想做机器学习模型却不知从何着手?介绍三个 Google AI 工具给不同需求的你

【我们为什么挑选这篇文章】Google 近几年在线上人工智能企业服务颇有建树,基本上稳坐龙头宝座,这次又推出的新工具主打数十张的照片就可以简单建立自己的  vision model ,基本上算是较容易上手的工具,来了解一下三个同是人工智能机器学习模型建立服务,有什么不同的应用方式(责任编辑:林子钧)

Google 在 1/17 重磅推出了极具破坏性的机器学习产品 Cloud AutoML,引起各大产业的惊呼 (相关文章:Google 发表 Cloud AutoML,对产业带来的五大突破性影响 )。究竟 Cloud AutoML 是什么? 它与先前 Google 推出的机器学习产品有什么不同? GCP 专门家将透过这篇文章带您了解 Cloud AutoML、Cloud ML engine、ML API 的差异。

什么是 AutoML?

透过 Google 最先进的迁移学习 (transfer learning) 和神经架构搜索技术 (Neural Architecture Search technology),即使您没有足够的 ML 背景开发人员,您也可以透过 Cloud AutoML 来训练客制化的机器学习模型。Google 率先推出的第一个 Cloud AutoML 产品就是 AutoML Vision,未来 Google 也将推出其他领域的 Cloud AutoML 服务。

AutoML Vision

透过 Cloud AutoML Vision, 您只需要几十张照片样本,就可以拥有自己的 vision model。Google 将自己的强项:图像辨识,妥善地应用在 Cloud AutoML Vision 上,让 Cloud AutoML Vision 在公开资料集 (CIFAR and ImageNet) 中达到了最好的性能,并将这项研究公开。

Cloud AutoML 使用界面 (graphical user interface) 很平易近人,不管是训练、评估、优化甚至部署模型都非常易于操作。只要几分钟,你就可以拥有自己的机器学习模型。

Cloud AutoML 产品特色

1. 与 human labeling 整合

如果您有图像却还没有标签也不必担心,Google 提供了一个 human labelers 团队,协助您检查并根据您的指示进行图片的分类。您也可以利用 human labeling service 来标注或清除您的标签,以确保您的模型接受正确的训练。
不论是 quality 或是 throughput,您得到的 training 资料将和 Google 得到的相同。而且您不必担心资料外泄。

2. 整合性高

Cloud AutoML 与其他 GCP 产品完美整合,举例来说:您可以将您的 training data 存在 Google Cloud Storage 中、在既有的 Vision API 加上参数就可以以取得您客制化模型的 prediction、又或是使用 Cloud ML Engine 的线上预测服务。

Cloud AutoML 应用范例 (依气象预测为例)

更多应用范例请参考:https://cloud.google.com/automl/

什么是 Cloud Machine Learning Engine

看完 Cloud AutoML 的介绍是不是有点好奇:Cloud Machine Learning Engine 是什么样的产品呢? 基本上,Cloud ML Engine 也是一个您客制化机器学习模型的一个工具,您可以在上面执行任何一种 TensorFlow 架构,像是 Google 相簿和和 Google Cloud Speech 都是 ML Engine 运用下的成功范例。

Cloud ML Engine 产品特色

1.HyperTune

ML Engine 结合了 HyperTune,您不用再手动找出所需数据,HyperTune 具备自动调整高等参数的功能,让您能更有效的建立您的模型。

2. 可携式模型

您可以透过下载 Cloud Machine Learning 训练过的模型,提供本机执行或行动整合。

3. 可扩充的代管服务

Google 利用支援 CPU 和 GPU 的代管型分布式训练基础架构,让您能同时支援以 TB 等级的资料和上千位的使用者,您也不需担心基础架构问题。

4. 整合性高

跟过往的 Google 产品相同的是:Cloud ML Engine 能与其他 Google 产品整合,您可以使用来自像是 Cloud Storage 等其他来源的资料、搭配 Cloud Dataflow 的功能处理、Cloud Datalab 的模型建立。

什么是 Machine Learning API

Machine Learning API 是 Google 已经训练好的机器学习模型,您可以直接使用并透过输入 API 得到预测结果,不需要额外去训练任何模型。Google 根据不同领域推出不同的 Machine Learning API,每个 API 的功能、计价方式及实作步骤请参考:
Machine Learning(一):Cloud Speech API 介绍与实作
Machine Learning(二):Natural Language API 介绍与实作
Machine Learning(三):Cloud Translation API 介绍与实作
Machine Learning(四):Cloud Vision API 介绍与实作
Machine Learning(五):Cloud Video Intelligence API 介绍与实作

AutoML、Cloud ML Engine、ML API 的差异

根据上述的介绍,相信您已经可以感受到三者的不同,将其差异用表格呈现,整理如下:

AutoML Cloud ML Engine ML API
机器学习
模型
可客制化
机器学习模型
可客制化机器学习模型 可直接使用 Google 定义好的模型
操作门槛 低,但应用有限
使用方式 有图形化使用接口 (GUI) 可供操作 使用 Python 运用 TensorFlow library 写程式以及透过 gcloud 指令操作 REST / gRPC API
与其他 GCP 产品整合 O O O
目前
涵盖范畴
Cloud AutoML Vision 不限领域 Cloud Speech API
Cloud Natural Language API
Cloud Translation API
Cloud Vision API
Cloud Video Intelligence API
Cloud Jobs API

参考资料

官方 Cloud AutoML 介绍:https://cloud.google.com/automl/
官方 Cloud ML Engine 介绍:https://cloud.google.com/ml-engine/

Google 还做了哪些事?

Google Brain 的 2017 年:用机器学习改变医疗、机器人等六大领域

AI 修不好,只能当鸵鸟:Google Photos 分不清猩猩跟黑人,只好让猩猩这个词汇消失

攻占 App 排行榜第一名:Google 用 AI 帮你找出百年前的双胞胎画像

(本文经 GCP 专门家  授权转载,并同意 TechOrange 编写导读与修订标题,原文标题 〈一篇文章带您了解 AutoML, Cloud ML Engine, ML API 〉,首图来源:Google Cloud Youtube。)



想在手机阅读更多Google资讯?下载【香港硅谷】Android应用
分享到Facebook
技术平台: Nasthon Systems