iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 28
0
Google Developers Machine Learning

Overview of Machine Learning Products系列 第 28

[Day 28] Google AI Hub - 1

話說照第一天的規劃,今天本來要寫Recommendation AI,不過我測了很久始終無法使用Recommendation AI、無法Enable它,所以只好就此作罷。

AI Hub

今天找其他的玩具來玩,翻到了AI Hub,Hub會讓人直接連想到集線器,AI Hub就是把很多AI、ML集中在一起的平台,你可以在上面使用大家的AI model,也可以分享自己的AI上去給大家用。

我今天會來介紹其中幾個內容:servicenotebooktensorflow module,入門一下AI Hub。

Service

這部分相對單純,它把Google提供的AI服務都整合在這裡,你可以看到很多是我們前幾天文章有提到的內容,像是Text-to-speechVideo Intelligence等等。
service

隨便點進去Text-to-speech,可以看到除了一些介紹,就是給個連結引導去VisitGet started
service-try

至於沒有提供的,它會給你個Link讓你有地方可以Apply
service-apply

Notebook

在去年寫Machine Learning Crash course的文章的時候,有很多線上Example都是用Colab的形式在練習,這邊也把MLCC裡所有的Colab都聚集在這裡,成為Notebook,讓大家可以搜尋後可以透過旁邊的Colab連結測試。
notebook

Tensorflow module

這邊聚集了很多Tensorflow module,可以透過Tensorflow hub的方式引入到自己的Code裡去。像是下面的範例就有提供Link https://tfhub.dev/google/efficientnet/b1/classification/1,也有提供code example,幾乎不用在從頭設計model了。

module = hub.Module("https://tfhub.dev/google/efficientnet/b1/classification/1")
height, width = hub.get_expected_image_size(module)
images = ...  # A batch of images with shape [batch_size, height, width, 3].
logits = module(images)  # Logits with shape [batch_size, num_classes].

tensorflow module

寫到這邊差不多把AI Hub講了大半段,裡面的內容自己動手操作會更了解,明天還有Kubeflow pipeline可以實際動手玩看看,希望一切順利。

OK,今天的文章就到這邊,謝謝各位的觀看。


上一篇
[Day 27] Google AutoML Table - 2
下一篇
[Day 29] Google AI Hub - 2
系列文
Overview of Machine Learning Products30

尚未有邦友留言

立即登入留言