技术编程|Google AI Prediction平台介绍



技术编程|Google AI Prediction平台介绍
本文插图

Google(谷歌)上周发布了通用性的AI Prediction平台 , 该服务使开发人员可以在云服务中准备 , 构建 , 运行和共享机器学习模型 。 Google AI平台是基于Google Kubernetes Engine , 具有高可靠性 , 灵活性和low overhead latency的架构 。
IDC预测 , 到2022年 , 全球在认知和人工智能系统上的支出将达到776亿美元 , 高于去年的240亿美元 。 Gartner的调查支持上述观点:发现AI在过去四年中增长了270% , 仅在过去一年中就增长了37% 。 借助AI Prediction平台 , Google在其产品中增加了托管AI服务 , 优于亚马逊 , 微软和IBM , 阿里等竞争对手 。 AI Platform介绍
下图简要介绍了机器学习工作流的各个阶段 。 蓝色背景框表示 AI Platform 提供托管式服务和 API 的阶段:
【技术编程|Google AI Prediction平台介绍】
技术编程|Google AI Prediction平台介绍
本文插图

如图所示 , 您可以使用 AI Platform 管理机器学习工作流中的以下阶段:
使用您的数据训练机器学习模型:训练模型评估模型准确率调整超参数
部署经过训练的模型 。
向模型发送预测请求:在线预测批量预测(仅适用于 TensorFlow)
持续监控预测 。
管理模型和模型版本 。 训练服务
通过 AI Platform 训练服务 , 您可以使用各种不同的自定义选项训练模型 。
您可以选择多种不同的机器类型为您的训练作业提供支持、启用分布式训练、使用超参数调节 , 以及使用 GPU 和 TPU 加快速度 。
您还可以选择其他方式来自定义训练应用 。 您可以提交用于 AI Platform 的输入数据 , 以使用内置算法(测试版)进行训练 。 如果内置算法不适合您的使用场景 , 您可以提交自己的训练应用以在 AI Platform 上运行 , 或者使用您的训练应用及其依赖项构建自定义容器以在 AI Platform 上运行 。 预测服务
通过 AI Platform 预测服务 , 无论模型是否是在 AI Platform 上训练的 , 您都可以根据经过训练的模型来执行预测 。 数据标签服务
通过 AI Platform 数据标签服务(测试版) , 您可以请求以人工方式为计划用于训练自定义机器学习模型的数据集加标签 。 您可以提交为视频、图片或文本数据添加标签的请求 。
要提交添加标签请求 , 您需要提供已加标签的数据的代表性样本 , 指定数据集的所有可能标签 , 并提供一些如何应用这些标签的说明 。 标签添加人员将会按您的说明添加标签 。 当添加标签请求完成后 , 您将获得添加了注释的数据集 , 可将其用于训练机器学习模型 。 Deep Learning VM Image
通过 AI Platform Deep Learning VM Image , 您可以从一组基于 Debian 9 的 Compute Engine 虚拟机映像中进行选择 , 这些映像针对数据科学和机器学习任务进行了优化 。 所有映像都附带预安装的关键机器学习框架和工具 , 并且可以在配备 GPU 的实例上开箱即用 , 从而加快数据处理任务的速度 。 Google Cloud Console
在 Cloud Console 上 , 您可以将模型部署到云端 , 以及管理模型、版本和作业 。 此选项为您提供了用于处理机器学习资源的界面 。 作为 Google Cloud 的一部分 , 您的 AI Platform 资源与 Cloud Logging 和 Cloud Monitoring 等实用工具相关联 。 gcloud 命令行工具
您可以使用 gcloud ai-platform 命令行工具在命令行中管理模型和版本、提交作业以及完成其他 AI Platform 任务 。
对于大多数 AI Platform 任务 , 建议使用 gcloud 命令;对于在线预测 , 建议使用 REST API(请参阅下文) 。 REST API
AI Platform REST API 提供了 RESTful 服务 , 用于管理作业、模型和版本 , 以及在 Google Cloud 上使用托管模型进行预测 。
您可以使用 Python 版 Google API 客户端库访问 API 。 使用该客户端库时 , 请使用 API 所用的资源和对象的 Python 表示法 。 与直接处理 HTTP 请求相比 , 这种方式更简单易行 , 所需的代码更少 。
我们尤其建议使用 REST API 来处理在线预测 。


    推荐阅读