使用Caicloud TaaS 平台落地深度学习算法实战
内容来源：2017年7月23日，才云科技联合创始人郑泽宇在“顶级阵容 | Kubernetes 二周年「北京7.22 - 上海7.23」Meetup”进行《使用Caicloud TaaS 平台落地深度学习算法实战》演讲分享。IT 大咖说作为独家视频合作方，经主办方和讲者审阅授权发布。
阅读字数：1677 | 5分钟阅读
摘要
人工智能与深度学习已经成为一个众所周知的概念，然而如何将深度学习技术落地到具体的业务场景却是一个比较模糊的事情。在本次讲座中，我们将展示如何通过 Caicloud TensorFlow as a Service (TaaS) 公有云服务来实现循环神经网络，并将之运用于股票预测的全过程。
嘉宾演讲视频及PPT链接：http://suo.im/4bWxm5
通过我们与客户的交流，大家其实已经对深度学习这个概念越来越关注了。同时也发现了一个比较困难的问题，就是怎样将深度学习落地。这对于企业来说是一个最大的问题。
深度学习并不是一个新的概念，这个概念背后的技术其实在五六十年代已经出现了，而直到2012年才逐渐走入大众视野。
深度学习具有多层复杂特征的提取优势。当计算机看到的是一个个像素的时候，无法判断一个图片是什么。但如果能把不同的像素以一种自动的方式结合在一起，这样就能够帮助我们去解决在复杂场景下的多维特征，尤其是非结构数据场景。另一个则是大数据量的优势。
使用深度学习一定要选择一个工具。99%的深度学习用户仅仅只是想使用深度学习，并不想了解其中的模型、算法等等，只想用深度学习来解决自己的问题。对于这样的人群，我认为TensorFlow就是一个非常合适的工具，它能够满足这样的需求。
如果要做自然语言处理，目前学术顶级的自然语言处理专家都在用Torch。自然语言处理非常重要的一个性质就是它的计算图是不稳定的，现在TensorFlow无法解决这个问题，Torch可能会是一个更好的选择。
对于不需要对深度学习进行深入研究的99%的用户来说，TensorFlow是一个通用的工具，在遇到问题的时候能更快地得到解答。
我们是一个专门做TensorFlow的公司，通过上图可以看到我们对于TensorFlow的封装做得更深一层，我们的目标全部是以TensorFlow机器学习的项目为核心。
大部分人在使用神经网络的时候只会画最简单的神经网络，用那种神经网络构造出来的结构模型相对比较少。在做自然语言处理的时候，还是循环神经网络使用得比较多。
cell = rnn.BasicLSTMCell(
FLAGS.rnn_hidden_nodes,
state_is_tuple=True)
init_state = cell.zero_state(batch_size, dtype=tf.float32)
output_rnn, final_states = tf.nn.dynamic_rnn(
cell,
input_rnn,
initial_state=init_state,
dtype=tf.float32)以上是原生态TensorFlow的一套代码，定义了每一个循环网络的结构是什么，然后把它定义为一个循环神经网络就可以了。
上图中的数据都可以从Yahoo Finance下载到，从1993年到2017年的SPY股价数据。通过这样的数据，我们如何完成深度学习并预测股价，包括怎样来使用才云的TensorFlow Services。
https://github.com/caicloud/taas-examples这是我们的一个开源的代码库，把所有的TensorFlow examples都放在这里面，希望大家可以一起来参与维护我们的这个代码库。
今天的分享就到这里，谢谢大家！
相关推荐
推荐文章