AI Studio是什么

AI Studio是百度提供的一個(gè)針對(duì)AI學(xué)習(xí)者的在線一體化開發(fā)實(shí)訓(xùn)平臺(tái)。平臺(tái)集合了AI教程,?深度學(xué)習(xí)樣例工程,?各領(lǐng)域的經(jīng)典數(shù)據(jù)集,?云端的運(yùn)算及存儲(chǔ)資源,?以及比賽平臺(tái)和社區(qū)。?你可以把AI Studio看成國(guó)產(chǎn)版的Kaggle。和Kaggle類似，AI Studio也提供了GPU支持，但百度AI Studio在GPU上有一個(gè)很明顯的優(yōu)勢(shì)。

Kaggle?最近把Tesla K80的GPU升級(jí)到了P100，確實(shí)比以前快不少，但AI Studio采用的是Tesla V100的GPU，更勝一籌。下表對(duì)比了兩款GPU性能：

AI Studio?提供了基于ipython和Jupyter Notebook的在線方案,?幾乎是當(dāng)前所有機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的主流方案。AI Studio?支持的深度學(xué)習(xí)框架是飛槳。比起偏向于研究的TensorFlow，飛槳偏向于應(yīng)用。通常TensorFlow的幾行代碼，飛槳一行就解決了。個(gè)人感覺飛槳對(duì)于初學(xué)者來(lái)說(shuō)還是很友好的。

如何獲得免費(fèi)算力卡

我之前寫過(guò)一篇文章關(guān)于如何薅百度AI Studio的GPU羊毛的文章, 詳細(xì)的大家可以參考一下。不過(guò)距離上次薅羊毛到現(xiàn)在也三個(gè)月過(guò)去了，百度的免費(fèi)GPU算力政策發(fā)生了變動(dòng)，而且是往更好的變動(dòng)。之前是每日運(yùn)行項(xiàng)目送12個(gè)小時(shí)算力，現(xiàn)在是每天送24小時(shí)！我的天，這意味著可以24/7的不間斷的跑，用之不竭啊！我跑了一下項(xiàng)目，算力卡馬上來(lái)了。

目前在開發(fā)者QQ群里聽到的消息是至少持續(xù)一個(gè)月的贈(zèng)送，不知道下個(gè)月還有沒(méi)，所以大家趕緊薅起來(lái)，好好利用這免費(fèi)的高性能GPU資源來(lái)「煉丹」。

獲取算力方法使用資格很簡(jiǎn)單。點(diǎn)進(jìn)下方鏈接：

https://aistudio.baidu.com/aistudio/questionnaire?activityid=525

然后再按照內(nèi)容提示填寫好信息，審核后管理員會(huì)給你發(fā)放一批算力卡。有了這批算力卡你就可以開始在GPU你的項(xiàng)目，而且運(yùn)行項(xiàng)目又送算力卡，就像雞生蛋蛋生雞一樣，算力取之不竭。

AI Studio精選項(xiàng)目大合集

點(diǎn)擊下方鏈接查看所有項(xiàng)目：

https://aistudio.baidu.com/aistudio/messagedetail/42

零基礎(chǔ)新手如何利用好AI studio

熟悉Python的讀者可以跳過(guò)這節(jié)。

純新手可能還不知道怎么用AI Studio。其實(shí)很簡(jiǎn)單。下面提供了很多教程，都是jupyter notebook形式的。你點(diǎn)開鏈接，會(huì)看到一個(gè)fork按鈕，然后在彈出的框里，輸入項(xiàng)目名稱和項(xiàng)目名字。

完成后，會(huì)彈出對(duì)話框問(wèn)你是否現(xiàn)在運(yùn)行：

點(diǎn)擊”運(yùn)行項(xiàng)目”，就會(huì)為你打開一個(gè)運(yùn)行環(huán)境。進(jìn)去之后，點(diǎn)擊”運(yùn)行”按鈕，彈出選擇環(huán)境。

然后選擇運(yùn)行環(huán)境。沒(méi)算力卡？沒(méi)關(guān)系。點(diǎn)擊上面的點(diǎn)擊申請(qǐng)，按照提示一步步點(diǎn)進(jìn)去，提交成功后一段時(shí)間就有免費(fèi)的算力拿了。

以下的所有鏈接都是一個(gè)個(gè)Jupyter Notebook，想要修改代碼和運(yùn)行的話，就按照上面說(shuō)的步驟fork了然后運(yùn)行。

深度學(xué)習(xí)新手入門項(xiàng)目合集：

https://aistudio.baidu.com/aistudio/projectdetail/128773

即使你是Python新手也沒(méi)關(guān)系，AI Studio社區(qū)提供了新手入門教程，不需要你在本地搭建環(huán)境，直接在AI Studio提供的環(huán)境跑例程，增刪改代碼，測(cè)試自己的想法。Python新手項(xiàng)目：《Python零基礎(chǔ)速成課》。

學(xué)完了上面的新手Python課程，在開始深度學(xué)習(xí)前想實(shí)戰(zhàn)一下Python技巧？這里有個(gè)Python爬蟲項(xiàng)目，教你從豆瓣爬電影數(shù)據(jù)，很適合用來(lái)鞏固Python技巧，而且項(xiàng)目還教你用數(shù)據(jù)幀(dataframe)格式來(lái)顯示爬來(lái)的數(shù)據(jù)，為后續(xù)學(xué)習(xí)機(jī)器學(xué)習(xí)項(xiàng)目打好基礎(chǔ)，請(qǐng)參照：《Python入門-豆瓣電影爬取》。

做完上述的分類器是否找到了一點(diǎn)入門的感覺？做點(diǎn)實(shí)用的吧。買房是每個(gè)人的人生大事？機(jī)器學(xué)習(xí)是否能讓你預(yù)測(cè)房?jī)r(jià)未來(lái)走勢(shì)呢？下面這個(gè)示例項(xiàng)目將采用線性回歸模型，帶著你探索這個(gè)問(wèn)題，可查看：《波士頓房?jī)r(jià)預(yù)測(cè)》。

通過(guò)以上問(wèn)題，是否對(duì)機(jī)器學(xué)習(xí)更有感覺了??是否覺得以上模型太簡(jiǎn)單，無(wú)法跟上你快速進(jìn)步的步伐？好嘞，現(xiàn)在開始學(xué)習(xí)深度學(xué)習(xí)模型。首先從計(jì)算機(jī)視覺入門。

計(jì)算機(jī)視覺入門最基礎(chǔ)的一個(gè)數(shù)據(jù)集是MNIST。MNIST共包含了70000個(gè)手寫數(shù)字圖像，數(shù)字范圍從0-9。我們現(xiàn)在就要開發(fā)一個(gè)模型，讓模型能分辨手寫的0-9，詳情請(qǐng)查看《深度學(xué)習(xí)入門CV-手寫數(shù)字識(shí)別》。

是否太容易就到達(dá)90%多的準(zhǔn)確率？沒(méi)事，這里有不一樣的MNIST數(shù)據(jù)，叫fashion-mnist,但這次不是手寫數(shù)字，而是十類時(shí)裝(T-Shirt、連衣裙、鞋子、外套等)，你還能保持同樣高準(zhǔn)確率嗎？詳情請(qǐng)查看《Fashion-MNIST數(shù)據(jù)集》。

除了計(jì)算機(jī)視覺，NLP(自然語(yǔ)言處理)也是深度學(xué)習(xí)里很熱門的領(lǐng)域。想入門NLP，何不先試試文本分類呢？詳情請(qǐng)查看《深度學(xué)習(xí)入門NLP-文本分類》。

如果你是一個(gè)新手，經(jīng)過(guò)上述項(xiàng)目的訓(xùn)練，你應(yīng)該算是稍微入門了。接下來(lái)就是要進(jìn)階了：

1. 進(jìn)階學(xué)習(xí)者如何利用好AI studio學(xué)習(xí)深度學(xué)習(xí)算法

深度學(xué)習(xí)進(jìn)階總是痛苦的，主要的原因是沒(méi)有足夠示例，有示例也不夠詳細(xì)，有詳細(xì)的示例但又不知道從哪個(gè)看起。為了讓讀者快速入門，我按照從容易到復(fù)雜的順序，總結(jié)了一些示例，根據(jù)示例所屬的領(lǐng)域，難易程度，我分了兩個(gè)主要部分：

●? ?計(jì)算機(jī)視覺(CV)

●? ?自然語(yǔ)言處理(NLP)

計(jì)算機(jī)視覺(CV)

項(xiàng)目地址：

https://aistudio.baidu.com/aistudio/projectdetail/128832

首先我們可以學(xué)習(xí)與實(shí)踐下圖像分類的算法。

圖像分類是根據(jù)圖像的信息將不同類別圖像區(qū)分開來(lái),?是計(jì)算機(jī)視覺中重要的基本問(wèn)題.?圖像分類按粒度粗細(xì)也分兩種，粗細(xì)度的是識(shí)別類型，比如這是貓還是狗；細(xì)粒度是給你一張照片,?讓你用模型識(shí)別這是緬因貓,?還是挪威森林貓)。

現(xiàn)在我們先做粗粒度的貓狗識(shí)別分類器。我們的任務(wù)是訓(xùn)練一個(gè)分類器，去分辨哪些是貓，哪些是狗。詳情請(qǐng)查看《卷積神經(jīng)網(wǎng)絡(luò)實(shí)踐-貓狗分類》。

如果你掌握了上面的貓狗分類器，那恭喜你，對(duì)深度學(xué)習(xí)圖像分類模型又有了更進(jìn)一步的了解。接下來(lái)我們要做細(xì)粒度的東西，是什么呢？就是現(xiàn)在很火的人臉識(shí)別。下面介紹個(gè)簡(jiǎn)單的人臉識(shí)別模型。這個(gè)模型還能識(shí)別出章子怡的照片呢！想知道怎么弄的嗎？點(diǎn)開鏈接探究吧。詳情請(qǐng)查看《卷積神經(jīng)網(wǎng)絡(luò)-人臉識(shí)別初探》。

你也許學(xué)習(xí)完上面兩個(gè)示例，會(huì)提出疑問(wèn)，貓狗識(shí)別是判斷一張照片里面的是貓還是狗,?但一張照片里如果有10只貓, 5只狗該怎么辦??模型真的知道那個(gè)物體是目標(biāo)嗎？有什么辦法讓模型知道目標(biāo)呢？那就要先使用目標(biāo)檢測(cè),?把貓貓狗狗的位置圈定出來(lái),?然后再逐一處理。順便一提，聽起來(lái)高大上的無(wú)人駕駛技術(shù),?目標(biāo)檢測(cè)也是其核心技術(shù)之一哦。接下來(lái)介紹幾個(gè)目標(biāo)檢測(cè)的模型。

主流的目標(biāo)檢測(cè)算法主要分為兩個(gè)類型：

1)two-stage方法，其主要思路是先通過(guò)啟發(fā)式方法(selective search)或者CNN網(wǎng)絡(luò)產(chǎn)生一系列稀疏的候選框，再對(duì)這些候選框進(jìn)行分類與回歸。two-stage方法的優(yōu)勢(shì)是準(zhǔn)確度高；代表算法是R-CNN系列算法。想更深入研究是怎么回事？AI Studio社區(qū)提供了詳盡的Mask RCNN教程：

https://aistudio.baidu.com/aistudio/projectdetail/122273

除了Mask RCNN，另一個(gè)齊名的是Faster-RCNN

https://aistudio.baidu.com/aistudio/projectdetail/122275

2)one-stage方法，如YOLO和SSD，其主要思路是均勻地在圖片的不同位置進(jìn)行密集抽樣，抽樣時(shí)可以采用不同尺度和長(zhǎng)寬比，然后利用CNN提取特征后直接進(jìn)行分類與回歸，整個(gè)過(guò)程只需要一步，所以其優(yōu)勢(shì)是速度快(所以在移動(dòng)設(shè)備等低性能平臺(tái)上常用)，但是均勻的密集采樣的一個(gè)重要缺點(diǎn)是訓(xùn)練比較困難，這主要是因?yàn)檎龢颖九c負(fù)樣本(背景)極其不均衡，導(dǎo)致模型準(zhǔn)確度稍低。

我在AI Studio社區(qū)找到了Yolo和SSD的教程。

YOLO教程使用的數(shù)據(jù)集是自定義的螺絲螺母數(shù)據(jù)集，以下教程涵蓋了YOLO v3和YOLO v3-tiny，不僅讓你能學(xué)好YOLO，而且還提供了可以部署在低能耗設(shè)備上的模型。

接下來(lái)要介紹的是SSD。下面這個(gè)教程使用的是基于預(yù)訓(xùn)練好的mobile-net訓(xùn)練的SSD，使用的數(shù)據(jù)集是?pascal-voc。

關(guān)于計(jì)算機(jī)視覺的進(jìn)階內(nèi)容先介紹到這里，接下來(lái)介紹進(jìn)階的NLP內(nèi)容。還想學(xué)更高階的CV模型算法請(qǐng)移步到下一章。

自然語(yǔ)言處理?(NLP)

項(xiàng)目地址：

https://aistudio.baidu.com/aistudio/projectdetail/128857

我們又回到了NLP技術(shù)領(lǐng)域了。?假設(shè)我們已經(jīng)學(xué)過(guò)前面爬豆瓣的那課,?我們獲取了某部著名電影的評(píng)論,?我們?cè)趺粗浪目诒烤谷绾文??通過(guò)這篇文章,?我們可以透過(guò)語(yǔ)言直接看到人類的情緒。不過(guò)為了方便起見，我們下面這個(gè)例子并不直接用之前采集的數(shù)據(jù)集，而是用的是已經(jīng)處理好的IMDB電影數(shù)據(jù)集。詳情請(qǐng)查看《循環(huán)神經(jīng)網(wǎng)絡(luò)NLP-情感分類》。

其實(shí)情感分類是一個(gè)很重要的技術(shù)，我之前做過(guò)對(duì)股票市場(chǎng)的情感分析算法，可以找出市場(chǎng)情感對(duì)股市走向的影響。不過(guò)如果你覺得情感分類還是太簡(jiǎn)單的話，那恭喜你，你的進(jìn)步是飛快的。那你接下來(lái)可以試試更難的，就是機(jī)器翻譯。飛槳框架收集了一個(gè)叫WMT-14的數(shù)據(jù)集，提供了193319條訓(xùn)練數(shù)據(jù)和6003條測(cè)試數(shù)據(jù)，應(yīng)該夠你探索的了。詳情請(qǐng)查看《深度學(xué)習(xí)進(jìn)階NLP-機(jī)器翻譯》。

2. 高階學(xué)習(xí)者如何利用好AI studio

和前面一樣，還是分計(jì)算機(jī)視覺和NLP(自然語(yǔ)言處理)兩個(gè)主要方向來(lái)介紹項(xiàng)目：

計(jì)算機(jī)視覺(CV)

分類識(shí)別還不夠？來(lái)個(gè)人體姿態(tài)估計(jì)和追蹤的項(xiàng)目來(lái)轟炸一下你的大腦吧。下面這個(gè)項(xiàng)目是嘗試復(fù)現(xiàn)論文《Simple Baselines for Human Pose Estimation and Tracking》里的結(jié)構(gòu)。項(xiàng)目名：《人體姿態(tài)估計(jì)與追蹤之關(guān)鍵點(diǎn)檢測(cè)》。

接下來(lái)介紹一個(gè)激動(dòng)人心的技術(shù)：GAN。生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Network，簡(jiǎn)稱GAN)?是一種非監(jiān)督學(xué)習(xí)的方式,?通過(guò)讓兩個(gè)神經(jīng)網(wǎng)絡(luò)相互博弈的方法進(jìn)行學(xué)習(xí)。GAN由一個(gè)生成網(wǎng)絡(luò)和一個(gè)判別網(wǎng)絡(luò)組成,?生成網(wǎng)絡(luò)從潛在的空間(latent space)中隨機(jī)采樣作為輸入,?其輸出結(jié)果需要盡量模仿訓(xùn)練集中的真實(shí)樣本。判別網(wǎng)絡(luò)的輸入為真實(shí)樣本或生成網(wǎng)絡(luò)的輸出,?其目的是將生成網(wǎng)絡(luò)的輸出從真實(shí)樣本中盡可能的分辨出來(lái)。而生成網(wǎng)絡(luò)則盡可能的欺騙判別網(wǎng)絡(luò),?兩個(gè)網(wǎng)絡(luò)相互對(duì)抗,?不斷調(diào)整參數(shù)。生成對(duì)抗網(wǎng)絡(luò)常用于生成以假亂真的圖片。此外,?該方法還被用于生成影片,?三維物體模型等。我們將利用GAN，做個(gè)圖像風(fēng)格遷移的項(xiàng)目：《風(fēng)格遷移之圖像翻譯Pix2Pix》。

自然語(yǔ)言處理?(NLP)

現(xiàn)在對(duì)話聊天機(jī)器人是很火的方向。但是要使得聊天機(jī)器人表現(xiàn)得懂用戶，那就需要識(shí)別對(duì)話情緒。專注于識(shí)別智能對(duì)話場(chǎng)景中用戶的情緒。在這方面百度發(fā)布了自己的模型ERNIE。通過(guò)建模海量數(shù)據(jù)中的詞、實(shí)體及實(shí)體關(guān)系，學(xué)習(xí)真實(shí)世界的語(yǔ)義知識(shí)。相較于?BERT?學(xué)習(xí)原始語(yǔ)言信號(hào)，ERNIE?直接對(duì)先驗(yàn)語(yǔ)義知識(shí)單元進(jìn)行建模，增強(qiáng)了模型語(yǔ)義表示能力。下面這個(gè)項(xiàng)目將帶你學(xué)習(xí)ERNIE：《ERNIE對(duì)話情緒識(shí)別》。

之前我們講過(guò)語(yǔ)言情感分類和語(yǔ)言翻譯，你會(huì)覺得這不是很簡(jiǎn)單嗎，對(duì)機(jī)器來(lái)說(shuō)小兒科。但如果讓機(jī)器來(lái)做閱讀理解呢，或者讓機(jī)器去回答問(wèn)題呢，有想過(guò)嗎？有個(gè)模型的提出讓以上這些問(wèn)題都有了希望，這個(gè)模型就是BERT(Bidirectional Encoder Representations from Transformers)。想知道BERT是什么，怎么工作的？下面這個(gè)項(xiàng)目能幫到你：《語(yǔ)義表示模型?BERT》

機(jī)器閱讀理解(MRC)是自然語(yǔ)言處理(NLP)中的關(guān)鍵任務(wù)之一，需要機(jī)器對(duì)語(yǔ)言有深刻的理解才能找到正確的答案。機(jī)器閱讀理解領(lǐng)域有個(gè)著名的模型叫BiDAF模型(Bi-Directional Attention Flow for Machine Comprehension)。下面這個(gè)項(xiàng)目將會(huì)幫助你了解更多：《機(jī)器閱讀理解之BiDAF模型》。

3. 其他AI Studio上的學(xué)習(xí)項(xiàng)目

由于CV和NLP是熱門研究領(lǐng)域，以上項(xiàng)目都只提到CV和NLP。但深度學(xué)習(xí)的研究范圍和應(yīng)用范圍很廣，只是限于篇幅原因不能一一詳盡。為了照顧到更多領(lǐng)域的讀者，以下還收集了一些推薦算法的AI Studio的項(xiàng)目，這里僅列舉一下，不再一一介紹。有興趣的讀者可以研究下

●? ?基于飛槳PaddlePaddle的SR-GNN推薦算法

https://aistudio.baidu.com/aistudio/projectdetail/124382

●? ?個(gè)性化推薦之多視角Simnet模型

https://aistudio.baidu.com/aistudio/projectdetail/122294

●? ?飛槳PaddlePaddle分布式推薦算法實(shí)踐

https://aistudio.baidu.com/aistudio/projectdetail/124378

●? ?用飛槳PaddlePaddle實(shí)現(xiàn)個(gè)性化推薦

https://aistudio.baidu.com/aistudio/projectdetail/127567

●? ?標(biāo)簽推薦算法之TagSpace

https://aistudio.baidu.com/aistudio/projectdetail/122298

●? ?推薦算法gru4rec之飛槳PaddlePaddle實(shí)現(xiàn)

https://aistudio.baidu.com/aistudio/projectdetail/122296

如果你還意猶未盡，還需要找更多的AI Studio深度學(xué)習(xí)項(xiàng)目？或者遇到問(wèn)題不知道怎么解決？可以去下面兩個(gè)地方尋找?guī)椭?/p>

●? ?項(xiàng)目合集頁(yè)，在這里有很多官方和其他機(jī)器學(xué)習(xí)愛好者發(fā)布的項(xiàng)目：https://aistudio.baidu.com/aistudio/projectoverview/public/1

●? ?論壇社區(qū)，如果你出現(xiàn)難解的問(wèn)題，不妨上來(lái)看看有沒(méi)人遇到過(guò)同樣的情況：https://ai.baidu.com/forum/topic/list/192

小結(jié)

本文介紹了一個(gè)免費(fèi)贈(zèng)送GPU算力的深度學(xué)習(xí)平臺(tái)AI Studio。首先介紹了AI Studio是什么，在性能上有什么優(yōu)勢(shì)，同時(shí)也介紹了如何獲得免費(fèi)GPU算力。最后用大量的篇幅介紹了如何利用好AI Studio上的學(xué)習(xí)資源，實(shí)現(xiàn)深度學(xué)習(xí)從入門到高階。

總結(jié)

以上是生活随笔為你收集整理的学AI买计算机,如何用免费GPU学习AI算法？这篇大集锦不要错过的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。