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。

對此，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)量的增長是如今人工智能得意再度興起的關(guān)鍵，對普通人來說，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，曾嘗試過在個人PC上搭建一個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)境還只是機遇CPU的版本，另外機遇GPU的版本會更為復(fù)雜。

我相信部分對人工智能好奇的人，可能會因為在這里受挫而放棄進(jìn)一步探索的可能。

如果有一種平臺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，你覺得會怎樣呢？

在NVIDIA中國深度學(xué)習(xí)學(xué)院（DLI）技術(shù)專家的指導(dǎo)下，筆者作為機器學(xué)習(xí)的門外漢，用DIGITS體驗了一把用0代碼做機器學(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。

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

這次成功的體驗做的是識別圖片上數(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/識別。

專家將其歸納為上圖的六個步驟，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)練時間越長，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，整個過程僅僅耗時二十多分鐘。其中，比較耗時的是數(shù)據(jù)集的圖片處理和訓(xùn)練過程兩步，需要一些等待時間。

為驗證模型的準(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。

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試的結(jié)果顯示：99%的可能是8。這是因為模型的不同導(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命令行，不用敲命令，只需點擊操作配置即可，不用敲一行代碼。

體驗心得

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

想體驗深度學(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，可以為他們提供動手實驗培訓(xùn)，培訓(xùn)的方式有在線自學(xué)式實驗室，還有講師指導(dǎo)式研討會。

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，在實驗室平臺上還可以體驗到 NVIDIA 最新的 GPU 加速深度學(xué)習(xí)平臺。

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是免費的，但是如果是在線版的DIGITS的話因為是要占用云資源，尤其是昂貴的GPU資源，所以是要收費的，公網(wǎng)上可以找到DIGITS在線體驗的鏈接。

NVIDIA做這個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。在這個學(xué)習(xí)平臺想學(xué)知識的人可以獲取知識，比較厲害的人還可以考慮當(dāng)DLI的講師。

除了NVIDIA的這個人工智能學(xué)習(xí)平臺以外，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，比如AWS、Google、Azure等公有云，看來在線的深度平臺已經(jīng)是業(yè)內(nèi)非常認(rèn)可的服務(wù)方式。（DOIT/朱朋博）

zhupb