写在前面

• 之前上学使用华为的ModelArts平台做了类似的图像识别之类的小项目，零编码，但是需要自己搞数据集，标注、选择算法、训练模型等，用的话直接调API。
• NLP方面之前的一个实习公司有用，对一些类似招股书文件数据进行核查的。那会我作为Java开发做些数据清洗的工作，调NLP的接口去识别一些表格,然后用java写一些逻辑，把数据的按要求分类整理上传。
• 在之后工作中没有接触过，也没有学习过，但是对这方面蛮感兴趣的。基本算是小白，对NLP之类的算法也不懂，买了一本相关的书籍，也落灰了。看到这个活动，想学习学习，所以参加了。
• 啥都不懂哈，但是整体感觉相对于华为的ModelArts更繁琐，也不知道是我不懂的原因。
• 依旧，附上活动链接：https://bbs.csdn.net/topics/601636817

活动内容：使用Azure认知服务免费提供的AI服务（包括语音转文本、文本转语音、语音翻译、文本分析、文本翻译、语言理解）开发智能应用，并以博文形式分享使用上述服务（至少试用3项服务）教程以及自己的使用心得体验；

我徒然学会了抗拒热闹，却还来不及透悟真正的冷清。--------张大春

在使用之前我们需要先了解下相关概念

一、关于认知服务的一些基本概念和术语

什么是 Azure 认知服务？：

认知服务: 提供认知理解(看、听、说、理解，甚至可以决策的认知)功能的服务。

认知服务主要分为四大类：

• 影像
• 语音
• 语言
• 决策

Azure 认知服务是具有 REST API和客户端库 SDK的基于云的服务，可用于帮助你将认知智能构建到应用程序中。 即使你没有人工智能 (AI) 或数据科学技能，也可向应用程序添加认知功能。Azure 认知服务包含各种 AI 服务，让你能够构建可以看、听、说、理解，甚至可以决策的认知解决方案。

我们要做一个可以和自己聊天的机器人，所以需要语言理解.

什么是语言理解 (LUIS)？

语言理解 (LUIS) 是一种基于云的对话式 AI 服务，可在用户对话的自然语言文本中应用自定义机器学习智能，以便预测整体含义并提炼出相关的详细信息。 LUIS 通过其自定义门户、API 和 SDK 客户端库提供访问权限。

二、服务构建步骤

1、首先、我们需要创建一个资源

使用Azure门户创建新资源
关于Azure 认知服务入门方面的教程，小伙伴可以移步官方文档 https://docs.azure.cn/zh-cn/cognitive-services/cognitive-services-apis-create-account?tabs=multiservice%2Cwindows

2、服务应用构建

步骤
登录到LUIS门户
创建新应用
生成模型
添加意向，即你要说些什么话，即语料，这个随便写点
添加13-15个
添加实体
使用预构建的模型，这里我们全都选择了,上面的2步应该就是生成这个，类似模板
训练模型
发布模型
查看信息

发布应用服务测试,使用python脚本调用接口

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker pull centos/python-36-centos7
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ ls
input  luis_run.sh  output  predict.py
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm -it  --name=chatbot -v $PWD/predict.py:/predict.py centos/python-36-centos7  /bin/bash
(app-root) cd /
(app-root) ls
anaconda-post.log  bin  boot  dev  etc  help.1  home  lib  lib64  media  mnt  opt  predict.py  proc  root  run  sbin  srv  sys  tmp  usr  var
(app-root) python predict.py
Traceback (most recent call last):
  File "predict.py", line 6, in <module>
    import requests
ModuleNotFoundError: No module named 'requests'
(app-root) pip install requests
.........................
Collecting requests
  Downloading https:/
  .....
(app-root) python predict.py
'query': '一个人怎么生活？', 'prediction': 'topIntent': '生活加油', 'intents': '生活加油': 'score': 0.8969882, 'Calendar.ShowNext': 'score': 0.58274937, 'Calendar.FindCalendarWhen': 'score': 0.25383785, 'Places.GetReviews': 'score': 0.24764298, 'Utilities.ReadAloud': 'score': 0.20971665, 'HomeAutomation.QueryState': 'score': 0.15509635, 'Calendar.CheckAvailability': 'score': 0.12212229, 'Places.GetPriceRange': 'score': 0.122063436,........

测试成功 :predict.py脚本

感觉语料太少了，所以基本说的牛头不对马尾，需要进行大量训练

########### Python 3.6 #############

#
# This quickstart shows how to predict the intent of an utterance by using the LUIS REST APIs.
# 导入模块
import requests

try:
    ##########
    # Values to modify.
    # YOUR-APP-ID: The App ID GUID found on the www.luis.ai Application Settings page.
    # 替换为自己的APP-ID
    appId = '949d3538-07df-4149-bee8-83dc7f4e11bd'
    # YOUR-PREDICTION-KEY: Your LUIS prediction key, 32 character value.
    prediction_key = '24440ef2829c45f0a061599ee00b496a'
    # YOUR-PREDICTION-ENDPOINT: Replace with your prediction endpoint.
    # For example, "https://westus.api.cognitive.microsoft.com/"
    prediction_endpoint = 'https://chatbot0.cognitiveservices.azure.cn/'
    # The utterance you want to use.
    # 你想和他说的话..
    utterance = '一个人怎么生活？'
    ##########
    # The headers to use in this REST call.
    headers = 
    

    # The URL parameters to use in this REST call.
    params =
        'query': utterance,
        'timezoneOffset': '0',
        'verbose': 'true',
        'show-all-intents': 'true',
        'spellCheck': 'false',
        'staging': 'false',
        'subscription-key': prediction_key
    


    # Make the REST call.
    response = requests.get(f'prediction_endpointluis/prediction/v3.0/apps/appId/slots/production/predict', headers=headers, params=params)

    # Display the results on the console.
    print(response.json())


except Exception as e:
    # Display the error string.
    print(f'e')

3、部署服务，启动和运行 LUIS环境准备

进入资源
按照部署要求一步步构建
拉取镜像
最好找个镜像加速器配置一下，要不太慢了

拉取镜像

┌──[root@liruilongs.github.io]-[/etc/docker]
└─$ docker pull mcr.microsoft.com/azure-cognitive-services/luis
Using default tag: latest
latest: Pulling from azure-cognitive-services/luis
b248fa9f6d2a: Pull complete
406741bedf7a: Pull complete
0767c6f1d20a: Pull complete
3687afaf861f: Pull complete
095d858c817b: Pull complete
45c05f18f223: Pull complete
ce065679c887: Pull complete
Digest: sha256:3583c9034a6e8f4ec78b2cf8d880d7eab7d960deebfc5ebd03853cffcdb879f0
Status: Downloaded newer image for mcr.microsoft.com/azure-cognitive-services/luis:latest
mcr.microsoft.com/azure-cognitive-services/luis:latest
┌──[root@liruilongs.github.io]-[/etc/docker]
└─$ # 嗯，这个镜像好似做这个没啥用，后面用的不是这个。

安装并运行 LUIS 的 Docker 容器

运行步骤
必需的参数:所有认知服务容器都需要三个主要参数。 最终用户许可协议 (EULA) 的值必须为 accept。 此外，终结点URL和API密钥都是必需的。

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ mkdir input output
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ ls
input  luis_run.sh  output
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ cat luis_run.sh
docker run --rm -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0a061599ee00b496a  ##这里参数填自己的
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0a061599ee00b496a  ## 启动容器


EULA Notice: Copyright © Microsoft Corporation 2020. This Cognitive Services Container image is made available to you under the terms [https://go.microsoft.com/fwlink/?linkid=2018657] governing your subscription to Microsoft Azure Services (including the Online Services Terms [https://go.microsoft.com/fwlink/?linkid=2018760]). If you do not have a valid Azure subscription, then you may not use this container.


Using '/input' for reading models and other read-only data.
Using '/output/luis/ff2a18ee78a1' for writing logs and other output data.
Logging to console.
Submitting metering to 'https://chatbot0.cognitiveservices.azure.cn/'.
warn: Microsoft.AspNetCore.DataProtection.KeyManagement.XmlKeyManager[35]
      No XML encryptor configured. Key d826e89b-febe-4b93-bad8-db07cb994012 may be persisted to storage in unencrypted form.
warn: Microsoft.AspNetCore.Server.Kestrel[0]
      Overriding address(es) 'http://+:80'. Binding to endpoints defined in UseKestrel() instead.
Hosting environment: Production
Content root path: /app
Now listening on: http://0.0.0.0:5000
Application started. Press Ctrl+C to shut down.

测试
查看接口API

嗯，太晚了，剩下的明天写…