AI人工智能這幾年作為科技界的熱門話題被媒體宣傳的如火如荼。在這種氛圍之下，身為創(chuàng)客的我們怎能錯過展現(xiàn)好點子落地的大好時機呢？接下來就為大家介紹如何取得及應(yīng)用免費的AI實驗場域資源「Google Colaboratory」。
Google免費GPU資源Colaboratory
大家都說要玩AI先得準(zhǔn)備個很貴的高級顯卡及服務(wù)器才能跑得動，對于想入門練練手的人實在有點花不下去，就像想學(xué)開車的人不會先買一臺法拉利，而是先去教練場學(xué)到一定程度后，再考慮一下預(yù)算及需求后才會依用途去買合適的跑車、房車、貨車、代步車甚至是二手車。
現(xiàn)在阮囊羞澀的各位有福了，Google旗下的實驗計劃Colaboratory （以下簡寫為Colab）提供了免費的NVIDIA K80等級GPU資源及虛擬機（Xeon 2．2GHz CPU＊2）供大家使用，其中整合了Linux （Ubuntu）環(huán)境、Python、Jupyter notebook及TensorFlow等常用套件包，并允許大家安裝執(zhí)行時所需套件包（如Keras、 OpenCV、PyTorch、MxNet、XGBoost等），只要有Google云端硬盤賬號就可免費使用。
Google Colaboratory
當(dāng)然不可避免地，這項免費資源并非毫無使用限制的，所提供的虛擬服務(wù)器，目前只提供至少50G儲存空間和12GB（可用于訓(xùn)練約2GB）的內(nèi)存，使用時間僅可連續(xù)12小時（包含安裝軟件套件包、數(shù)據(jù)下載到虛擬機及訓(xùn)練時間）。超過時間便會清掉使用中內(nèi)容，有時還會因使用者過多造成連不上線或用到一半斷線，并不適合用在太大的模型及數(shù)據(jù)集訓(xùn)練。
話雖如此，整體來說還是很方便家中沒有Linux ＋ Python環(huán)境或計算機（筆電）CPU等級太低或沒有獨立顯卡的人及想學(xué)習(xí)人工智能的新手練習(xí)使用。
何謂影像二元分類
在知名HBO影集「硅谷群瞎傳」第四季的第四集當(dāng)中有個有趣的橋段，華人楊靖發(fā)明一款可拍照后辨識食物類型的APP叫「See Food」，展示時第一次拍熱狗成功辨識，眾人歡呼開始想象滿桌子的食物若都能辨識出來的話，這款A(yù)PP肯定大賣。接著再拍了披薩后眾人等著APP回答「披薩」，可是APP卻回答「不是熱狗（Not Hotdog）」，眾人瞬間傻眼，「這只能辨識熱狗嗎？」楊靖回答：「是」，眾人大失所望、一哄而散。
然而，故事還沒完呢！竟有一家創(chuàng)投看上這個APP，要他改成偵測色情圖片中男生的小丁丁，這就是標(biāo)準(zhǔn)的「失之東隅，收之桑榆」。
雖然上面橋段的「Not Hotdog」只是虛構(gòu)劇情，但現(xiàn)實中還真的人有把它實現(xiàn)出來，有興趣的人可到Apple APP Store下載Not Hotdog 。從上面故事中我們可得知影像分類的重要性，雖然影像二元分類（是或不是）的用途較窄些，但若能大量（數(shù)千到數(shù)百萬張）標(biāo)注影像的分類，經(jīng)過訓(xùn)練后可令影像精準(zhǔn)地分類，那就有可能產(chǎn)生一些獨特的商機。
Not Hotdog APP屏幕擷圖
用Colab實現(xiàn)影像二元分類
為了讓大家能快速上手，在此整理了一段完整的代碼并有詳盡的原理解說及批注，只要依著下列步驟就可快速建構(gòu)出一個二元分類的影像分類系統(tǒng)，當(dāng)然也包括如何用自定義的數(shù)據(jù)集進行訓(xùn)練及推論。代碼主要包括以下四個主要步驟，另外還有更進一步的細節(jié)說明，如下所示。
1． 取得及建構(gòu)訓(xùn)練數(shù)據(jù)（TrainingDataset）
下載數(shù)據(jù)集
數(shù)據(jù)集解壓縮
檢視數(shù)據(jù)集
自定義數(shù)據(jù)集及掛載
2． 建構(gòu)一小型深度學(xué)習(xí)模型（TrainingModel）
卷積網(wǎng)絡(luò)模型
輸入圖像尺寸正規(guī)化
模型架構(gòu)及訓(xùn)練參數(shù)說明
模型配置及訓(xùn)練優(yōu)化設(shè)定
數(shù)據(jù)預(yù)處理
3． 訓(xùn)練及驗證模型準(zhǔn)確度（ValidationAccuracy）
訓(xùn)練及驗證模型
評估模型的準(zhǔn)確性和損失
4． 應(yīng)用深度學(xué)習(xí)訓(xùn)練成果進行推論（Inference）
推論
可視化表示
了解了相范例的學(xué)習(xí)目標(biāo)后，可以至https：／／goo．gl／SqigfE下載image＿classification．ipynb 到您的Google云端硬盤，雙擊后選擇以「Colaboratory」開啟，就可以開始享受Colab提供的免費GPU運算信息。執(zhí)行時，請按【Shift＋Enter】進行單步執(zhí)行并自動跳至下一行；若想一次全部運行本范例所有代碼，可按【Ctrl＋F9】。接下來就簡單為大家介紹主要步驟的工作內(nèi)容。
12下一頁>（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
