机器学习项目完整搭建流程及任务清单曝光

甲：听说咱们IT界又出了一个新词，叫什么“云原生”?Cloud native?

乙：这都2020年了，还新词?早在2013年人家Pivotal就用这个词开始忽悠了。

甲：那啥是云原生呢?

乙：云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API......

甲：打住打住， 您能说点儿人话吗?

乙：那是人家CNCF权威的官方定义，你听不懂只能说明你的水平太次。

甲：好好，我水平很次，您倒给解释解释，究竟啥是云原生?

乙：用大白话来说，云原生就是把你的应用程序设计成在云端执行，充分利用云计算的好处。

甲：嗯，我们家的应用在一个机房里运行，用了好几个服务器，一个做负载均衡，三个应用服务器，还有两个数据库服务器，按你的说法，我把他们迁移到云端环境，申请几个虚拟机，那就是云原生了吧?

乙：不不不，你这么做，和在机房里运行差不多 ，无非是把物理机换成虚拟机而已，你忘了后半句：充分利用云计算平台的优势。


 

其中最重要的是“协作”部分，即通过开放(也是实质意义上的开源)平台、渠道社区实现AI与ML数据集、处理引擎乃至其他深度学习工具的共享能力。业界目前普遍相信，这才是生产力更高、且更加自然的机器学习实现方式。

Databricks的MLflow项目已经拥有两年发展历史，期间有200多位贡献者参与其中。而将其交由Linux基金会打理将保证项目本身形成一条独立于任何特定厂商之外的发展路线，同时选择一套开放的治理模型以扩大成果采用与社群贡献。

Databricks方面解释道，他们当年创建MLflow的初衷在于解决机器学习模型开发流程中“固有的复杂性因素”。相信有从业经历的朋友都能感受到，这样一个涉及机器模型构建、训练、调优、部署与管理的流程确实相当令人头痛。

Linux基金会战略计划副总裁Michael Dolan表示：“社区参与度的稳定增长表明，数据团队必须致力于构建起未来的机器学习平台。采用率的提升也意味着，我们必须采用开源方法以实现机器学习生命周期的标准化。我们与世界上多个优秀开源项目保持着合作关系，相关经验也让我们意识到，开放治理模型确实可以通过广泛的行业贡献与共识加快技术成果的创新与采用速度。”

推动数字智能的普及

从某种程度上看，通过开源代码开发还可以有力推动数字智能的普及。2020年6月，Abbyy发布了NeoML开源代码库，专门用于构建、训练及部署机器学习模型。这家在硅谷、俄罗斯、欧洲以及远东地区皆有业务体系的厂商向来专业文档捕捉与管理业务，但在最近的经营范围扩展之后，他们开始为企业客户提供数字智能技术方案。

NeoML的源代码已经可以通过GitHub轻松获取，其同时支持深度学习与传统机器学习算法。作为一套跨平台框架，它能够针对云环境、台式机以及移动设备之上运行的各类应用程序实现智能优化。


 

（编辑：信阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!