阿里雲機器學習tensorflow實踐

1，前言

伴隨人工智能和深度學習的應用愈來愈普及，愈來愈多的開發人員開始投入到智能算法的編程中。因爲算法成熟且公開，軟件編碼這一塊不存在難度；但模型訓練和預測所需的時間與硬件設備的配置有極大關係，不少開發人員並不具有GPU計算能力，如此只能在cpu上計算將耗費太多時間，對於模型調試和實際應用產生實質性阻礙。

好在大公司已經將其軟硬件能力提供爲PAAS、SAAS服務，讓普通用戶能使用其超強計算平臺進行大數據計算。好比百度雲、阿里雲。本文對阿里雲提供的機器學習產品進行體驗。

 

2，創建項目一

阿里雲機器學習產品有不少服務，本人對其中的tensorflow服務比較關注。阿狸的文檔比較全面，基本安裝其指導就能正常使用了。具體可參考：

https://help.aliyun.com/document_detail/49571.html#OSS

（1）開通OSS存儲服務。地區選擇華東2，費用可選擇半年40G空間9元。

（2）開通機器學習服務，創建項目。模板選擇「tensorFlow圖片分類」。勾選「開啓GPU」。目前公測期免費。

 

3，配置項目一

 tensorFlow圖片分類項目，默認配置了oss文件存儲，一個TF模型訓練和一個TF結果預測。

oss文件默認配置共用數據，但兩個TF流程的輸出目錄都須要指向本身的OSS目錄。

 

4，運行項目一

 配置完成後，先運行訓練過程。在左側TF圖標上點擊「運行到此處」，開始運行，直至結束。此時訓練模型已經保存到指定的oss目錄下。運行時間24分鐘。

 

 而後再運行右側流程。以下圖。但運行了超過1小時也沒有結束，就終止了。

 

 

5，創建並運行項目二

https://yq.aliyun.com/articles/72841?spm=5176.100239.0.0.aLlJGY

按照以上文章中的步驟，創建圖像識別項目。

訓練配置以下，訓練速度很快，20分鐘完成。

 

 

識別的配置以下：

 

執行只需1分鐘多，但識別結果錯誤，正確答案是：this is a bird

load data done
oss://jackkwok-001/tf_test/check_point/model/model.tfl
[0.0, 0.9939602613449097, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.006039762869477272]
[0.0, 0.9939602613449097, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.006039762869477272]
This is a automobile

 

再次運行預測部分，仍然是automobile。

 

從新運行訓練和預測兩部分，結果此次正確了。

load data done
oss://jackkwok-001/tf_test/check_point/model/model.tfl
[0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
[0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
This is a bird

 並且只要訓練模型正確，之後不管運行多少次預測，結果都是正確的，且置信度都是1。