深度學(xué)習(xí)像互聯(lián)網(wǎng)創(chuàng)新一樣也在進(jìn)行跨界的創(chuàng)新，而我認(rèn)為人工智能比互聯(lián)網(wǎng)帶來的跨界沖擊還厲害。

有人說，以前的許多技術(shù)出現(xiàn)之后人們能想到其應(yīng)用場(chǎng)景發(fā)展空間，人工智能的出現(xiàn)跟以前大不相同，它的影響范圍似乎沒有明顯的邊界，使得各行業(yè)的專業(yè)人士都面臨著受到?jīng)_擊的危機(jī)。

對(duì)此，筆者認(rèn)可的一種態(tài)度是：先學(xué)習(xí)一些人工智能的技術(shù)吧。

軟硬件技術(shù)的發(fā)展和數(shù)據(jù)量的增長(zhǎng)是如今人工智能得意再度興起的關(guān)鍵，對(duì)普通人來說，從零開始面臨重重挑戰(zhàn)，從硬件系統(tǒng)開始，到軟件系統(tǒng)，再到人工智能框架最后到應(yīng)用的使用，關(guān)卡太多，任何一個(gè)環(huán)節(jié)都是挑戰(zhàn)。

筆者作為業(yè)余的技術(shù)愛好者，曾嘗試過在個(gè)人PC上搭建一個(gè)TensorFlow框架，雖然其安裝的方式多種多樣，但是由于版本更新迭代快，軟件版本依賴太多，以至于這一過程進(jìn)行的非常麻煩，最后成功搭建的環(huán)境還只是機(jī)遇CPU的版本，另外機(jī)遇GPU的版本會(huì)更為復(fù)雜。

我相信部分對(duì)人工智能好奇的人，可能會(huì)因?yàn)樵谶@里受挫而放棄進(jìn)一步探索的可能。

如果有一種平臺(tái)型的工具能夠幫你解決環(huán)境搭建的問題，可以讓你把主要精力放在機(jī)器學(xué)習(xí)基礎(chǔ)數(shù)據(jù)集的管理和模型的打造兩方面，你覺得會(huì)怎樣呢？

在NVIDIA中國(guó)深度學(xué)習(xí)學(xué)院（DLI）技術(shù)專家的指導(dǎo)下，筆者作為機(jī)器學(xué)習(xí)的門外漢，用DIGITS體驗(yàn)了一把用0代碼做機(jī)器學(xué)習(xí)應(yīng)用，省去了繁瑣的搭建環(huán)境調(diào)試環(huán)境的過程，在DIGITS的幫助下你可以真正了解人工智能的最關(guān)鍵的部分。

開始動(dòng)手進(jìn)入深度神經(jīng)網(wǎng)絡(luò)的世界吧

這次成功的體驗(yàn)做的是識(shí)別圖片上數(shù)字的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，更完整的叫法是Image Classifiaction with DIGITS，用DIGITS做圖像分類/識(shí)別。

專家將其歸納為上圖的六個(gè)步驟，為方便記憶，筆者將過程總結(jié)為四步：

第一步是創(chuàng)建數(shù)據(jù)集，是一個(gè)十幾萬張圖片組成的數(shù)據(jù)集，并且要做一些數(shù)據(jù)處理；第二步是定義配置深度學(xué)習(xí)網(wǎng)絡(luò)（DNN）模型；第三步可以觀察DNN的訓(xùn)練過程，訓(xùn)練結(jié)果（比如精度、準(zhǔn)確度），訓(xùn)練時(shí)間越長(zhǎng)，數(shù)據(jù)集越大，模型越準(zhǔn)；第四步以可視化的方式展示深度學(xué)習(xí)網(wǎng)絡(luò)處理結(jié)果。

從講解到分步完成，整個(gè)過程僅僅耗時(shí)二十多分鐘。其中，比較耗時(shí)的是數(shù)據(jù)集的圖片處理和訓(xùn)練過程兩步，需要一些等待時(shí)間。

為驗(yàn)證模型的準(zhǔn)確性，筆者上傳了一張自己畫的圖片，為了增加難度所以畫的盡可能丑一點(diǎn)。

筆者自己的結(jié)果如下：47%的可能是數(shù)字8。圖一張圖片，另外一位模型下的測(cè)試的結(jié)果顯示：99%的可能是8。這是因?yàn)槟Ｐ偷牟煌瑢?dǎo)致的，看來筆者的模型有很大的調(diào)優(yōu)空間。

DNN模型的部分拓?fù)鋱D，可以按照拓?fù)鋱D修改代碼和模型參數(shù)。

過程中，最大的好處是不用面對(duì)命令行，不用敲命令，只需點(diǎn)擊操作配置即可，不用敲一行代碼。

體驗(yàn)心得

通過幾十分鐘的操作，筆者對(duì)高深莫測(cè)的深度學(xué)習(xí)有了更清楚的認(rèn)識(shí)。

想體驗(yàn)深度學(xué)習(xí)的朋友可以試試DIGITS，DIGITS是NVIDIA 深度學(xué)習(xí)學(xué)院 (DLI)的一個(gè)應(yīng)用， NVIDIA 深度學(xué)習(xí)學(xué)院 (DLI)面向的人群是開發(fā)者、數(shù)據(jù)科學(xué)家和研究人員，可以為他們提供動(dòng)手實(shí)驗(yàn)培訓(xùn)，培訓(xùn)的方式有在線自學(xué)式實(shí)驗(yàn)室，還有講師指導(dǎo)式研討會(huì)。

DIGITS最新6.0版本增加了TensorFlow框架的支持，開源框架支持的比較豐富，另外，在實(shí)驗(yàn)室平臺(tái)上還可以體驗(yàn)到 NVIDIA 最新的 GPU 加速深度學(xué)習(xí)平臺(tái)。

DIGITS有在線版本也有支持私有化部署的版本，在GitHub上可以下載到，所以說，本身DIGITS是免費(fèi)的，但是如果是在線版的DIGITS的話因?yàn)槭且加迷瀑Y源，尤其是昂貴的GPU資源，所以是要收費(fèi)的，公網(wǎng)上可以找到DIGITS在線體驗(yàn)的鏈接。

NVIDIA做這個(gè)的目的也是在于便于不了解深度學(xué)習(xí)的人了解深度學(xué)習(xí)，讓了解深度學(xué)習(xí)的人，更好的管理和處理數(shù)據(jù)集，把更多精力放在模型打造和模型訓(xùn)練調(diào)優(yōu)上。在這個(gè)學(xué)習(xí)平臺(tái)想學(xué)知識(shí)的人可以獲取知識(shí)，比較厲害的人還可以考慮當(dāng)DLI的講師。

除了NVIDIA的這個(gè)人工智能學(xué)習(xí)平臺(tái)以外，許多公有云服務(wù)商也都有類似的深度學(xué)習(xí)服務(wù)平臺(tái)，比如AWS、Google、Azure等公有云，看來在線的深度平臺(tái)已經(jīng)是業(yè)內(nèi)非常認(rèn)可的服務(wù)方式。（DOIT/朱朋博）

zhupb