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
AI Studio是什么
AI Studio是百度提供的一個針對AI學習者的在線一體化開發實訓平臺。平臺集合了AI教程,?深度學習樣例工程,?各領域的經典數據集,?云端的運算及存儲資源,?以及比賽平臺和社區。?你可以把AI Studio看成國產版的Kaggle。和Kaggle類似,AI Studio也提供了GPU支持,但百度AI Studio在GPU上有一個很明顯的優勢。
Kaggle?最近把Tesla K80的GPU升級到了P100,確實比以前快不少,但AI Studio采用的是Tesla V100的GPU,更勝一籌。下表對比了兩款GPU性能:
AI Studio?提供了基于ipython和Jupyter Notebook的在線方案,?幾乎是當前所有機器學習/深度學習的主流方案。AI Studio?支持的深度學習框架是飛槳。比起偏向于研究的TensorFlow,飛槳偏向于應用。通常TensorFlow的幾行代碼,飛槳一行就解決了。個人感覺飛槳對于初學者來說還是很友好的。
如何獲得免費算力卡
我之前寫過一篇文章關于如何薅百度AI Studio的GPU羊毛的文章, 詳細的大家可以參考一下。不過距離上次薅羊毛到現在也三個月過去了,百度的免費GPU算力政策發生了變動,而且是往更好的變動。之前是每日運行項目送12個小時算力,現在是每天送24小時!我的天,這意味著可以24/7的不間斷的跑,用之不竭啊!我跑了一下項目,算力卡馬上來了。
目前在開發者QQ群里聽到的消息是至少持續一個月的贈送,不知道下個月還有沒,所以大家趕緊薅起來,好好利用這免費的高性能GPU資源來「煉丹」。
獲取算力方法使用資格很簡單。點進下方鏈接:
https://aistudio.baidu.com/aistudio/questionnaire?activityid=525
然后再按照內容提示填寫好信息,審核后管理員會給你發放一批算力卡。有了這批算力卡你就可以開始在GPU你的項目,而且運行項目又送算力卡,就像雞生蛋蛋生雞一樣,算力取之不竭。
AI Studio精選項目大合集
點擊下方鏈接查看所有項目:
https://aistudio.baidu.com/aistudio/messagedetail/42
零基礎新手如何利用好AI studio
熟悉Python的讀者可以跳過這節。
純新手可能還不知道怎么用AI Studio。其實很簡單。下面提供了很多教程,都是jupyter notebook形式的。你點開鏈接,會看到一個fork按鈕,然后在彈出的框里,輸入項目名稱和項目名字。
完成后,會彈出對話框問你是否現在運行:
點擊”運行項目”,就會為你打開一個運行環境。進去之后,點擊”運行”按鈕,彈出選擇環境。
然后選擇運行環境。沒算力卡?沒關系。點擊上面的點擊申請,按照提示一步步點進去,提交成功后一段時間就有免費的算力拿了。
以下的所有鏈接都是一個個Jupyter Notebook,想要修改代碼和運行的話,就按照上面說的步驟fork了然后運行。
深度學習新手入門項目合集:
https://aistudio.baidu.com/aistudio/projectdetail/128773
即使你是Python新手也沒關系,AI Studio社區提供了新手入門教程,不需要你在本地搭建環境,直接在AI Studio提供的環境跑例程,增刪改代碼,測試自己的想法。Python新手項目:《Python零基礎速成課》。
學完了上面的新手Python課程,在開始深度學習前想實戰一下Python技巧?這里有個Python爬蟲項目,教你從豆瓣爬電影數據,很適合用來鞏固Python技巧,而且項目還教你用數據幀(dataframe)格式來顯示爬來的數據,為后續學習機器學習項目打好基礎,請參照:《Python入門-豆瓣電影爬取》。
做完上述的分類器是否找到了一點入門的感覺?做點實用的吧。買房是每個人的人生大事?機器學習是否能讓你預測房價未來走勢呢?下面這個示例項目將采用線性回歸模型,帶著你探索這個問題,可查看:《波士頓房價預測》。
通過以上問題,是否對機器學習更有感覺了??是否覺得以上模型太簡單,無法跟上你快速進步的步伐?好嘞,現在開始學習深度學習模型。首先從計算機視覺入門。
計算機視覺入門最基礎的一個數據集是MNIST。MNIST共包含了70000個手寫數字圖像,數字范圍從0-9。我們現在就要開發一個模型,讓模型能分辨手寫的0-9,詳情請查看《深度學習入門CV-手寫數字識別》。
是否太容易就到達90%多的準確率?沒事,這里有不一樣的MNIST數據,叫fashion-mnist,但這次不是手寫數字,而是十類時裝(T-Shirt、連衣裙、鞋子、外套等),你還能保持同樣高準確率嗎?詳情請查看《Fashion-MNIST數據集》。
除了計算機視覺,NLP(自然語言處理)也是深度學習里很熱門的領域。想入門NLP,何不先試試文本分類呢?詳情請查看《深度學習入門NLP-文本分類》。
如果你是一個新手,經過上述項目的訓練,你應該算是稍微入門了。接下來就是要進階了:
1. 進階學習者如何利用好AI studio學習深度學習算法
深度學習進階總是痛苦的,主要的原因是沒有足夠示例,有示例也不夠詳細,有詳細的示例但又不知道從哪個看起。為了讓讀者快速入門,我按照從容易到復雜的順序,總結了一些示例,根據示例所屬的領域,難易程度,我分了兩個主要部分:
●? ?計算機視覺(CV)
●? ?自然語言處理(NLP)
計算機視覺(CV)
項目地址:
https://aistudio.baidu.com/aistudio/projectdetail/128832
首先我們可以學習與實踐下圖像分類的算法。
圖像分類是根據圖像的信息將不同類別圖像區分開來,?是計算機視覺中重要的基本問題.?圖像分類按粒度粗細也分兩種,粗細度的是識別類型,比如這是貓還是狗;細粒度是給你一張照片,?讓你用模型識別這是緬因貓,?還是挪威森林貓)。
現在我們先做粗粒度的貓狗識別分類器。我們的任務是訓練一個分類器,去分辨哪些是貓,哪些是狗。詳情請查看《卷積神經網絡實踐-貓狗分類》。
如果你掌握了上面的貓狗分類器,那恭喜你,對深度學習圖像分類模型又有了更進一步的了解。接下來我們要做細粒度的東西,是什么呢?就是現在很火的人臉識別。下面介紹個簡單的人臉識別模型。這個模型還能識別出章子怡的照片呢!想知道怎么弄的嗎?點開鏈接探究吧。詳情請查看《卷積神經網絡-人臉識別初探》。
你也許學習完上面兩個示例,會提出疑問,貓狗識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??模型真的知道那個物體是目標嗎?有什么辦法讓模型知道目標呢?那就要先使用目標檢測,?把貓貓狗狗的位置圈定出來,?然后再逐一處理。順便一提,聽起來高大上的無人駕駛技術,?目標檢測也是其核心技術之一哦。接下來介紹幾個目標檢測的模型。
主流的目標檢測算法主要分為兩個類型:
1)two-stage方法,其主要思路是先通過啟發式方法(selective search)或者CNN網絡產生一系列稀疏的候選框,再對這些候選框進行分類與回歸。two-stage方法的優勢是準確度高;代表算法是R-CNN系列算法。想更深入研究是怎么回事?AI Studio社區提供了詳盡的Mask RCNN教程:
https://aistudio.baidu.com/aistudio/projectdetail/122273
除了Mask RCNN,另一個齊名的是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行密集抽樣,抽樣時可以采用不同尺度和長寬比,然后利用CNN提取特征后直接進行分類與回歸,整個過程只需要一步,所以其優勢是速度快(所以在移動設備等低性能平臺上常用),但是均勻的密集采樣的一個重要缺點是訓練比較困難,這主要是因為正樣本與負樣本(背景)極其不均衡,導致模型準確度稍低。
我在AI Studio社區找到了Yolo和SSD的教程。
YOLO教程使用的數據集是自定義的螺絲螺母數據集,以下教程涵蓋了YOLO v3和YOLO v3-tiny,不僅讓你能學好YOLO,而且還提供了可以部署在低能耗設備上的模型。
接下來要介紹的是SSD。下面這個教程使用的是基于預訓練好的mobile-net訓練的SSD,使用的數據集是?pascal-voc。
關于計算機視覺的進階內容先介紹到這里,接下來介紹進階的NLP內容。還想學更高階的CV模型算法請移步到下一章。
自然語言處理?(NLP)
項目地址:
https://aistudio.baidu.com/aistudio/projectdetail/128857
我們又回到了NLP技術領域了。?假設我們已經學過前面爬豆瓣的那課,?我們獲取了某部著名電影的評論,?我們怎么知道它的口碑究竟如何呢??通過這篇文章,?我們可以透過語言直接看到人類的情緒。不過為了方便起見,我們下面這個例子并不直接用之前采集的數據集,而是用的是已經處理好的IMDB電影數據集。詳情請查看《循環神經網絡NLP-情感分類》。
其實情感分類是一個很重要的技術,我之前做過對股票市場的情感分析算法,可以找出市場情感對股市走向的影響。不過如果你覺得情感分類還是太簡單的話,那恭喜你,你的進步是飛快的。那你接下來可以試試更難的,就是機器翻譯。飛槳框架收集了一個叫WMT-14的數據集,提供了193319條訓練數據和6003條測試數據,應該夠你探索的了。詳情請查看《深度學習進階NLP-機器翻譯》。
2. 高階學習者如何利用好AI studio
和前面一樣,還是分計算機視覺和NLP(自然語言處理)兩個主要方向來介紹項目:
計算機視覺(CV)
分類識別還不夠?來個人體姿態估計和追蹤的項目來轟炸一下你的大腦吧。下面這個項目是嘗試復現論文《Simple Baselines for Human Pose Estimation and Tracking》里的結構。項目名:《人體姿態估計與追蹤之關鍵點檢測》。
接下來介紹一個激動人心的技術:GAN。生成對抗網絡(Generative Adversarial Network,簡稱GAN)?是一種非監督學習的方式,?通過讓兩個神經網絡相互博弈的方法進行學習。GAN由一個生成網絡和一個判別網絡組成,?生成網絡從潛在的空間(latent space)中隨機采樣作為輸入,?其輸出結果需要盡量模仿訓練集中的真實樣本。判別網絡的輸入為真實樣本或生成網絡的輸出,?其目的是將生成網絡的輸出從真實樣本中盡可能的分辨出來。而生成網絡則盡可能的欺騙判別網絡,?兩個網絡相互對抗,?不斷調整參數。生成對抗網絡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,做個圖像風格遷移的項目:《風格遷移之圖像翻譯Pix2Pix》。
自然語言處理?(NLP)
現在對話聊天機器人是很火的方向。但是要使得聊天機器人表現得懂用戶,那就需要識別對話情緒。專注于識別智能對話場景中用戶的情緒。在這方面百度發布了自己的模型ERNIE。通過建模海量數據中的詞、實體及實體關系,學習真實世界的語義知識。相較于?BERT?學習原始語言信號,ERNIE?直接對先驗語義知識單元進行建模,增強了模型語義表示能力。下面這個項目將帶你學習ERNIE:《ERNIE對話情緒識別》。
之前我們講過語言情感分類和語言翻譯,你會覺得這不是很簡單嗎,對機器來說小兒科。但如果讓機器來做閱讀理解呢,或者讓機器去回答問題呢,有想過嗎?有個模型的提出讓以上這些問題都有了希望,這個模型就是BERT(Bidirectional Encoder Representations from Transformers)。想知道BERT是什么,怎么工作的?下面這個項目能幫到你:《語義表示模型?BERT》
機器閱讀理解(MRC)是自然語言處理(NLP)中的關鍵任務之一,需要機器對語言有深刻的理解才能找到正確的答案。機器閱讀理解領域有個著名的模型叫BiDAF模型(Bi-Directional Attention Flow for Machine Comprehension)。下面這個項目將會幫助你了解更多:《機器閱讀理解之BiDAF模型》。
3. 其他AI Studio上的學習項目
由于CV和NLP是熱門研究領域,以上項目都只提到CV和NLP。但深度學習的研究范圍和應用范圍很廣,只是限于篇幅原因不能一一詳盡。為了照顧到更多領域的讀者,以下還收集了一些推薦算法的AI Studio的項目,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分布式推薦算法實踐
https://aistudio.baidu.com/aistudio/projectdetail/124378
●? ?用飛槳PaddlePaddle實現個性化推薦
https://aistudio.baidu.com/aistudio/projectdetail/127567
●? ?標簽推薦算法之TagSpace
https://aistudio.baidu.com/aistudio/projectdetail/122298
●? ?推薦算法gru4rec之飛槳PaddlePaddle實現
https://aistudio.baidu.com/aistudio/projectdetail/122296
如果你還意猶未盡,還需要找更多的AI Studio深度學習項目?或者遇到問題不知道怎么解決?可以去下面兩個地方尋找幫助。
●? ?項目合集頁,在這里有很多官方和其他機器學習愛好者發布的項目:https://aistudio.baidu.com/aistudio/projectoverview/public/1
●? ?論壇社區,如果你出現難解的問題,不妨上來看看有沒人遇到過同樣的情況:https://ai.baidu.com/forum/topic/list/192
小結
本文介紹了一個免費贈送GPU算力的深度學習平臺AI Studio。首先介紹了AI Studio是什么,在性能上有什么優勢,同時也介紹了如何獲得免費GPU算力。最后用大量的篇幅介紹了如何利用好AI Studio上的學習資源,實現深度學習從入門到高階。
總結
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內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 从大数据看技术,为什么天猫双11是史上最
- 下一篇: chrome修改摄像头权限_如何在Chr