一文看懂云端机器学习服务
7966
2019-02-04 19:14    文章来源:T媒体
文章摘要:云机器学习产品一样有不同的种类。

机器学习(ML)平台是公有云中增长最快的服务之一。与其他基于云的服务不同,ML和AI平台通过不同的交付模型可用,如认知计算、自动机器学习、ML模型管理、ML模型服务和基于GPU(图形处理器)的计算等。

本文旨在解释公有云供应商所采用的术语和交付模型,以帮助大家进行了解。

就像IaaS、PaaS和SaaS的原始云交付模型一样,ML和AI的范围跨越了基础设施、平台和作为API接口的高级服务。


image.png

来源:Janakiram MSV


认知服务

认知计算是一组提供计算机视觉、自然语言处理(NLP)和语音服务的API。开发人员可以像使用其他web服务或REST API一样使用这些API。开发人员并不需要知道机器学习算法或数据处理管道的复杂细节,就可以利用这些服务。

随着这些服务的消费增加,认知服务的质量也随之提高。随着数据的增加和服务的使用,云提供商不断提高预测的准确性。

最近加入认知计算的是自动化机器学习(AutoML)服务,开发人员可以在使用定制数据培训服务之后使用这些api。AutoML为使用预培训模型和从头开始培训自定义模型提供了一个中间地带。

Amazon AI Services, Google Cloud AI APIs,Microsoft Cognitive Services 以及 IBM Watson APIs便是相应的例子。

机器学习平台即服务

当认知API达不到要求时,用户也可以利用ML PaaS构建高度定制的机器学习模型。

例如,虽然一个认知API可能能够将车辆识别为汽车,但它可能无法根据车型和型号对汽车进行分类。假设有一个大型汽车数据集,用户数据科学团队可以依赖ML PaaS来培训和部署为业务场景定制的自定义模型。

与PaaS交付模型类似,在PaaS交付模型中,开发人员带来他们的代码并按比例承载它,ML PaaS希望数据科学家带来他们自己的数据集和代码,这些数据集和代码可以针对定制数据训练模型。他们将不必为运行复杂的机器学习作业提供计算、存储和网络环境。在将代码作为作业在公共云平台上运行之前,数据科学家将在其本地环境中使用较小的数据集创建和测试代码。

ML PaaS消除了设置和配置数据科学环境所涉及的摩擦。它提供预配置的环境,数据科学家可以使用这些环境来培训、调优和托管模型。ML PaaS通过提供从数据准备阶段到模型托管的工具,有效地处理机器学习模型的生命周期。它们带有一些流行的工具,比如数据科学家所熟悉的Jupyter笔记本。ML PaaS解决了在计算机集群上运行培训作业所涉及的复杂性。它们通过简单的Python或R API为数据科学家抽象基础。

Amazon SageMaker,Microsoft Azure ML Services, Google Cloud ML Engine,,IBM Watson Studio是典型的例子。

机器学习基础服务

将ML基础结构看作机器学习堆栈的IaaS。云提供商提供由高端cpu和加速器(如图形处理单元(GPU)和现场可编程门阵列(FPGA))支持的原始vm。

需要访问原始计算能力的开发人员和数据科学家转向ML基础设施。它们依赖DevOps团队来提供和配置所需的环境。工作流与为基于vm的web或移动应用程序开发设置试验台没有什么不同。从选择CPU的内核数量到安装Python的特定版本,DevOps团队拥有端到端配置。

对于严重依赖于特定工具包和库的复杂的深度学习项目,组织选择ML基础结构。他们最终控制的硬件和软件配置可能无法从ML PaaS产品。

最近来自Amazon、谷歌、Microsoft和Facebook的硬件投资使得ML基础设施更加便宜和高效。云提供商现在提供定制的硬件,这些硬件经过高度优化,可以在云中运行ML工作负载。谷歌的TPU和微软的FPGA产品都是专门为ML作业设计的定制硬件加速器。当与最近的计算趋势(如Kubernetes)相结合时,ML基础设施成为企业的一个有吸引力的选择。

由NVIDIA GPU支持的Amazon EC2 Deep learning AMI、Google Cloud TPU、基于NVIDIA GPU的Microsoft Azure Deep Learning VM和基于IBM GPU的Bare Metal Servers a都是ML专用IaaS的例子。

来源:Forbes

作者:Janakiram MSV

翻译:T媒体


版权声明:

凡本网内容请注明来源:T媒体(http://www.cniteyes.com)”的所有原创作品,版权均属于易信视界(北京)信息科技有限公司所有,未经本网书面授权,不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的,应在授权范围内使用,并按双方协议注明作品来源。违反上述声明者,易信视界(北京)信息科技有限公司将追究其相关法律责任。

评论