Google Cloud AI Platform 01平臺介紹

定位

Google AI Paltform是基於Google Cloud的AI服務，目的在於將您的機器學習項目運用於生產環境。

AI Platform 可以讓機器學習開發者、數據科學家和數據工程師輕鬆快速、經濟高效地將機器學習項目從構思階段投入生產和部署階段。從數據工程到「無鎖定」的靈活性，AI Platform 的集成工具鏈可幫助您構建並運行本身的機器學習應用。

AI Platform 支持 Google 的開源平臺 Kubeflow。經過該平臺，您無需進行大量代碼更改，便可構建能在本地或 Google Cloud 上運行的可移植機器學習流水線。此外，將 AI 應用部署到生產環境時，您還可以使用 TensorFlow、TPU 和 TFX 工具等最早進的 Google AI 技術。

優點

• 上下游資源齊全，有Google的雲計算、並行計算等組件齊全，便於託管
• 提供數據集存儲和數據打標功能，方便數據管理
• 對Tensorflow支持較好，也支持Pytorch
• 文檔齊全，教程豐富

使用思路

Google AI Platform 適合於產品的部署或者高強的訓練，因爲是付費服務，所以因儘可能避免沒必要要的使用。前期在模型設計階段每每會常常出錯，這時候使用付費會形成比較大的浪費，所以前期模型設計應在本地完成。

離線端完成模型設計

本地完成原型設計，部署到雲端進行訓練

在本地，咱們能夠先完成數據的預處理和模型的設計，保證代碼沒有問題了再上傳到雲端進行訓練。
本地測試的時候，咱們能夠用少許數據，少跑幾輪，驗證模型能夠跑起來，各類寫入寫出都正常，再修改相關參數，提交到雲端進行訓練。

使用Colab進行原型設計

若是你沒有合適的PC機，你也能夠用Google Colab，在Jupyter Notebook上完成初步設計，免費的TPU也能夠加速您的進度。

AI Platform Notebook

雲端完成模型訓練及調參

設計好模型後，能夠把項目文件打包爲一個完整的Python Package提交到AI Platform進行訓練。
同時，您也能夠將想要調試的參數用yaml提交，進行調參。

使用部署後的模型進行推理

模型訓練完後，您能夠選取一個最合適的模型部署，做爲推理使用