nba战况
· 2004-09-01
本文经AI新媒体量子位（公家号ID:QbitAI）受权转载，转载请相闭来历。
论 AI 圈活菩萨，非李沐教员莫属。
前有编写「着手学深度进修」，效果圈内初学经典，后又正在B站收费讲斯坦福 AI 课，一则深邃硬核讲论文的视频播放量36万，很多课题组从导师到睹习本科生都正在追番。
如斯给劲的分享，难怪很多人自高自称「已拜正在教员门下」——
而近来，我发掘有平台干了个更给劲的事。
这个平台无偿供应算力不说，还将初学经典「着手学深度进修」放进平台，收费供众人进修和实操，名曰：Amazon SageMaker Studio Lab 。
按先容说法，该平台基于 JupyterLab，供应收费 GPU 和 CPU 算力+15G永恒存储成效，还与 GitHub 链接，接济主流机械进修对象组件和开源资本包利用，开拓者可团结「着手学深度进修」课本自行教练模子、看了局。
况且，他们还号称请求只要一个邮箱，不要官方账号，更无须填甚么信誉卡。
真有这么好的事？
这日就带着众人一道亲测尝尝。
真能实操「着手学深度进修」案例？
经由过程链接 studiolab.sagemaker.aws ，咱们便可登入 web 端平台，探探内情。
哪能找到「着手学深度进修」？
从界面能看到，平台供应 GPU/CPU 算力挑选，况且，可直接开启利用，确切无需付款。
右下角，咱们就能看到那本 Dive into Deep Learning (缩写为 D2L )。
直接点击 Open D2L notebooks 可掀开：
开启名目后，体系主动加载D2L资本，并存储正在咱们的云上文献夹中。
README 文献也一并掀开好了，正在这内中，体系境况设备、全书提要、面向受众、目次框架包罗万象。文末另有每一个章节链接，从中能直接进入。
到这，就能够经由过程平台团结课程实质与实操来进修深度进修了——
那末实操结果怎样？
哪儿哪儿的代码，都能运转给你看
以经典中的经典的 AlexNet 个别为例，感想一下。
平台上，AlexNet 因循发达、底子道理诠释均出现出来，模子的界说修建代码都可运转。
为保障初学者更好心会，还能修建单通道数据示例，观测 AlexNet 外部8个层的输出情景，方针嘛，正在于助咱们直观分解分歧层的效力：
最枢纽的是，教练模子闭节也怒放实操，选中代码个别运转便可。
不外该历程应许期间较长，咱们正在 GPU 选项下教练大概利用7分钟，渐渐等吧！
△眼看弧线慢慢渐渐画出来
值得一提的是，因为一共界面都能动作 Notebook 增添代码，记载进修推敲——
以是，即使咱们课程达成，还能正在文末增添代码栏，对比着章节末端习题，编程告竣功课。
从数理底子到实操境况设备，都打算得明显白白
下面涌现还只是一个末节。本来，从全衔接层、卷积、池化等观点先容，到 ResNet、DenseNet 疏解…正在 Amazon SageMaker Studio Lab 收费境况中均有出现及实操，都打算得明显白白。
平台还知心肠琢磨到咱们的高数线性代数底子纷歧，不是每一个人都过了90分，还把单变量微积分、最大似然等数理底子先容和代码告竣都给出来了，还附上境况设备要领，一副很靠谱的架式。
经历下面验证，这个 Amazon SageMaker Studio Lab 确切可收费又无缺地实操大神的「着手学深度进修」——
对生气初学以致深度担任 AI/ML 这门本领的人来讲，这类外面+履行型的研习体例天然更为高效，往后切换到本质劳动或科研乃至创业中，过渡也更为无缝。
原形上，它的才华还不只这个程度。
一个面向开拓者的收费平台
从名字上你也发掘了，推出 Amazon SageMaker Studio Lab 的幕后企业是亚马逊云科技。
这家前沿本领大厂这次推出收费平台，不光将「着手学深度进修」做成外面+实练习习场，更念面向数据迷信家、企业开拓者、高校师生——
供应一个收费低门坎初学机械进修的普惠机缘。
本来正在亚马逊云科技以前，业内已有众个怒放机械进修平台——
那末，这回的 Amazon SageMaker Studio Lab ，又有甚么值得体贴的新亮点？
咱们一道先从设备看起。
平台供应15G以上永恒存储，16G内存，4个 CPU ，GPU 为英伟达 Tesla T4 ，比现在其余主流平台稍高。
因为利用了较新架构的英伟达 Tesla T4 ，其混杂精度运算速率目标响应也更高，另外，收费版与 SageMaker Studio 利用相似架构，相称于叠加一层企业级 Buff ，不乱性更有保证。
值得咱们属意的是，平台宣扬的是4小时 GPU+12小时 CPU ，但本质上，咱们到期间后仍可再次开启 Runtime ，本来的文献照旧存正在。
不外假使你念挖币，依旧算了…
平台明令克制利用 SageMaker Studio Lab 举办分娩作为，开采加密钱银查到直接封号。
说完设备，再看下实操。
从操纵性下去说， Amazon SageMaker Studio Lab 比拟其余平台更爽快直观。
界面不单单能创造 Jupyter Notebook 文献，还接济咱们直接新筑 Terminal 标签页、 Markdown 体式文献。
另外，这个平台设备有 Conda 和 Pip 资本包拘束器，防止咱们反复装置开源软件包，费事费心。
拉取 GitHub 名目乃至无需利用号令行，点击左侧按钮便可。
若克隆名目中有 yml 境况设备文献，正在筑扬名目同时，也会同步创造好 Conda 境况。
平台还与 Github 干系。
正在咱们我方的 Github 名目 README 文档中列入如下实质：
[](https://studiolab.sagemaker.aws/import/github/org/repo/blob/master/path/to/notebook.ipynb)
便可列入「 Open in Studio Lab 」按钮——
别人只要一键，便可接入 Amazon SageMaker Studio Lab 平台。
固然，咱们也能够经由过程手动上传或拷贝的体例新筑 ipynb 。
以经典的图象分类算法举例。
从其余平台拷贝一份 ipynb 文献后，无需改正便可利用，最众也便是手动装置依附项。
实测教练模子的速率与其余平台根本相似，偶然，乃至稍疾。
结尾，得看看良众人存眷的数据宁静题目。
咱们做机械进修，每每拿着大批人脸隐衷消息，乃至是尚未脱敏的病院病患消息，为庇护别人隐衷和数据宁静，还得看看这方面情景。
Amazon SageMaker Studio Lab 脱胎于企业级操纵，同意每一个人数据均经由过程加密庇护，且假使删除账户，整个闭联数据也均响应删除，平台方同意，不做保存。
现在，已有良众名校名企用上了 Amazon SageMaker Studio Lab ，并为其站台背书。
这内中，有 ENIAC 出世地的宾夕法尼亚大学工程学院，也有美邦加州圣克拉拉大学金融系，另有 Hugging Face 。
海内体贴者也很多。
北方某985理工院校机械进修范畴博士生体现，他们课题组宗旨固然是古板机械进修，但仍需深度进修体例辅助验证。
因为实践室的揣测筑造好几年前购入的，跟着职员与推敲宗旨的扩展，格外是正在投稿前夜，揣测资本的争抢情景很普及。Amazon SageMaker Studio Lab 对他们来讲，切实其实有吸引力。
说完该收费平台的各种益处，下个题目便是：奈何请求？
这里张开讲讲。
无需亚马逊云科技账号，上岸官方链接 studiolab.sagemaker.aws/requestAccount 填写邮箱及闭联消息便可。
不外，为保障众人早日经由过程请求用起来，有些 Tips ，生气众人防备：
创议言语用英文，填写真切闭联机构称号，所留邮箱后缀与所正在机构英文名结婚，如许的请求更可托靠谱。
餍足上述条款，亲测24小时内就能获取约请，属意查收邮箱。
无缝迁徙的进阶版
后面仍然提到了， Amazon SageMaker Studio Lab 与专业版 Amazon SageMaker Studio 为统一架构，于是，假使念从初学收费版迁徙专业版，信任不是大事儿。
对专业开拓者来讲，这固然供应更众进阶科研及创业的大概。
更全体看，专业版 Amazon SageMaker Studio 从头至尾仍然供应给开拓者一套相称悉数的成效：
好比供应大界限漫衍式教练，面向咱们分娩性的大模子教练需要。利用分区算法，正在 GPU 实例中主动拆分大模子和数据集，擢升并行度加疾教练速率。
好比数据标注成效 Ground Truth Plus ，拉上了人类专家，团结机械进修辅助预符号，大幅消重标注纰谬，擢升标注速度。
再好比 Amazon SageMaker Data Wrangler ，该成效面向机械进修中的数据计划阶段，可经由过程可视化界面举办数据挑选、清算、探查。只要一键导入，无需代码便可火速准则化、转换大量量、构造八门五花的数据。「四大」之一的德勤就采取了该项成效，蓝本几个月才调达成的数据计划，现正在紧缩到几天达成。
另外，Amazon SageMaker Studio 还囊括拜访权限掌管拘束、模子监控、无供职器推理成效、推理设备保举…直至全周期的产业化 AI/ML 供职，都给包圆了。
上述各种，很多是往年亚马逊云科技 re:Invent 2021 新推出的成效，很大水平涌现出这家企业对需要的意会和本领的前瞻性——
对专业开拓者、数据迷信家，不论是推敲，依旧创业，这些成效均供应了更众大概性。
更蓄意思的是，亚马逊云科技着眼点彷佛并不止于经交易务，另有良众「不挣钱」的普惠性运动供应给咱们。
机械进修马拉松名目便是一个呈现。
该运动一年好几场，平台一方会正在AI闭联范畴操纵中拿出试题，涵盖 AI 主动化编程、对灾难举办注意或定损等等方面。
运动将会测试离间者 CV 、NLP 等方面技术上下，这时间，闭联平台、资本也由平台方供应。优越者会取得最高5万美元的奖品。
像这类面向本质需要，又将本领普惠开拓者的运动另有良众，况且，各有好玩之处或社会价格。
有0门坎便可初学机械进修的主动驾驶竞速赛 Amazon DeepRacer ，体贴者数百万，介入开拓者已有14万；
也有运动跟非节余性结构 Girls in Tech 配合，助助更众女性分解并上手机械进修，排除科技圈的性别差异；
另有最新推出，正在圈内激励高度体贴的 Amazon SageMaker Canvans ，面向0代码履历的企业外部理会师、经营者，助他们正在本质交易中操纵到机械进修这门本领。
本领大厂退居幕后
结尾，怎样评估亚马逊云科技的 SageMaker Studio Lab ？
谋划角度看，这些做法对异日自家生态修建固然有益，是头部企业保留身位的须要举措。另外，大量企业动辄年薪50万招闭联从业者，对良众开拓者也是坏事。
事实，人工智能欠缺肉眼可睹，大部隔离拓者有充足编程履历和数理底子，独一挡板便是：不熟习机械进修。补上这块就喝汤，心甘情愿？
不外，从行业维度看，上述举措也确切正在促进前沿本领落地——
不外这里的促进，不正在于更疾，而正在于更广。
要明了，一百年前汽车刚发现，只要呆滞专家才调成为车主，以致于其时社会，司机都是一个手握前沿本领的职业。
也要明了，三十年前，PC 和互联网只是少部隔离拓者的玩具，以致于开拓网站都能让人缓慢暴富，积攒起万丈高楼一律高的资产。
于是，百年前的人无奈意会一个大家可开车的社会，于是，30年前的人们也很难设念我方能够动着手指具有属于我方的互联网平台。
这日放正在机械进修上也一律。即使是最前沿的科技界巨匠，也只可窥睹AI落地疆土的小个别模样形状。只要频仍降维，这项本领才调走进千行百业场景，正在分歧后台分歧履历的人手里才会发生分歧频率的反响——
这既是亚马逊云科技普惠结构的价格呈现，也是李沐教员等大拿的私心所正在。
那末，他日 AI 本领还能开释众大能量？
谜底还得从每位个别开拓者、每一个场景裂隙里，去寻觅。
文章推荐：