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。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。