Google Cloud AI Platform 01平台介绍

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

Google Cloud AI Platform 01平台介绍_第1张图片

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。
Google Cloud AI Platform 01平台介绍_第2张图片

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。
Google Cloud AI Platform 01平台介绍_第3张图片

AI Platform Notebook

Google Cloud AI Platform 01平台介绍_第4张图片

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。Google Cloud AI Platform 01平台介绍_第5张图片

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

你可能感兴趣的:(tensorflow,google,人工智能,神经网络,深度学习)