论AI圈活菩萨,非李沐老师莫属。
前有编写「动手学深度学习」,成就圈内入门经典,后又在B站免费讲斯坦福AI课,一则艰深硬核讲论文的视频播放量36万,不少课题组从导师到见习本科生都在追番。
如此给劲的分享,难怪不少人骄傲自称「已拜在老师门下」——
而最近,我发现有平台干了个更给劲的事。
这个平台无偿提供算力不说,还将入门经典「动手学深度学习」放进平台,免费供大家学习和实操,名曰:AmazonSageMakerStudioLab。
按介绍说法,该平台基于JupyterLab,提供免费GPU和CPU算力+15G永久存储功能,还与GitHub链接,支持主流机器学习工具组件和开源资源包使用,开发者可结合「动手学深度学习」教材自行训练模型、看结果。
而且,他们还号称申请只需一个邮箱,不要官方账号,更不用填什么信用卡。
真有这么好的事?
今天就带着大家一起亲测试试。
真能实操「动手学深度学习」案例?
通过链接studiolab.sagemaker.aws,我们即可登入web端平台,探探虚实。
哪能找到「动手学深度学习」?
从界面能看到,平台提供GPU/CPU算力选择,而且,可直接开启使用,确实无需付款。
右下角,我们就能看到那本DiveintoDeepLearning(缩写为D2L)。
直接点击OpenD2Lnotebooks可打开:
开启项目后,系统自动加载D2L资源,并存储在我们的云上文件夹中。
README文件也一并打开好了,在这里面,系统环境配置、全书概要、面向受众、目录框架一应俱全。文末还有每个章节链接,从中能直接进入。
到这,就可以通过平台结合课程内容与实操来学习深度学习了——
那么实操效果如何?
哪儿哪儿的代码,都能运行给你看
以经典中的经典的AlexNet部分为例,感受一下。
平台上,AlexNet沿袭发展、基础原理解释均呈现出来,模型的定义构建代码均可运行。
为保证初学者更好理解,还能构建单通道数据示例,观察AlexNet内部8个层的输出情况,目的嘛,在于帮我们直观了解不同层的作用:
最关键的是,训练模型环节也开放实操,选中代码部分运行即可。
不过该过程允许时间较长,我们在GPU选项下训练大约使用7分钟,慢慢等吧!
△眼看曲线缓缓慢慢画出来
值得一提的是,由于整个界面都能作为Notebook添加代码,记录学习思考——
因此,即便我们课程完成,还能在文末添加代码栏,对照着章节末尾习题,编程实现作业。
从数理基础到实操环境配置,都安排得明明白白
上面展示还只是一个小节。其实,从全连接层、卷积、池化等概念介绍,到ResNet、DenseNet讲解…在AmazonSageMakerStudioLab免费环境中均有呈现及实操,都安排得明明白白。
平台还贴心地考虑到我们的高数线性代数基础不一,不是每个人都过了90分,还把单变量微积分、最大似然等数理基础介绍和代码实现都给出来了,还附上环境配置方法,一副很靠谱的架势。
经过上面验证,这个AmazonSageMakerStudioLab确实可免费又完整地实操大神的「动手学深度学习」——
对希望入门乃至深度掌握AI/ML这门技术的人来说,这种理论+实践型的研习方式自然更为高效,日后切换到实际工作或科研甚至创业中,过渡也更为无缝。
事实上,它的能力还不仅这个水平。
一个面向开发者的免费平台
从名字上你也发现了,推出AmazonSageMakerStudioLab的幕后企业是亚马逊云科技。
这家前沿技术大厂此次推出免费平台,不只将「动手学深度学习」做成理论+实操练习场,更想面向数据科学家、企业开发者、高校师生——
提供一个免费低门槛入门机器学习的普惠机会。
其实在亚马逊云科技之前,业内已有多个开放机器学习平台——
那么,这回的AmazonSageMakerStudioLab,又有什么值得