童节特辑"--8090的童年美食》数据集感兴趣，可以在 AI Gallery 进行一键下载，既可以下载到 OBS 也也可直接下载到 ModelArts 数据集。

​基于数据集，在 ModelArts 平台上除了可以自行开发算法并训练模型，也可以使用 AI Gallery 的订阅算法或者直接使用 ModelArts 的自动学习来训练模型。这里为了更简便的操作，本大狮就直接使用简单粗暴的自动学习来实现，主要想看到当前的数据集能训练出怎么样的结果(PS:其实主要是免费，「请把免费打在评论区」)，您期待吗？

​在创建完自动学习的任务运行 9 分钟之后，我 Get 到了一个模型，从训练结果来看还是非常理想的，不过究竟是骡子是马，还得看最终部署之后的效果。

​表中是各个标签所对应的参考值，其中 F1 值是模型精确率和召回率的加权调和平均，用于评价模型的好坏，当 F1 值较高时说明模型效果较好；精确度指的是被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力；召回率指的是被用户标注为某个分类的所有样本中，模型正确预测为该分类的样本比率，反映模型对正样本的识别能力。

部署模型

目前 ModelArts 支持一个免费的部署服务实例，因为我之前的实践已经占用了名额，因此当我再次在自动学习中部署模型时会提示以下图中的报错，从而我只能去到**「部署在线--在线服务」**手动新建一个服务实例。

​在部署模型的时候，我们可以根据自身的需求添加一些个性化设置或者其他功能，比如数据采集、难例筛选等等。

​看到服务部署成功之后，我已经迫不及待地想先调试一下，随便找了一张**「跳跳糖」**的图片，让 AI 识别一下，哎呀还不错哦，感觉比我想象中的要好。ModelArts 的开发部分就告一段落，接着我们按照在线服务的调试指南进行与 Wechaty 的联合开发，“Talk is cheap. Show me the code.”

​此时，我们获得的信息： AI 服务的在线地址以及 file 形式的输入参数 images。

Wechaty 开发

先看看我们最终的呈现效果，也就是像微信机器人发送指定关键字之后再发送图片，微信机器人就会调用 ModelArts 的在线服务来识别图片并将结果返回给微信端。这里我们就需要用到 Wechaty 这个强大的微信开发库。关于 Wechaty 的详细情况，您可以访问 Wechaty 的官网了解--wechaty.js.org/。 从域名来看，这个开发库应该和 JavaScript 有关，经过翻阅文档，我得知，新手使用 Wechaty 仅需四行代码：

npm install qrcode-terminal --savenpm install wechaty npm install wechaty-puppet-wechat --save // 这个依赖是关键export WECHATY_PUPPET=wechaty-puppet-wechat // 这里也是关键，需要配置你使用的puppet

​

我们可以新建一个文件夹，执行 npm init 初始化一个项目，然后执行上述代码，接着新建 index.js,写入：

const { Wechaty } = require('wechaty');const name = 'wechat-puppet-wechat';let bot = '';bot = new Wechaty({    name, // generate xxxx.memory-card.json and save login data for the next login});
//  二维码生成function onScan(qrcode, status) {    require('qrcode-terminal').generate(qrcode); // 在console端显示二维码    const qrcodeImageUrl = [        'https://wechaty.js.org/qrcode/',        encodeURIComponent(qrcode),    ].join('');    console.log(qrcodeImageUrl);}
// 登录async function onLogin(user) {    console.log(`贴心小助理${user}登录了`);    //   if (config.AUTOREPLY) {    //     console.log(`已开启机器人自动聊天模式`);    //   }    // 登陆后创建定时任务    // await initDay();}
//登出function onLogout(user) {    console.log(`小助手${user} 已经登出`);}
bot.on('scan', onScan);bot.on('login', onLogin);bot.on('logout', onLogout);bot    .start()    .then(() => console.log('开始登陆微信'))    .catch((e) => console.error(e));

​

基本上就完成了 Wechaty 部分的开发，执行 node index.js 就能在控制台显示一个二维码，其实类似我们登录桌面端的微信，接着我们主要需要解决的问题：

1. 监听微信消息 -- 可以使用 bot.on('message')来实现；

2. 对接 ModelArts -- 可以使用 token 鉴权方式访问；

3. 文件传递 -- 可以通过 form-data 进行数据转换。

基本代码实现如下：

// 获取Tokenasync function getToken() {    let token = ''    const data = {        "auth": {            "identity": {                "methods": [                    "password"                ],                "password": {                    "user": {                        "domain": {                            "name": config.IAMDomain                        },                        "name": config.IAMUser,                        "password": config.IAMPassword                    }                }            },            "scope": {                "project": {                    "name": config.IAMProject                }            }        }    }    await axios.post(config.TokenURL, data).then(res => {        token = res.headers['x-subject-token']    }).catch(err => {        console.log(err)        token = ''    });
    return token}
// 识别美食async function sendImage(fileName) {    let resp = {}    await getToken().then(async res => {        // console.log(res)        const form = new FormData();        form.append('images', fs.createReadStream(fileName));        console.log(form.getHeaders())        await axios.post(config.URL, form, { headers: Object.assign(form.getHeaders(), { "X-Auth-Token": res }) }).then(res => {            console.log(res.data)            resp = res.data        }).catch(err => {            console.log(err)            if (err.response && err.response.data) {                resp = err.response.data            }        })    }).catch(err => {        console.log(err)        resp = err.data    })    return resp}

​

完整代码参见：github.com/hu-qi/model…

温馨提示：使用 Wechaty 的相关风险请自行评估。

1. 使用这种方式登录微信存在被微信官方风控的可能性，严重者可封号；

2. 非所有账号可使用此方案进行登录/操作，如果您的账号无法通过 Wechaty 提供的接口登录，则无法使用。

获取更多 AI 相关数据、算法、模型等 AI 资产，请点击“了解更多”，AIGallery 等您！

点击关注，第一时间了解华为云新鲜技术~