标签：proc   with   管理   集合   开发者   参考资料   数据库   数据存储   噪声   

1.谷歌Cloud Machine Learning平台简介：

　　机器学习的三要素是数据源、计算资源和模型。谷歌在这三个方面都有强大的支撑：谷歌不仅有种类丰富且数量庞大的数据资源，而且有强大的计算机群提供数据存储于数据运算能力，同时，还研究实现了TensorFlow这个机器学习、深度学习算法库。基于这些背景，谷歌也已经训练出了许多实用的可以应用于商业软件的模型，开发者可以直接调用相应的API来开发自己的商业软件。

　　Google Cloud Machine Learning是一个管理平台，它集合了上述所有资源（包括谷歌的数据资源、计算资源、TensorFlow深度学习算法框架、谷歌已经训练好的模型）到一个平台上，这是一个高度Integrated的平台，使用该平台进行机器学习与深度学习方面的研究会十分方便。

• • Cloud Machine Learning处理多种格式的数据，Cloud Machine Learning（CML）可以以插件的形式进入谷歌其他的存储、查询和数据处理等产品，获取训练开发者所搭建的模型所需的数据集，并应用于开发者的模型的训练过程。其数据源是Google Cloud Dataproc，这是Google所拥有的强大的数据库，是可以支持成千上万用户和海量TB数据的全球预测平台，使得开发者训练的模型能够即插即用，这是Cloud Machie Learning平台最大的特色之一。该预测平台整合了Google云分析系统Cloud Dataflow，允许开发者访问Google Cloud Storage和BigQuery上的数据。
  • Cloud Machine Learning与谷歌的各种云服务联动，因此开发人员可以采用自己的训练数据，轻松构建自己的预测分析模型，并且在该平台上训练自己的模型。Cloud Machine Learning是可用于构建和训练智能应用定制模型的云端机器学习框架，目前只有alpha版。
  • Cloud Machine Learning管理平台结合TensorFlow，其一大亮点是支持异构设备分布式计算，它能够在各个平台上自动运行模型，从电话、单个CPU / GPU到成百上千GPU卡组成的分布式系统。开发者因此无需把时间花费在处理集群上，而更专注于模型创建。
  • Cloud Machine Learning平台上发布了若干谷歌已经训练过的机器学习模型，开发人员可以直接调用相关API来进行自己的项目的开发，从而在自己的project中使用谷歌这些机器学习模型所提供的相应功能，从而加快开发各种商业应用。该平台上发布的已经训练过的模型有：
    • “Translate API”（翻译）
    • “Cloud Vision AP”（图像识别）
    • “Cloud Speech API”（语音识别）。语音识别API，应用神经网络模型将音频转变成文本，支持80多种语言，还支持噪声多的环境以及较快的语调。目前使用是免费的，未来会收费　

 2.参考资料

• • 如何使用谷歌Machine Learning API?
  • 如何使用TensorFlow库？

machine learning----->谷歌Cloud Machine Learning平台

标签：proc   with   管理   集合   开发者   参考资料   数据库   数据存储   噪声   

原文地址：http://www.cnblogs.com/lxrm/p/6216296.html