AI這個(gè)詞，仿佛自帶高大上光環(huán)
無(wú)論它身在哪個(gè)行業(yè)
總會(huì)讓人們發(fā)出驚嘆：
AI打敗排名世界第一的圍棋選手，WOW！
AI能幫你駕駛汽車，Awesome！
AI能診斷疾病，Niubility！
在這個(gè)言高科技必稱AI的年代，AI在大眾的印象里總是遙遠(yuǎn)而神秘，但小編要告訴你，其實(shí)AI并不遙遠(yuǎn)~
今天，我們邀請(qǐng)到戴爾易安信非結(jié)構(gòu)化數(shù)據(jù)解決方案企業(yè)技術(shù)顧問(wèn)簡(jiǎn)君芳，教你如何手動(dòng)搭建一個(gè)AI算法模型。動(dòng)動(dòng)手，你也可以親自實(shí)踐AI。
簡(jiǎn)單深度學(xué)習(xí)實(shí)踐
搭建貓狗識(shí)別AI算法模型
開(kāi)始前，首先介紹一下AI的工作流程：
簡(jiǎn)單來(lái)說(shuō)就是分成兩部分：
1.訓(xùn)練
①需要累積數(shù)據(jù)，并預(yù)期數(shù)據(jù)越多越好，所以存儲(chǔ)必須可擴(kuò)展。
②數(shù)據(jù)科學(xué)家處理數(shù)據(jù)，初步建立算法模型，讀取數(shù)據(jù)。
③需要GPU執(zhí)行framework(如TensorFlow)，forward前向傳播跑出結(jié)果，計(jì)算誤差損失，backward反向傳播更新參數(shù)修改模型，不斷重復(fù)， 最終得到準(zhǔn)確度較高的訓(xùn)練好的模型。
2. 推斷
①需要全新的數(shù)據(jù)來(lái)驗(yàn)證。
②使用訓(xùn)練好的模型，驗(yàn)證準(zhǔn)確度是否真的夠高。
③部署該模型到實(shí)際環(huán)境正式使用。
這其實(shí)是一個(gè)永無(wú)止盡不斷循環(huán)的過(guò)程，沒(méi)有最好的模型，只有更好的模型。總之，目的就是要找出可以幫助公司業(yè)務(wù)，達(dá)到最佳ROI的“那個(gè)模型”。但重點(diǎn)是，要怎么找到“那個(gè)模型”，夠好還有夠快？這才是AI時(shí)代，各公司真正的核心競(jìng)爭(zhēng)力所在。
所以現(xiàn)在就要來(lái)好好分析一下這個(gè)過(guò)程的三大要素：
1. 大數(shù)據(jù)
有人說(shuō)過(guò)，若你有趨近無(wú)限的數(shù)據(jù)，你就可以訓(xùn)練出趨近完美的模型。所以要模型好，準(zhǔn)確度高，最重要的就是先要有數(shù)據(jù)，越多越好。不過(guò)這首先就會(huì)帶來(lái)一個(gè)問(wèn)題，這些不斷成長(zhǎng)數(shù)據(jù)要放在哪里？本地磁盤容量不夠，RAID存儲(chǔ)擴(kuò)充不行，只有真正分布式的橫向擴(kuò)展存儲(chǔ)才是最適合大數(shù)據(jù)的，從而讓模型更好。
2. 算力
比如GPU，計(jì)算力越強(qiáng)，AI流程越快，也是基礎(chǔ)設(shè)施成本最貴的部分。可是并非花了大價(jià)錢買了GPU，就能高枕無(wú)憂了，如果GPU的使用率只有不到50%呢，這樣還快得起來(lái)嗎？
事實(shí)上這是目前非常普遍的現(xiàn)象，GPU使用率不高的原因通常都是在于I/O瓶頸。而只有可以分散處理大量并發(fā)I/O的分布式存儲(chǔ)才是最能提高GPU利用率的，讓模型更快。
3. 算法
算法需要數(shù)據(jù)科學(xué)家一方面了解公司業(yè)務(wù)，另一方面了解數(shù)據(jù)，建立正確的模型。
說(shuō)的簡(jiǎn)單，其中過(guò)程也是非常復(fù)雜的，比如IoT需要使用Kafka，機(jī)器學(xué)習(xí)需要使用SparkML，深度學(xué)習(xí)需要使用TensorFlow，大數(shù)據(jù)分析需要使用Hadoop，處理數(shù)據(jù)需要使用ETL工具，最后還要做可視化/BI等……若都是分開(kāi)的孤島，不但流程復(fù)雜，數(shù)據(jù)需要復(fù)制許多份，并且數(shù)據(jù)遷移來(lái)遷移去非常耗時(shí)。
這時(shí)候不如使用數(shù)據(jù)湖，不再有孤島，整合流程，數(shù)據(jù)保持同一份節(jié)省TCO整體成本，省下數(shù)據(jù)遷移的心力，提升數(shù)據(jù)科學(xué)家的工作效率，讓他們專注在最有價(jià)值的算法上。
接下來(lái)，就用實(shí)際的貓狗辨識(shí)簡(jiǎn)單實(shí)踐來(lái)體驗(yàn)一下TensorFlow深度學(xué)習(xí)吧！
這里我使用的存儲(chǔ)是戴爾易安信Isilon，為什么用它呢？通過(guò)上面的講解你應(yīng)該能知道，AI所需要存儲(chǔ)不僅要強(qiáng)大擴(kuò)展能力，同時(shí)還不能有I/O瓶頸。而Isilon正是一款真正分布式的橫向擴(kuò)展NAS存儲(chǔ)，不僅能輕松擴(kuò)展到數(shù)十個(gè)PB，還能助攻GPU，讓使用率高達(dá)90%+，更能提供原生數(shù)據(jù)湖整合流程提升工作效率。
*Isilon由英特爾® 至強(qiáng)®處理器提供支持，該處理器采用軟件定義的基礎(chǔ)設(shè)施和敏捷云架構(gòu)，為Isilon提供了卓越的性能和效率，可加速要求嚴(yán)苛的文件工作負(fù)載，使企業(yè)發(fā)揮數(shù)據(jù)資本的價(jià)值，加速業(yè)務(wù)的數(shù)字轉(zhuǎn)型。
廣告不多說(shuō)了，下面正式開(kāi)始實(shí)踐。
這里我使用VMware Workstation跑兩個(gè)VM：
一個(gè)VM是Ubuntu 16.04作為AI服務(wù)器，安裝軟件如下：
? Anaconda with Python 3.7
? Jupyter Notebook
? TensorFlow
? Keras
? Opencv
另一個(gè)VM是Isilon simulater OneFS 8.2.0作為AI存儲(chǔ)，設(shè)定準(zhǔn)備如下：
? 啟動(dòng)trial license
? 建立/ifs/ai路徑
? 在網(wǎng)絡(luò)上下載了三千張貓跟狗的圖片數(shù)據(jù)，都放在/ifs/ai/datasets/images目錄下
? 在網(wǎng)絡(luò)上下載了深度學(xué)習(xí)貓狗辨識(shí)模型的python code，路徑為/ifs/ai/dl_isilon.ipynb
? 建立/ifs/ai/trained_模型s目錄給訓(xùn)練好的模型存檔
01 步驟一
建立聯(lián)機(jī)，正式環(huán)境可能會(huì)使用Kubernetes，可以把Isilon直接用NFS或是透過(guò)CSI作為persistent volume提供給GPU Docker。但因?yàn)槲疫@里只使用單一VM，所以我用最簡(jiǎn)單的NFS mount方式，把Isilon mount給Ubuntu的/home/ai/isilon目錄。
02 步驟二
接著在Ubuntu上開(kāi)啟Jupyter Notebook，這時(shí)候可以看到名為isilon的目錄出現(xiàn)，進(jìn)入/Isilon/ai就可以看到之前準(zhǔn)備好的數(shù)據(jù)和python code。
03 步驟三
打開(kāi)dl_isilon.ipynb，一開(kāi)始就是要設(shè)定讀取數(shù)據(jù)的地方，這里的路徑“./datasets/images/”其實(shí)就是指向Isilon的/ifs/ai/datasets/images。
04 步驟四
接下來(lái)把三千張圖片重設(shè)大小，做卷標(biāo)分類，其中兩千張來(lái)做訓(xùn)練，一千張做驗(yàn)證，于是會(huì)產(chǎn)生四個(gè)目錄，其中“./datasets/catsvsdogs/train/dogs”其實(shí)就是指向Isilon的/ifs/ai/datasets/catsvsdogs/train/dogs，依此類推。
05 步驟五
然后經(jīng)過(guò)一些轉(zhuǎn)格式的預(yù)處理動(dòng)作，就是建立CNNmodel的部分了，其中有些超參數(shù)可以調(diào)整如batch_size，epochs。
現(xiàn)在就開(kāi)始訓(xùn)練了，訓(xùn)練好的模型會(huì)存檔為./trained_models/cats_vs_dogs.h5，其實(shí)就是指向Isilon的/ifs/ai/trained_models/cats_vs_dogs.h5。
可以看到，訓(xùn)練十次，每次兩千張，損失越來(lái)越低，準(zhǔn)確度越來(lái)越高，訓(xùn)練第一次的準(zhǔn)確度只有50%，訓(xùn)練第十次的準(zhǔn)確度有71.5%，當(dāng)然這遠(yuǎn)遠(yuǎn)不夠高， 是因?yàn)橹挥袃汕垐D片，想象一下若有兩萬(wàn)張圖片，準(zhǔn)確度就可能到達(dá)95%以上了，這就是大數(shù)據(jù)的威力與價(jià)值！
接下來(lái)用另外一千張圖片來(lái)驗(yàn)證這個(gè)已經(jīng)訓(xùn)練好，存在Isilon上的模型。
以上就是一個(gè)簡(jiǎn)單的使用Isilon實(shí)現(xiàn)AI解決方案的貓狗辨識(shí)實(shí)踐。其實(shí)AI并沒(méi)有那么神秘，動(dòng)手起來(lái)也不難，最重要的，是不是覺(jué)得Isilon真的很適合AI了呢？
如果這個(gè)訓(xùn)練好的模型準(zhǔn)確度高于人類，那么就可以實(shí)際部署在生產(chǎn)環(huán)境上了，以后就可以讓AI幫助公司業(yè)務(wù)來(lái)判斷圖片，比人類準(zhǔn)確度高，比人類速度快，還不會(huì)有人為錯(cuò)誤，一片美好的未來(lái)~
但是！工欲善其事，必先利其器，必須要先有適合的AI存儲(chǔ)如Isilon才能往美好的未來(lái)邁進(jìn)，準(zhǔn)確并快速地找出可以高效幫助公司業(yè)務(wù)的模型，達(dá)到最佳ROI！
