使用Caicloud TaaS 平台落地深度學習演算法實戰

內容來源：2017年7月23日，才雲科技聯合創始人鄭澤宇在「頂級陣容 | Kubernetes 二周年「北京7.22 - 上海7.23」Meetup」進行《使用Caicloud TaaS 平台落地深度學習演算法實戰》演講分享。IT 大咖說作為獨家視頻合作方，經主辦方和講者審閱授權發布。

閱讀字數：1677 | 5分鐘閱讀

摘要

人工智慧與深度學習已經成為一個眾所周知的概念，然而如何將深度學習技術落地到具體的業務場景卻是一個比較模糊的事情。在本次講座中，我們將展示如何通過 Caicloud TensorFlow as a Service (TaaS) 公有雲服務來實現循環神經網路，並將之運用於股票預測的全過程。

嘉賓演講視頻及PPT鏈接：http://suo.im/4bWxm5

2012年始深度學習長足發展

通過我們與客戶的交流，大家其實已經對深度學習這個概念越來越關注了。同時也發現了一個比較困難的問題，就是怎樣將深度學習落地。這對於企業來說是一個最大的問題。

深度學習並不是一個新的概念，這個概念背後的技術其實在五六十年代已經出現了，而直到2012年才逐漸走入大眾視野。

深度學習的優勢

深度學習具有多層複雜特徵的提取優勢。當計算機看到的是一個個像素的時候，無法判斷一個圖片是什麼。但如果能把不同的像素以一種自動的方式結合在一起，這樣就能夠幫助我們去解決在複雜場景下的多維特徵，尤其是非結構數據場景。另一個則是大數據量的優勢。

TensorFlow脫穎而出

使用深度學習一定要選擇一個工具。99%的深度學慣用戶僅僅只是想使用深度學習，並不想了解其中的模型、演算法等等，只想用深度學習來解決自己的問題。對於這樣的人群，我認為TensorFlow就是一個非常合適的工具，它能夠滿足這樣的需求。

如果要做自然語言處理，目前學術頂級的自然語言處理專家都在用Torch。自然語言處理非常重要的一個性質就是它的計算圖是不穩定的，現在TensorFlow無法解決這個問題，Torch可能會是一個更好的選擇。

對於不需要對深度學習進行深入研究的99%的用戶來說，TensorFlow是一個通用的工具，在遇到問題的時候能更快地得到解答。

TensorFlow-as-a-Service (TaaS)

我們是一個專門做TensorFlow的公司，通過上圖可以看到我們對於TensorFlow的封裝做得更深一層，我們的目標全部是以TensorFlow機器學習的項目為核心。

循環神經網路

大部分人在使用神經網路的時候只會畫最簡單的神經網路，用那種神經網路構造出來的結構模型相對比較少。在做自然語言處理的時候，還是循環神經網路使用得比較多。

LSTM 結構

以上是原生態TensorFlow的一套代碼，定義了每一個循環網路的結構是什麼，然後把它定義為一個循環神經網路就可以了。

股價預測

上圖中的數據都可以從Yahoo Finance下載到，從1993年到2017年的SPY股價數據。通過這樣的數據，我們如何完成深度學習並預測股價，包括怎樣來使用才雲的TensorFlow Services。

https://github.com/caicloud/taas-examples這是我們的一個開源的代碼庫，把所有的TensorFlow examples都放在這裡面，希望大家可以一起來參與維護我們的這個代碼庫。

今天的分享就到這裡，謝謝大家！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！