Google Cloud 通过首都在线进中国?AutoML 能用了?
By 超神经
没等回 Google Search,先收到了 Google Cloud 要进入中国的消息。
莫非,真能方便地用上 AutoML ?
Google Cloud 要来了?
今天下午,首都在线的官方微信公众号发布了「Google Cloud 将通过首都在线进驻中国」的消息。
自从数月前,Google 高层频繁访华、成立人工智能学院、表态从未放弃中国市场等一系列信号,不少人都在翘首以盼 Google 相关产品的回归。
首都在线虽然在发布不久之后,就火速删除了文章,并私下表示「首都在线仅仅是海外有代理协议,并不是文中所指的落地中国。」
但这篇文章的语气肯定,措辞明确,至于删除文章和出面否认,个中原因还是值得推敲。
虽然还不能肯定 Google Cloud 能够顺利进驻中国,AutoML 的方便使用可能还要一段时日,不过在其他类似的服务,还是挺多的。
除了 AutoML ?
虽然现在有很多现成的机器学习模型框架可以直接使用,以降低 AI 模型构建成本,而且不少公司也开源了自家的 ML 工具。
但这些框架还不能达到「车同轨,书同文」—— 框架间难以互通使用,而且暂时还没有一个有效的解决办法,使 ML 框架可以和任意应用程序对接。企业在使用过程中如果需要同时使用多个 ML 模型框架,还需自己完成不少的工程量。
为了解决这个问题,Salesforce 和 Oracle 都已经分别研发了可以在不同应用中对接这些开源 ML 模型框架的工具。
此前,市面上虽然有针对上述问题的解决方案,比如建立互联 API ,例如 Python-JSON API 等,但这种方案在实现对接的同时,会损失 ML 模型框架的性能。
即便是 ML 模型通过 API 暂时解决了对接问题,但企业要想将其商用还需构建专门的模型服务器,构建服务器不仅成本高昂,而且相当复杂。比如,构建一个 GPU 版本的 TensorFlow-service 可能要花上好几天。
所以,目前困扰 ML 模型框架被广泛使用的主要问题一个是缺少标准化的应用程序接口,另一个则是构建模型服务器的门槛太高。
于是,可以在不同应用中对接这些 ML 模型的框架应运而生。
TransmogrifAI:云端的 ML 框架
TransmogrifAI 是一个基于 Apache Spark 引擎的 ML 框架,可以进行特征工程、特征选择和模型训练。还能综合现有的 ML 模型,使其为任何一款应用程序匹配性价比最高的 ML 模型,而且不需要企业单独创建模型服务器。
该框架是由 Salesforce 开发,这家老牌的企业服务公司并不满足于现状,也小跑跟上了 AI 的顺风车。
最近,他们开源了 TransmogrifAI。
该公司搭建的 AI 平台 Einstein(爱因斯坦)是目前业内最大的机器学习项目之一,拥有先进的机器学习算法和自然语言处理,及智能数据挖掘能力。该平台现在可以对接市面上大部分 ML 模型,并简化这些模型。
让 Einstein 做到这一切的,就是 TransmogrifAI。
TransmogrifAI 借鉴了 AutoML 原理,目的在于简化机器学习操作流程,提高开发者工作效率。TransmogrifAI 有四个基本原则:模块化、编译安全性、透明性和自动化。
这四项原则已经被转化成一个简单的编程模型,工程师只需要编写几行代码就能完成数据整理、特征工程和模型选择等任务。
GraphPipe
GraphPipe 可以在云端提供由 TensorFlow、MXNet、Caffe 2 和 PyTorch 等流行框架制作的机器学习模型。
目的在于降低 ML 模型使用门槛,以便在移动应用和物联网设备,及 Web 端使用 AI 模型。
它是一种高效的网络协议,可以简化和标准化远程/进程之间的机器学习数据传输,允许用户在现有框架下,灵活选择合适的机器学习模型。这意味着开发人员不必专门构建 API 来对接 AI 模型,也不必费心研究哪个 ML 框架能更好的创建 AI 模型。
此外,GraphPipe 还为针对 TensorFlow 等流行框架为 AI 开发人员推出一系列开源工具。
目前,TransmogrifAI 和 GraphPipe 可以在 GitHub 上免费获取。
超神经の小百科
TransmogrifAI 架构:
https://www.colabug.com/4152476.html
机器学习——特征处理:https://blog.csdn.net/kanbuqinghuanyizhang/article/details/78993386
介绍GraphPipe:
https://blogs.oracle.com/developers/introducing-graphpipe
Oracle 开源 Graphpipe :
https://venturebeat.com/2018/08/15/oracle-open-sources-graphpipe-to-make-it-easier-to-deploy-machine-learning-models/
Salesforce 开源 TransmogrifAI :
https://venturebeat.com/2018/08/16/salesforce-open-sources-transmogrifai-the-machine-learning-library-that-powers-einstein/
特征推理:
https://webdevwithsam.wordpress.com/2016/04/18/feature-detection-vs-feature-inference-vs-ua-string/
https://medium.com/@rlynjb/js-interview-question-what-s-the-difference-between-feature-detection-feature-inference-and-76d2e4956a9b
历史文章(点击图片阅读)
他修得了复杂的 bug,却修不好自己的人生
AI 一出,汪峰连音乐导师的名号都保不住了
一文看懂,摩尔定律的前世今生
超神经HyperAI
站在技术与人文的十字路口
关注