AI人工智能這幾年作為科技界的熱門話題被媒體宣傳的如火如荼。在這種氛圍之下，身為創(chuàng)客的我們?cè)跄苠e(cuò)過(guò)展現(xiàn)好點(diǎn)子落地的大好時(shí)機(jī)呢？接下來(lái)就為大家介紹如何取得及應(yīng)用免費(fèi)的AI實(shí)驗(yàn)場(chǎng)域資源「Google Colaboratory」。

Google免費(fèi)GPU資源Colaboratory

大家都說(shuō)要玩AI先得準(zhǔn)備個(gè)很貴的高級(jí)顯卡及服務(wù)器才能跑得動(dòng)，對(duì)于想入門練練手的人實(shí)在有點(diǎn)花不下去，就像想學(xué)開(kāi)車的人不會(huì)先買一臺(tái)法拉利，而是先去教練場(chǎng)學(xué)到一定程度后，再考慮一下預(yù)算及需求后才會(huì)依用途去買合適的跑車、房車、貨車、代步車甚至是二手車。

現(xiàn)在阮囊羞澀的各位有福了，Google旗下的實(shí)驗(yàn)計(jì)劃Colaboratory （以下簡(jiǎn)寫(xiě)為Colab）提供了免費(fèi)的NVIDIA K80等級(jí)GPU資源及虛擬機(jī)（Xeon 2．2GHz CPU＊2）供大家使用，其中整合了Linux （Ubuntu）環(huán)境、Python、Jupyter notebook及TensorFlow等常用套件包，并允許大家安裝執(zhí)行時(shí)所需套件包（如Keras、 OpenCV、PyTorch、MxNet、XGBoost等），只要有Google云端硬盤(pán)賬號(hào)就可免費(fèi)使用。

Google Colaboratory

當(dāng)然不可避免地，這項(xiàng)免費(fèi)資源并非毫無(wú)使用限制的，所提供的虛擬服務(wù)器，目前只提供至少50G儲(chǔ)存空間和12GB（可用于訓(xùn)練約2GB）的內(nèi)存，使用時(shí)間僅可連續(xù)12小時(shí)（包含安裝軟件套件包、數(shù)據(jù)下載到虛擬機(jī)及訓(xùn)練時(shí)間）。超過(guò)時(shí)間便會(huì)清掉使用中內(nèi)容，有時(shí)還會(huì)因使用者過(guò)多造成連不上線或用到一半斷線，并不適合用在太大的模型及數(shù)據(jù)集訓(xùn)練。

話雖如此，整體來(lái)說(shuō)還是很方便家中沒(méi)有Linux ＋ Python環(huán)境或計(jì)算機(jī)（筆電）CPU等級(jí)太低或沒(méi)有獨(dú)立顯卡的人及想學(xué)習(xí)人工智能的新手練習(xí)使用。

何謂影像二元分類

在知名HBO影集「硅谷群瞎傳」第四季的第四集當(dāng)中有個(gè)有趣的橋段，華人楊靖發(fā)明一款可拍照后辨識(shí)食物類型的APP叫「See Food」，展示時(shí)第一次拍熱狗成功辨識(shí)，眾人歡呼開(kāi)始想象滿桌子的食物若都能辨識(shí)出來(lái)的話，這款A(yù)PP肯定大賣。接著再拍了披薩后眾人等著APP回答「披薩」，可是APP卻回答「不是熱狗（Not Hotdog）」，眾人瞬間傻眼，「這只能辨識(shí)熱狗嗎？」楊靖回答：「是」，眾人大失所望、一哄而散。

然而，故事還沒(méi)完呢！竟有一家創(chuàng)投看上這個(gè)APP，要他改成偵測(cè)色情圖片中男生的小丁丁，這就是標(biāo)準(zhǔn)的「失之東隅，收之桑榆」。

雖然上面橋段的「Not Hotdog」只是虛構(gòu)劇情，但現(xiàn)實(shí)中還真的人有把它實(shí)現(xiàn)出來(lái)，有興趣的人可到Apple APP Store下載Not Hotdog 。從上面故事中我們可得知影像分類的重要性，雖然影像二元分類（是或不是）的用途較窄些，但若能大量（數(shù)千到數(shù)百萬(wàn)張）標(biāo)注影像的分類，經(jīng)過(guò)訓(xùn)練后可令影像精準(zhǔn)地分類，那就有可能產(chǎn)生一些獨(dú)特的商機(jī)。

Not Hotdog APP屏幕擷圖

用Colab實(shí)現(xiàn)影像二元分類

為了讓大家能快速上手，在此整理了一段完整的代碼并有詳盡的原理解說(shuō)及批注，只要依著下列步驟就可快速建構(gòu)出一個(gè)二元分類的影像分類系統(tǒng)，當(dāng)然也包括如何用自定義的數(shù)據(jù)集進(jìn)行訓(xùn)練及推論。代碼主要包括以下四個(gè)主要步驟，另外還有更進(jìn)一步的細(xì)節(jié)說(shuō)明，如下所示。

1． 取得及建構(gòu)訓(xùn)練數(shù)據(jù)（TrainingDataset）

下載數(shù)據(jù)集

數(shù)據(jù)集解壓縮

檢視數(shù)據(jù)集

自定義數(shù)據(jù)集及掛載

2． 建構(gòu)一小型深度學(xué)習(xí)模型（TrainingModel）

卷積網(wǎng)絡(luò)模型

輸入圖像尺寸正規(guī)化

模型架構(gòu)及訓(xùn)練參數(shù)說(shuō)明

模型配置及訓(xùn)練優(yōu)化設(shè)定

數(shù)據(jù)預(yù)處理

3． 訓(xùn)練及驗(yàn)證模型準(zhǔn)確度（ValidationAccuracy）

訓(xùn)練及驗(yàn)證模型

評(píng)估模型的準(zhǔn)確性和損失

4． 應(yīng)用深度學(xué)習(xí)訓(xùn)練成果進(jìn)行推論（Inference）

推論

可視化表示

了解了相范例的學(xué)習(xí)目標(biāo)后，可以至https：／／goo．gl／SqigfE下載image＿classification．ipynb 到您的Google云端硬盤(pán)，雙擊后選擇以「Colaboratory」開(kāi)啟，就可以開(kāi)始享受Colab提供的免費(fèi)GPU運(yùn)算信息。執(zhí)行時(shí)，請(qǐng)按【Shift＋Enter】進(jìn)行單步執(zhí)行并自動(dòng)跳至下一行；若想一次全部運(yùn)行本范例所有代碼，可按【Ctrl＋F9】。接下來(lái)就簡(jiǎn)單為大家介紹主要步驟的工作內(nèi)容。