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 可以让机器学习开发者、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本身的机器学习应用。

AI Platform 支持 Google 的开源平台 Kubeflow。经过该平台，您无需进行大量代码更改，便可构建能在本地或 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，您还可以使用 TensorFlow、TPU 和 TFX 工具等最早进的 Google AI 技术。

优点

• 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，因为是付费服务，所以因尽可能避免没必要要的使用。前期在模型设计阶段每每会常常出错，这时候使用付费会形成比较大的浪费，所以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，咱们能够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，咱们能够用少许数据，少跑几轮，验证模型能够跑起来，各类写入写出都正常，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

若是你没有合适的PC机，你也能够用Google Colab，在Jupyter Notebook上完成初步设计，免费的TPU也能够加速您的进度。

AI Platform Notebook

云端完成模型训练及调参

设计好模型后，能够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，您也能够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，您能够选取一个最合适的模型部署，做为推理使用