Google Cloud AI Platform 01平台介绍

最近不少同学都被困在家办公，没带电脑?回家的童鞋估计已经被逼疯了，拿出小米平板刷了双系统做安卓开发。在安卓机上做安卓开发，细细品，好像也蛮地道的?‍♀️

之前看到手机版编程软件还感觉很傻，现在看起来好像也不是那么难以接受?‍♂️

对于做人工智能开发的同学来说，那更要命了。做AI需要训练模型，海量的数据，高强度的计算，往往要超算才能满足需求。在公司还能四路泰坦伺候，在家你就算一个Macbook Pro也智能瑟瑟发抖。

黄老板的显卡，那耗电估计一般家庭里就算不跳闸就得电费爆炸?了。

这个时候，用云端的远程服务器就是唯一出路。说不定真的可以拿一个小米平板都能做开发（雷军没黑你，你okay的?）。

在众多云服务厂商中，Google算是比较头部的一家了，我们今天就来看看Google的AI云平台服务。

定位

Google AI Paltform是基于Google Cloud的AI服务，目的在于将您的机器学习项目运用于生产环境。

AI Platform 可让机器学习开发者、数据科学家和数据工程师轻松快速、经济高效地将机器学习项目从构思阶段投入生产和部署阶段。从数据工程到“无锁定”的灵活性，AI Platform 的集成工具链可帮助您构建并运行自己的机器学习应用。

AI Platform 支持 Google 的开源平台 Kubeflow。通过该平台，您无需进行大量代码更改，即可构建能在本地或 Google Cloud 上运行的可移植机器学习流水线。此外，将 AI 应用部署到生产环境时，您还能够使用 TensorFlow、TPU 和 TFX 工具等最先进的 Google AI 技术。

优势

• 上下游资源齐全，有Google的云计算、并行计算等组件齐全，便于托管
• 提供数据集存储和数据打标功能，方便数据管理
• 对Tensorflow支持较好，也支持Pytorch
• 文档齐全，教程丰富

使用思路

Google AI Platform 适合于产品的部署或者高强的训练，由于是付费服务，因此因尽量避免不必要的使用。前期在模型设计阶段往往会经常出错，这时候使用付费会造成比较大的浪费，因此前期模型设计应在本地完成。

离线端完成模型设计

本地完成原型设计，部署到云端进行训练

在本地，我们可以先完成数据的预处理和模型的设计，保证代码没有问题了再上传到云端进行训练。
本地测试的时候，我们可以用少量数据，少跑几轮，验证模型可以跑起来，各种写入写出都正常，再修改相关参数，提交到云端进行训练。

使用Colab进行原型设计

如果你没有合适的PC机，你也可以用Google Colab，在Jupyter Notebook上完成初步设计，免费的TPU也可以加速您的进度。

AI Platform Notebook

云端完成模型训练及调参

设计好模型后，可以把项目文件打包为一个完整的Python Package提交到AI Platform进行训练。
同时，您也可以将想要调试的参数用yaml提交，进行调参。

使用部署后的模型进行推理

模型训练完后，您可以选取一个最合适的模型部署，作为推理使用

身边的数据科学，尽量用通俗诙谐的语言向您介绍数据科学。