给你个AI语音合成接口，你会玩出什么花样？语音合成,是一种将文本转换成逼真语音的服务。可实时访问和调用API获取语音合成结果,将输入的文字合成为音频。支持音色选择、自定义音量、语速,为企业和个人提供个性化的发音服务即日起至2021年12月31日，体验还有好礼赢取哦奖项&玩法奖励说明简图：如何将文字转语音编码？1.1、点链接>>>访问API Explorer的AI语音合成接口(注意：要登录自己的账号哦，没有账号请注册账号)：1.2、在Body里面输入相应参数，点击调试。（将调试成功后的截图（需要漏出账号部分信息）发本论坛评论区，即可获得抽华为自拍杆资格）如何将语音编码转成音频文件？2.1 复制1.2 调试成功的响应体2.2 点开链接>>>访问华为云AI合成音频模板2.3 点击预览代码2.4 用CloudIDE打开2.5 进入CloudIDE双击json文件2.6 将复制2.1复制的响应体粘贴到json文件预置的空数组中（提示：若要拼凑多个转语音编码，可生成多个语音编码的响应体，复制到数组中，用逗号隔开）2.7 点击运行2.8 到Explorer下，选择mp3文件，右键，选择download，即可下载生成音频文件来听啦（也可以将合成的音频文件通过插入音视频的方式分享到评论区来参与评奖哦）以上就是功能用法简略版的介绍了，花样玩法欢迎各位小伙伴大开脑洞，把你的想法或成果分享到本帖评论区，有机会赢迷你音箱或手环哦，也可以参照更详细版的指导手册下方附活动交流&答疑群码，欢迎进群交流~附则：论坛活动通用规则   1）请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2）严禁灌水，严禁带有色情、政治、宗教、推广、外链广告内容，严禁抄袭、复制他人内容，一经发现，取消中奖资格。3）请确保您邀请的用户为真实有效的用户，如发现存在恶意注册、恶意邀请等行为（“恶意”是指为获取奖励资格而异常注册账号等破坏活动公平性的行为），我们将取消相关人员获奖资格。同时，将对该账号进行禁言禁止参与社区活动3个月的处罚，行为严重的将对账号进行永久封号。4）获奖用户需在华为云进行实名认证，同一身份信息只能获奖一次。5)对于严重违反活动规则的用户，将纳入社区失信黑名单，取消获奖资格，并做封号处理。6）所有参加本活动的用户，均视为认可并同意遵守《华为云用户协议》《华为云社区运营机制》。其他未尽事宜请参考：1、华为云社区常规活动规则：https://bbs.huaweicloud.com/forum/thread-5766-1-1.html2、所有参加社区活动的开发者用户，均视为认可并同意遵守《华为云开发者用户协议》，包括以援引方式纳入《华为云开发者用户协议》的《可接受的使用政策》、《法律声明》、《隐私政策声明》、相关服务等级协议（SLA），以及华为云服务网站规定的其他协议和政策（统称为“云服务协议”）的约束。云服务协议链接的网址：http://www.huaweicloud.com/declaration/sa_cua.html如您不同意以上活动规则及相关条款，请勿参加论坛相关活动。

人工智能已成为引领新一轮科技革命和产业变革的重要驱动力量和战略性技术。本文采用无监督聚类、复杂网络结构洞和突发检测算法对人工智能高水平会议论文进行深度挖掘分析，梳理人工智能领域的关键技术，全面刻画人工智能领域整体技术结构，洞悉关键技术分布和研发态势，明确人工智能领域代表性国家与机构。研究发现：人工智能领域共包含14个大类、132项热点技术，主要分布在机器学习、自然语言处理、计算机视觉和机器人等子领域，如一眼模仿学习、智能自动问答、光度立体视觉、多传感器融合等；共性技术则主要分布在机器学习子领域，分类、回归、搜索等基础算法以及优化理论方法等共性技术为其他子领域研究实践奠定坚实基础；新兴技术主要集中在深度学习方面，生成对抗网络和注意力机制是其中的典型代表，此外还包括强化学习、自主代理和多代理系统等。在人工智能领域代表性国家与机构方面，美国在各热点技术大类下的发文量均位居全球首位，中国整体仅次于美国，但在强化学习、机器人、智能多代理系统研究方面发文量排名相对靠后；国内机构中，中国科学院在多个热点技术大类下的发文量均位居全球前列。 人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。这一概念自1956年被提出后，已历经半个多世纪的发展和演变。21世纪初，随着大数据、高性能计算和深度学习技术的快速迭代和进步，人工智能进入新一轮的发展热潮，其强大的赋能性对经济发展、社会进步、国际政治经济格局等具有重大且深远的影响，已成为引领新一轮科技革命和产业变革的重要驱动力量，是推动人类进入智能时代的核心和重要抓手。 发展热潮之下，全球主要国家积极在人工智能领域深耕布局，国际竞争日益激烈。2017年7月，我国发布《新一代人工智能发展规划》，明确将人工智能作为国家未来重要发展战略，并确定中国人工智能发展“三步走”战略目标，到2030年实现人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心；2018年3月，法国总统宣布启动15亿欧元的人工智能计划，将在法国建设一个国际级的研发中心，完善数据领域政策，培养法国在人工智能领域的人才，并对技术革新的伦理和规制问题进行反思，以推动法国跻身人工智能领域的领军者行列；2018年4月，欧盟委员会计划2018—2020 年在人工智能领域投资240亿美元；2018年11月，德国联邦内阁通过人工智能国家战略，计划2025年前在联邦层面投入30亿欧元，旨在人工智能领域新增100名教授席位并资助扩建人工智能研发中心；2019年2月，美国总统特朗普签署行政令，启动“美国人工智能倡议”，该倡议提出研发、资源调配、政策、人力资源培养和准备、国际合作五项发展重点领域，以维护美国人工智能领导力。 与此同时，人工智能产业蓬勃发展，全球产业界纷纷调整发展战略，人工智能创新创业如火如荼。2017年，谷歌和微软陆续将企业发展战略和愿景转向人工智能；百度也于2017年将公司使命更改为“用科技让复杂的世界更简单”，希望百度从全球最大的中文搜索引擎彻底转型人工智能科技公司；自2013年以来，全球和中国人工智能行业投融资规模都呈上涨趋势，2017年全球投融资总规模达395亿美元。 人工智能作为一门综合和高度复杂的技术科学，其发展离不开底层多类型关键技术的研发突破和支撑。厘清人工智能领域的关键技术，把握技术现状和发展趋势，将为国家前瞻性战略布局、企业研发重心调整、科研机构和研究人员合理选题提供重要情报参考。2019年3月，李总理在政府工作报告中再次提及人工智能产业的发展，提出要“深化大数据、人工智能等研发应用”。相较于2017年的“加快人工智能等技术研发和转化”和2018年的“加强新一代人工智能研发应用”，“深化”一词不仅反映出我国人工智能发展呈现层层递进和逐步深入的良好态势，也体现了热潮之后我国政府对人工智能的持续重视和未来发展展望。我们应牢牢把握人工智能关键技术和发展方向，明确中国人工智能发展的短板领域和技术，切实响应国家需求，推进人工智能各项战略规划的快速稳健实施，加快人工智能专业型人才和通用型人才培养，构建体系化队伍，加大对人工智能学术及产业力量的扶持力度，培育并打造人工智能发展的中流砥柱，以期人工智能强大的赋能性为经济社会发展注入新的动能。因此，本文以人工智能领域高水平会议论文为分析对象，采用无监督聚类方法、复杂网络结构洞理论和突发词检测算法开展深度挖掘分析，梳理人工智能领域的热点技术、共性技术和新兴技术，以期全面了解人工智能领域整体技术结构，洞悉关键技术分布和研发态势，明确人工智能领域代表性国家与机构。 **1 数据来源与研究方法** **1.1 数据来源** 科技论文记载了科学研究和技术研发活动的大量高价值信息，反映了科技成果诞生的初始状态，是关键技术挖掘的重要数据资源。而在计算机领域，高质量会议论文在学界有着较高的关注度和认可度，同时，相对于期刊论文，会议论文的时效性更好，一定程度上代表着该领域最新、最热的研究内容，本文综合专家咨询意见及数据的可获得性，以中国计算机协会推荐的人工智能领域高水平国际学术会议（A类和B类，共19种）为基础数据源（表1），利用Scopus数据库检索并下载题录数据，包括发表年、标题、关键词、摘要等，时间跨度为2015—2018年，检索时间为2019年1月22日，共18956篇论文，作为人工智能领域关键技术分析挖掘的数据基础。 **1.2 研究方法** 1.2.1 关键技术概念界定 对科技论文内容进行深度挖掘，旨在梳理发现人工智能领域的关键技术，具体包括热点技术、共性技术和新兴技术三类。本文对三类关键技术的概念界定如下： **1）热点技术：**某学科领域内，近年来受到科研人员广泛关注并已产出相应研究成果的主要研究方向和技术主题，反映了学科领域的研发现状和技术结构全貌； **2）共性技术：**对学科领域内其他研究方向和技术主题产生广泛影响、其研究成果可供参考借鉴和分享使用的一类技术，反映了学科领域的重要研发基础和技术前沿，是学科领域内的“思想源泉”或“集大成者”； **3）新兴技术：**某学科领域内，最新出现且短时间内受到广泛关注的研究方向和技术主题，反映了学科领域内具有重要潜在影响的新近研究热点。 1.2.2 研究思路与方法 本文采用无监督聚类方法、复杂网络结构洞理论以及突发检测算法开展人工智能领域关键技术挖掘分析，研究思路如图1所示。 具体研究过程及方法包括： **1）基于K-means++聚类的热点技术挖掘分析** 本文基于python语言，利用NLTK包对会议论文文本数据（标题、摘要和关键词）进行预处理，包括分词、词性标注、词干提取、词性还原、停用词过滤等，利用TF-IDF方法对文本进行向量化表示，采用K-means++算法对数据进行聚类，对各个聚类簇进行解读和调研，形成人工智能领域的热点技术。 **2）基于复杂网络结构洞理论的共性技术挖掘分析** 结构洞理论形容非冗余的联系，指在社会网络中的某个或某些个体与部分个体发生直接联系，但与其他个体不发生直接联系的现象，从网络整体看好像网络结构中出现了洞穴（图2）。结构洞能够为其占据者获取“信息利益”和“控制利益”提供机会，Raider 的实证研究表明：结构洞占据者的位置对信息控制、识别以及交易起着重要的作用。近年来，已有相关学者利用结构洞理论开展共性技术或基础技术的识别，如江娴、叶春蕾、王海龙等。结构洞反映了节点对网络资源的控制能力，占据结构洞的节点能够获取来自多方面的非重复性信息，反映在学科领域研究上，占据结构洞的研究方向更有可能是“思想源泉”或“集大成者”，即领域共性技术，可对学科领域内其他研究方向产生广泛影响。 本文以K-means++聚类得到的热点技术聚类簇为节点，计算聚类簇质心向量间的相似性，以此作为节点间连接和权重的依据，构建网络。基于复杂网络结构洞理论，计算网络中各节点的限制度指标，以此反映节点在网络中运用结构洞的能力。节点的限制度指标值越小，代表节点拥有的结构洞越多，运用结构洞的能力越强，所占据的“信息利益”和“控制利益”越大，以此识别人工智能领域的共性技术。 **3）基于Burst Detection算法的新兴技术挖掘分析** 本文以清洗后的会议论文关键词为分析数据，采用Sci2 tool工具的Burst Detection算法探测最新出现且短时间内受到广泛关注的新兴技术。 **2 人工智能领域关键技术分析** 2.1 人工智能热点技术 人工智能领域的热点技术代表近年来的主要研究方向和技术主题，反映出人工智能领域的技术结构全貌。结合轮廓系数的计算结果，确定聚类簇数量K=140时，具有较好的聚类效果。经人工判读，140个聚类簇中共有132个有效类和8个混杂类。以132个有效类作为节点构建网络，并进行可视化和模块划分，最终形成14项技术大类（图3及表2）。中国和美国在14项技术大类下发文量的全球排名，以及各技术大类的Top5优势机构列举如表3。 机器学习子领域的技术大类包含机器学习算法及应用、强化学习算法、近似及优化算法和规划问题共4项。其中，热点技术主要包括回归、聚类、分类、近似、估计和优化等基础算法的改进研究；迁移学习、多核学习和多视图学习等新型学习方法；策略网络和时间差分学习等强化学习基本方法；机器人及多代理系统计划、路径规划等问题研究；机器学习算法在事件检测、位置识别和社交网络分析中的应用以及强化学习在智能决策中的应用研究。在上述4项技术大类中，美国发文量均居全球首位，中国在机器学习算法及应用、近似及优化算法和规划问题研究方面仅次于美国，但强化学习研究发文量居全球第5位，相对靠后。国内机构在机器学习算法及应用、规划问题研究方面表现较为突出，中国科学院、清华大学和北京大学的发文量位居全球前列。 自然语言处理子领域的技术大类包含自然语言处理技术和自动问答技术共2项。其中，热点技术主要包括特征提取、语义分类、词嵌入、主题模型、关系抽取与分类、知识图谱、注意力模型和长短期记忆模型等基础技术研究，还包括智能自动问答、机器翻译、情感分析、推荐系统等应用研究。在上述2项技术大类中，美国发文量均居全球首位，中国紧随其后。中国科学院在这2项技术大类的发文量均居全球前列，清华大学和北京大学也表现不俗。 计算机视觉子领域的技术大类包含图像处理技术、视频处理技术、图像匹配技术、视觉跟踪技术和对象检测技术共5项。其中，热点技术主要包括视频图像分割、对齐、检测、识别及跟踪所涉及的核心技术研究；三维重建、光度立体视觉、相机校准、行人再识别、人脸对齐与关键点检测等应用研究。在上述5项技术大类中，也都是美国发文量居全球首位，中国紧随其后。中国科学院在图像匹配和视觉跟踪技术上的发文量均居全球首位，在图像处理和视频处理技术上也位居全球前列，此外，浙江大学、大连理工大学和清华大学也表现不俗。 机器人子领域的热点技术主要包括机械手、抓握、行走、感知和驱动等智能控制技术研究，同时还包括外骨骼机器人、服务机器人和机器人传感器等硬件基础和软件优化研究。此外，人工智能领域的热点技术还包括智能多代理系统，以及众包、拍卖、市场定价、能源管理和隐私保护等相关问题的研究。在上述技术大类中，美国发文量均居全球首位，中国在机器人和智能多代理系统研究方面发文量居全球第7位，相对靠后。同时，国内机构在上述技术大类下的发文量均未能进入全球Top5。 2.2 人工智能共性技术 人工智能领域的共性技术可对其他研究方向和技术主题产生广泛影响，反映出人工智能领域的重要研发基础和技术前沿。以人工智能领域热点技术分布网络（图3）为对象，计算网络中各节点的限制度指标并升序排列，取Top20的热点技术作为人工智能领域的共性技术（表4）。 机器学习子领域占据15项共性技术，包括推理、特征选择与特征学习、图论、分类、搜索、回归等基础算法研究，以及约束优化、网络优化、最优化理论、损失函数及优化等机器学习算法优化方法探索，还包括序列学习、树学习、长短期记忆模型、多示例学习等新型学习方法实践，此外，也涉及到机器学习算法在生存预测、人机关系推断、药物不良反应预测方面的应用研究。由此可见，机器学习方法强大的赋能性推动了人工智能技术和应用的发展升级，各类机器学习共性技术为其他子领域研究实践奠定了坚实的方法和算法基础。 计算机视觉子领域占据3项共性技术，包括位置识别和图像对齐所涉及的核心技术研究，此外，还包括多标签对象识别、人脸识别、纹理识别、零次动作识别等机器视觉识别技术的研究和应用实践。机器人子领域中，传感器技术及应用作为一种共性技术，对于机器人的智能控制起到非常重要的作用，使其拥有类人的感知功能和反应能力，其中，分布式传感器网络、多传感器融合以及嵌入式微流体应变传感器等新型传感器是当下的技术研发前沿。 2.3 人工智能新兴技术 人工智能领域的新兴技术代表最新出现且短时间内受到广泛关注的研究方向和技术主题，反映出人工智能领域内具有重要潜在影响的新近研究热点。以会议论文关键词为分析数据，采用Sci2 tool工具的Burst Detection算法计算各个关键词的突发指标，根据突发权重和突发等级降序排列，选取最高突发等级且尚未进入突发稳定状态的Top15关键词作为人工智能领域的新兴技术。 在人工智能领域的新兴技术中，深度学习技术出现频率最高，包括深度神经网络、对抗网络、对抗学习、注意力机制、深度卷积神经网络、长短期记忆网络等。其中，生成对抗网络和注意力机制近年来的研究热度快速上升，已成为深度学习非常重要的模型和工具，前者可用于真实数据的建模与生成，如图像、视频、自然语言和音乐等，后者则在图像处理、语音识别和自然语言处理方面有广泛应用。此外，强化学习、案例推理和演化算法等机器学习方法，图像增强、信号编码等计算机视觉技术，以及自主代理和多代理系统等均为人工智能领域的新兴技术。 **3 结论** 基于人工智能高水平会议论文数据，利用无监督聚类、复杂网络结构洞理论和突发检测算法，从热点技术、共性技术和新兴技术三个方面挖掘分析人工智能领域的关键技术。根据上述分析结果可知： 人工智能领域共包含14个大类、132项热点技术，其中，机器学习子领域的热点技术主要包括基础算法的优化改进和实践应用，以及迁移学习、强化学习、多核学习和多视图学习等新型学习方法的研究探索等；自然语言处理子领域的热点技术主要包括特征提取、语义分类、词嵌入等基础技术和模型研究，以及智能自动问答、机器翻译等应用研究；计算机视觉子领域的热点技术主要包括视频图像分割、对齐、检测等所涉及的核心技术研究，以及三维重建、光度立体视觉、行人再识别等应用研究；机器人子领域的热点技术主要包括机械手、抓握、行走、感知和驱动等智能控制技术研究，以及外骨骼机器人和机器人传感器等硬件基础和软件优化研究。 人工智能领域的共性技术主要分布在机器学习、计算机视觉和机器人子领域，其中，机器学习方法强大的赋能性推动了人工智能技术和应用的发展升级，各类机器学习共性技术为其他领域研究实践奠定了坚实的方法和算法基础。 人工智能领域的新兴技术主要集中在深度学习方面，生成对抗网络和注意力机制是其中的典型代表，此外，新兴技术还包括强化学习、自主代理和多代理系统等。 人工智能作为一门基础研发和实践应用并重的技术科学，其热点技术既包含机器学习基础算法的改进优化，也涵盖自然语言处理、计算机视觉和机器人等通讯、感知和行动层面的应用研究。而通过热点技术遴选得到的共性技术则赋能了人工智能基础研发和实践应用进步，机器学习基础算法在不断进化的同时，也为相关研究方向提供了新思路、新方法和新手段，同样，机器视觉核心技术和传感器技术在也分别在计算机视觉和机器人领域起到至关重要的作用。热点技术和共性技术旨在揭示人工智能领域的技术全貌及核心技术方向，而新兴技术则从关键词层面细粒度揭示突发的技术研究内容，深度学习中的生成对抗网络和注意力机制作为人工智能新兴技术的典型代表，具有广泛的实践应用场景，对人工智能发展具有重要的潜在影响。 人工智能已成为全球重点关注的研究和发展领域，国际竞争日益激烈。美国在人工智能领域各热点技术大类下的发文量均位居全球首位，且遥遥领先于其他国家。中国在机器学习、自然语言处理、计算机视觉等多个技术大类下的发文量仅次于美国，但在强化学习、机器人、智能多代理系统研究方面发文量排名相对靠后，与美国、德国、法国、日本和英国等国家存在一定差距。此外，中国科学院在多个技术大类下的发文量均位居全球前列，清华大学、北京大学、浙江大学和大连理工大学也表现不俗，但与卡内基梅隆大学、微软研究院、麻省理工学院等美国著名高校和企业存在不小差距。

【活动背景】本次活动立足华为AI+技术与应用，面向广大高校师生提供全栈全场景 AI 技术技能在线培训，围绕技术创新和产业发展，助力高校多层次培养应用型人才，为产业发展输入新鲜动力。【活动时间】2021年12月7日-12月16日【参与方式】完成直播学习或实验后在本活动帖下方留言，上传学习笔记或实验成果截图，完成课后作业打卡也可以在此帖下与同学们进行问题讨论哦(〃'▽'〃)~

>【摘要】 本文的主要目的是带想用ModelArts的同学过遍ModelArts的基础功能并部署属于你自己的模型在云上，并且能够本地通过python代码调API的方式在线推理【本文以tensorflow 1.13为例】。本文分享自华为云社区《[手把手教你用ModelArts模型部署上线&在线推理](https://bbs.huaweicloud.com/blogs/313145)》， 作者：苏道。 ## 前言 ModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期AI工作流。 **本文的主要目的是带想用ModelArts的同学过遍ModelArts的基础功能并部署属于你自己的模型在云上，并且能够本地通过python代码调API的方式在线推理【本文以tensorflow 1.13为例】。** ## 模型部署阶段 ### 1、模型格式要求 因为模型部署在云上需要在AI框架[tf/pytorch/mxnet]上再套一个serving框架，本文主要利用tensorflow框架，上层的serving框架会对tensorflow的saved model形式比较亲和[推理比较快]，所以需要把模型先转成saved model格式的模型，可能的路线是**pb--->saved model / ckpt --->saved model /h5--->saved model**，具体转法同学们可以参考网上的教程~ 最终生成的saved model文件树如下：  variables目录里如下:  值得注意的是，saved model.pb文件只包含了图，不包含权重，权重全部存在了variables目录下，如果同学们转换出来variables里面是空的，pb文件很大，是有问题的，应该是转换代码的问题。 ### 2、配置文件编写 **config.json：** 如下是一个简单的config.json文件的内容，runtime 参数定义运行的ai引擎、和推理的环境，reques参数定义当通过request调用这个api时的格式，需要是form-data还是其他，传的是图片file还是string，response定义了推理完模型后返回给请求的格式，dependency是额外需要的一些依赖环境的配置。 具体的其他场景怎么编写可以参考官网文档：[模型配置文件编写说明_AI开发平台ModelArts_推理部署_推理规范说明_模型包规范_华为云 (huaweicloud.com)](https://support.huaweicloud.com/inference-modelarts/inference-modelarts-0056.html) ``` { "model_type": "TensorFlow", "model_algorithm": "test-resnet", "runtime":"tf1.13-python3.6-cpu", "apis": [{ "protocol": "http", "url": "/", "method": "post", "request": { "Content-type": "multipart/form-data", "data": { "type": "object", "properties": { "sentence": { "type": "string" } } } }, "response": { "Content-type": "applicaton/json", "data": { "type": "object", "properties": { } } } }] "dependencies": [{ "installer": "pip", "packages": [{ "restraint": "EXACT", "package_version": "1.1.5", "package_name": "pandas" }, ``` ### 2、customize_service.py编写 这部分主要是定义模型的数据前处理、后处理和推理的接口，以及返回什么内容应该怎么写，下模板是一个无需前后处理，返回QPS和推理结果、时间的例子，更详细的说明可以参考官方文档：[模型推理代码编写说明_AI开发平台ModelArts_推理部署_推理规范说明_模型包规范_华为云 (huaweicloud.com)](https://support.huaweicloud.com/inference-modelarts/inference-modelarts-0057.html) ```py import logging import threading import numpy as np import os import pandas as pd import tensorflow as tf # 导入tensorflow from PIL import Image from model_service.tfserving_model_service import TfServingBaseService from config import * import time logger = logging.getLogger() logger.setLevel(logging.INFO) class mnist_service(TfServingBaseService): def __init__(self, model_name, model_path): self.ctx = None self.use_time = 0 def _preprocess(self, data): return data def _inference(self, data): print('ready to infer') time_list = [] start_time = time.time() predict_result = self.sess.run(self.model_outputs, feed_dict=self.model_inputs) time_list.append(time.time() - start_time) use_time = np.mean(time_list) result = {} result['output'] = predict_result.tolist() result['aver_use_time'] = use_time result['QPS'] = 1 / use_time return result def _postprocess(self, data): return data ``` ### 3、打包上传OBS 将上述文件按如下图打包到一个文件夹里：  上传OBS:  ### 4、模型部署 选择ModelArts里的模型管理---模型  然后在‘’我的模型‘’里选择‘’导入‘’，然后再模型创建界面中的‘**元模型来源**’选择从**OBS**导入，如下图，除了红框需要选择外，其他配置是读取config.json文件自动配置的，然后点击创建即可完成模型部署：  然后等到模型创建成功： ## 模型上线阶段 选择部署上线---在线服务---部署  选择把模型在什么样的资源下上线[gpu/cpu]，选择刚才部署上去的模型，和版本号（如果多次部署的话），即可创建成功  等待在线服务部署完成会出现，**‘运行中’，便是成功上线了**： ## 本地调用在线服务 这一节来演示如何用本地调用在线服务。 ### 1、获取token 想要在本地远程推理，首先需要获取token，因为请求的时候会验证token，因为不能谁都乱用你的在线服务对吧。获取token的在线方法： https://apiexplorer.developer.huaweicloud.com/apiexplorer/debug?product=IAM&api=KeystoneCreateUserTokenByPassword 具体填写方法： 1、region 选择在线服务上线的区域 2、methods选择password 3、domain name、name、password从右上角个人信息那里的“我的凭证”里，domain name就是账户名, name就是IAM用户名，密码就是账号密码 4、scope 里只需要填写project name即可，如果是在北京4就填写"cn-north-4"，其他就填写其他 具体的官网教程：https://support.huaweicloud.com/api-modelarts/modelarts_03_0004.html   获取的token结果是下图箭头的部分，很长，我们把这个token值存为本地txt文件里【token有效期只有24h】： ### 2、本地代码编写 先在下一个官网代码demo包：https://obs.cn-north-1.myhuaweicloud.com/apig-sdk/ApiGateway-python-sdk.zip 来源于官方：https://support.huaweicloud.com/inference-modelarts/inference-modelarts-0024.html#inference-modelarts-0024__zh-cn_topic_0283244602_section8151659179 打开demo包，文件结构如下图，主要修改main.py文件：  将main.py修改成如下，其中，token.txt是刚才获取token后写在txt文件的那个文件，url地址从在线服务中的API接口地址来，一般是长这个样子：https://xxxxxxxxxxxxx.apig.cn-north-4.huaweicloudapis.com/v1/infers/aaaa-fccc7-dddd-eeee-xxxxx的形式，如下图，请求采用post方法： ```python # coding=utf-8 import requests from apig_sdk import signer if __name__ == '__main__': with open('token.txt', 'r') as token_file: token = token_file.readline() X_Auth_Token = token[:-1] headers = {"content-type": "application/json", 'X-Auth-Token': X_Auth_Token} url = "https://xxxxxxxxxxxxx.apig.cn-north-4.huaweicloudapis.com/v1/infers/aaaa-fccc7-dddd-eeee-xxxxx" r = requests.request("POST", url, data=json_data_dumps, headers=headers, verify=False) resp = requests.request(r.method, r.scheme + "://" + r.host + r.uri, headers=r.headers, data=r.body) print(resp.status_code, resp.reason) print(resp.content) ```  接着运行代码即可~。如果打印的status code =200那么说明请求没问题，值得注意的是，请求的数据需要是json的格式。

1、 智能缺陷检测由于人眼无法看清快速移动的目标，对微小目标分辨能力弱，而且人眼疲劳后漏检率会提高，这些都使得人工检测费时费力。而智能缺陷检测机器人则克服了这些困难，高速工业相机能够在动态检测的情况下极大降低误报率，还可根据产品检测需求调整检测精度，提高检测效率。同时可配合自动化生产线，实现自动检测、自动处理，降低次品率，减少人工成本，使得生产效率显著提升。2、 智能识别分拣对于工厂来说，分拣速度慢意味着生产出的产品会在产线上积压，造成生产线流转不顺畅，拉低生产效率。目前人工分拣速度慢，尤其是体积小、颜色形状多的产品更是分拣难度大，很容易造成分拣失误，但如果使用智能分拣机器人则可以大大提高分拣速度。智能分拣机器人可以通过摄像头对分拣物品进行识别，再通过分析得出该物品应放置的区域，最后通过机械臂或产线配合将产品送至相应的位置。该机器人的在线识别速度一般都高于生产速度，分拣失误率低，不易造成产品在产线上积压。3 、智能尺寸检测传统的产品尺寸检测由于人员使用量具熟练程度的不同，量具使用不熟练或是人员疲劳会造成检测速度变慢，延缓生产进度，而且人工测量误差较大。但智能尺寸检测机器人可以24小时持续检测，检测速度快，测量误差小。4 、智能视觉引导视觉机器人想要成功接收各项指令并完成相应的动作，也像人一样需要大脑的调配。智能装备研发的视觉引导系统就是这样一个“大脑”，它通过自主软件控制系统来下达指令，工业相机进行目标产品信息捕捉，再通过多轴机械臂进行操作，整个过程流畅自然。4.1 管桩自动领域：管桩自动装配机器人    该设备用于水泥管桩行业的头尾板自动装配采用视觉获取笼筋墩头的空间角度位置，配合四轴矫正专机完成墩头的自动撑开，最后通过机械臂实现头尾板的装配4.2 检测领域：检测中心检测机器人    检测系统由六轴机器人、自动上料装置、自动扫码装置、测径仪、测宽仪、三点测弯机构、拉力机、安全防护系统等组成。机器人系统实现样品检测自动化、无人化、数据自动上传与处理功能，提了检测准确性、真实性，降低人工成本、提高检测效率。

这个库我在PC机交叉编译环境和Ascend安装路径下找到了，请问直接拷贝进去就可以了吗，是否可以整体拷贝，如何操作

据俄罗斯卫星通讯社sputniknews报道， 电气电子工程师学会（IEEE）进行的一项《技术对2022年及以后的影响》专家调查的数据显示，云计算将成为2022年最重要的技术。60%的受访者将云计算称为2022年最重要的技术。同时，专家们在最重要的技术中还指出有人工智能和机器学习（51%）、5G（46%）、增强现实（31%）、区块链（28%）、远程会议（25%）、物联网（25%）、机器人技术（23%）、预测性人工智能、边缘计算（15%）、生物识别（15%）、量子计算（15%）、3D打印（12%）。 66%的专家认为，近1-5年人工智能将是所有工业领域进步的主要推动力。根据该调查结果显示，很多公司现已使用增强现实技术以实现数据可视化（63%）、举行3D虚拟会议（51%）、员工培训（49%）、在销售中引入游戏元素（游戏化）（35%）。很多受访者认为，2022年引入5G通讯将有重要意义，5G通讯将广泛应用于包括远程手术（24%）在内的远程医疗、远程教育（14%）、日常通讯（15%）、工业制造/装配（13%）、交通（7%）。调查期间，对来自美国、中国、英国、印度和巴西大型公司担任领导职位的350名专家进行了调查。

01 ▎华为RPA白皮书正式发布Forrester正式发布《华为RPA白皮书》，为处在数字化转型中的企业提供有效的RPA总体经济的价值分析。通过访谈4家华为WeAutomate的客户，整合分析得出，企业引入WeAutomate后的投资回报率可达116%，净现值达1018万元。  02 ▎WeAutomate RPA 3.0正式发布华为RPA首席架构师吕茂林对华为RPA WeAutomate 3.0版本进行深度解读。新增CV自动化、GDE Link移动端小程序、资产可信与交易、CSM运营、人机协作、Chatbot、机器人健康体检等特性。同时发布“政小助”解决方案。  03 ▎“政小助”产品设计方法论及效果分享立足于政务场景而生成的政务智能报告助手可一键生成图文并茂的政务报告，具有千人千面的特点。通过内置报告资产模板，快速配置各类政府报告，提供极简工作体验。  04 ▎客户发言：鞍钢财务“数字员工”案例分享通过引入华为RPA和AI技术，鞍钢集团快速构建电子会计档案归档标准流程体系，优化重构通用费用报支业务流程，实现集团账表归档、智能报销自动化。  05 ▎客户发言：瑞金医院财务自动化案例分享医院的院区多、发票量巨大，导致发票验真、入库流程操作耗时长且费时。应用华为RPA+AI开发的“瑞财小智”机器人可实现发票验真、入库自动化，优化发票入库流程，进而推动智慧医疗建设。  06 ▎客户发言：上飞院飞机结构设计自动化实践分享引入华为RPA+AI这位“英雄数字员工9527”，可操作结构数模对比、关键数据自动化分析等工作，促进简化协调环节，提高处理效率，解放人力资源。  07 ▎伙伴发言：普华永道基于RPA深化应用可能面临的挑战，分析了支持RPA应用的基础要素，为企业发展数字化员工提供而有效的支撑。  08 ▎伙伴发言：富璟科技立足于企业财务场景，指出引入华为RPA+AI可促进企业交易模式、运作模式、组织模式、治理模式等方面的业务创新，进而成为财务智能自动化转型的利器。  09 ▎伙伴发言：上海德成通过展开论述“财务数据中台案例”及“苏小助”数字助手案例，深入解读华为RPA在财务、政务领域带来的数字化转型效益。

算法和模型不断取得新突破，技术与产业相结合方兴未艾，人工智能正处于稳步增长的良好状态。相关报告显示，中国人工智能市场规模在2016年-2020年持续增长，市场规模从2016年的154亿元增长至2020年的1280亿元，年复合增长率达到69.79%。预计人工智能市场将持续大幅度增长，2021年会达到1963亿元。 人工智能的三大要素是数据、算法及算力，其中数据是基础，算法是工具，算力则是助燃剂，而在AI这一“聪敏”的应用程序背后是海量的数据及指数级的计算需求，因此，其算力的一个重要支撑便是人工智能服务器。  **超强算力，数字经济创新源动力** 人工智能与产业的结合越来越紧密。在应用端，刷脸乘车/支付、自动驾驶、精准推送等智能应用已经成为了现实；在企业端，人工智能是布局数字化转型的第一站，越来越多的企业选择利用AI收集数据做出决策、重建生态系统与商业模式，构建良好的客户体验。在政府今年公布的《十四五智慧城市建设规划(2021-2025)》中，充分运用人工智能、大数据、云计算等前沿技术推动城市治理模式创新，促进城市治理体系和治理能力现代化，成为了加速推进智慧城市建设的“密钥”。我们可以这样认为：人工智能成为了万物互联的智慧内核，它由一连串冰冷的代码正变成像水、电那般触手可及的公共资源。 正如IDC中国助理副总裁周震刚所说：“超大规模的数据量对处理效率提出更高要求，强大的计算力，为数字经济提供了倍增创新的源动力”，因此，人工智能服务器需求与日俱增。相关报告显示，目前，全球人工智能服务器占人工智能基础设施市场的84.2%以上，是人工智能基础设施的主体。并预测，未来，AI服务器将保持高速增长，预计在2024年全球市场规模将达到251亿美元。 在全球布局人工智能产业生态下，我国也有大批杰出企业积极参与，如华为昇腾AI系列以“一平台双驱动”为核心，基于昇腾系列AI处理器，华为Atlas人工智能计算解决方案通过模块、板卡、小站、服务器、集群等丰富的产品形态，打造面向“端、边、云”的全场景AI基础设施方案，覆盖深度学习领域推理和训练全流程。截止目前广电运通、熙菱信息、川大智胜等上市公司布局华为AI生态，以超强算力打造一体化智慧解决方案，充分激活数字经济发展新动力。 **“元宇宙”概念下的硬技术** 根据维基百科：元宇宙（Metaversew）被定义为“一个集体虚拟共享空间，由虚拟增强的物理现实和物理持久的虚拟空间融合而创造，包括所有虚拟世界、增强现实和互联网的总和。” 2021年是元宇宙元年。8月份，字节跳动以90多亿元的价格收购元宇宙公司Pico，正式入局AR；9月8日，扎克伯格面向媒体表示，元宇宙是下一代互联网，Facebook拟在5年内转变为元宇宙公司，此外，谷歌、微软、腾讯、网易等互联网大厂也纷纷涌向元宇宙风口。 暂且不提“元宇宙”这一概念是否会是虚拟现实马甲这一疑问，单论其实现所需要的虚拟内容的创作与体验以及更加真实的建模与交互，强大的AI算力是其必不可缺的支撑技术，因此，要真正构建“元宇宙”，就必须拥有技术视角，“元宇宙”以“硬技术”为坚实基础。 一台台AI服务器的海量数据训练和推理工作推动着人工智能的快速发展，此外，产品持续的更新迭代是为了工作的更高效与更准确。可以说，元宇宙构建的真实与否，取决于AI服务器的技术实力。 **结语** 计算力是数字技术持续发展的关键因素，是数字经济时代的核心生产力。在计算即智能的时代，更高的算力将会推进更进一步的智能。 知是行之始，行是知之成。

我又来啦 隔了好几天了看大家前五个完成的人数很少嘛 继续出教程啦首先我们仔细阅读当前的要求~  华为云账号+实验截图 并在列表末尾+一个cell命令  ！env| grep PROJECT_ID；（别忘了 每个人都不一样 是唯一的哦~）点击开始实验->run...然后在结尾处添加：!env | grep PROJECT_ID出来以后千万别像我一样下面的id没有截全 要截全哦~

为了增加我们中将的概率达到100人开启的宝箱 本仙女特意给大家来个普及1024如何开发的小文章 心情好一日俩更 勿催~还没开始的小伙伴点击链接：https://bbs.huaweicloud.com/forum/thread-161053-1-1.html  和小助手一起来做吧那么好：请仔细阅读活动规则和要求要截图+华为云账号 我的账号是147...如果对于小白肯定会问？怎么查看自己的华为云账号呢？看最右边带有hw开头的就是啦点击开始实验->runinmodearts->找到world和stage参数的值默认是1可以修改后面说明里的关卡最后如第一个那么做就可以啦~

人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

小助手，这个2e有可能上新嘛？

面向对象语言中 this 表示当前对象的一个引用。但在 JavaScript 中 this 不是固定不变的，它会随着执行环境的改变而改变。在方法中，this 表示该方法所属的对象。如果单独使用，this 表示全局对象。在函数中，this 表示全局对象。在函数中，在严格模式下，this 是未定义的(undefined)。在事件中，this 表示接收事件的元素。类似 call() 和 apply() 方法可以将 this 引用到任何对象。实例var person = {  firstName: "John",  lastName : "Doe",  id       : 5566,  fullName : function() {    return this.firstName + " " + this.lastName;  }};方法中的 this在对象方法中， this 指向调用它所在方法的对象。在上面一个实例中，this 表示 person 对象。fullName 方法所属的对象就是 person。实例fullName : function() {  return this.firstName + " " + this.lastName;}单独使用 this单独使用 this，则它指向全局(Global)对象。在浏览器中，window 就是该全局对象为 [object Window]:实例var x = this;严格模式下，如果单独使用，this 也是指向全局(Global)对象。实例"use strict";var x = this;尝试一下 »函数中使用 this（默认）在函数中，函数的所属者默认绑定到 this 上。在浏览器中，window 就是该全局对象为 [object Window]:实例function myFunction() {  return this;}尝试一下 »函数中使用 this（严格模式）严格模式下函数是没有绑定到 this 上，这时候 this 是 undefined。实例"use strict";function myFunction() {  return this;}事件中的 this在 HTML 事件句柄中，this 指向了接收事件的 HTML 元素：实例<button onclick="this.style.display='none'">点我后我就消失了</button>尝试一下 »对象方法中绑定下面实例中，this 是 person 对象，person 对象是函数的所有者：实例var person = {  firstName  : "John",  lastName   : "Doe",  id         : 5566,  myFunction : function() {    return this;  }};实例var person = {  firstName: "John",  lastName : "Doe",  id       : 5566,  fullName : function() {    return this.firstName + " " + this.lastName;  }};说明: this.firstName 表示 this (person) 对象的 firstName 属性。显式函数绑定在 JavaScript 中函数也是对象，对象则有方法，apply 和 call 就是函数对象的方法。这两个方法异常强大，他们允许切换函数执行的上下文环境（context），即 this 绑定的对象。在下面实例中，当我们使用 person2 作为参数来调用 person1.fullName 方法时, this 将指向 person2, 即便它是 person1 的方法：实例var person1 = {  fullName: function() {    return this.firstName + " " + this.lastName;  }}var person2 = {  firstName:"John",  lastName: "Doe",}person1.fullName.call(person2);  // 返回 "John Doe"

点赞活动又来啦！礼品丰厚，快来参加~活动时间：即日起-11月16日在本贴下面分享参观鲲鹏创新基地展厅的心得体会，赢好礼！玩法一：分享参观图片+文字，可参与抽奖，抽奖比例为总回复数量20%，奖品：攻城狮行李牌玩法二：分享参观图片+文字，邀请好友为回复点赞回复格式：我的华为云账号：（图片）我参加了XXX，XXXXX如何邀请好友为自己的留言楼层点赞？名单公示：所有玩法的中奖名单，在活动结束后10个工作日内，均将公示至此贴评论区，敬请关注。说明：1）请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）；2）邀请新用户点赞方有效哦~楼主邀请的点赞者需为新用户（新用户：此活动为注册华为云账号后，参与的第1个活动，即为新用户）3）参与活动点赞的用户，按点赞人数进行排名，若点赞人数一致，则按楼层前后为标准，进行排名；4）本次活动，活动获奖名单预计于活动结束后10个工作日内完成公示，15个工作日内完成奖品发放，发放时间根据实际情况动态调整，如有延期敬请见谅；5）本活动最终解释权归华为云所有。6）活动有任何问题，请联系小助手。（工作日9点至18点回复消息，如回复不及时请见谅）