Серия публикаций о выпуске бета-версии AIN Cloud (2/2)
Язык: английский / 한국어
- Что такое Open Resource и зачем он нужен?
- Испытайте открытый ресурс с бета-версией AIN Cloud (эта статья)
Руководствуясь нашим видением открытых ресурсов, мы здесь, в AI Network, упорно работали в течение последних нескольких месяцев и, наконец, с гордостью объявляем о выпуске нашей бета-версии сегодня. Эта бета-версия содержит минимальные функции для проверки правильности концепции. Мы продолжим работать над улучшением на основе ваших отзывов.
🖥 Бета-версия AIN Cloud оптимизирована для настольного браузера Chrome.
Доступ к AIN Cloud и членство
Сначала выберите меню AIN Cloud на домашней странице AI Network (ainetwork.ai) или введите cloud.ainetwork.ai в адресной строке браузера. Выберите Войти / Зарегистрироваться в правом верхнем углу экрана. Когда вы зарегистрируетесь, вы получите письмо с подтверждением адреса электронной почты на свой почтовый ящик. Если вы откроете это электронное письмо и выберете ссылку для аутентификации, вы получите 150 AIN в качестве бесплатных кредитов, которые вы можете использовать непосредственно в облаке AIN после завершения аутентификации.
Опыт открытых ресурсов
Теперь, когда вы входите в AIN Cloud, вы видите, что 150 бесплатных кредитов AIN были добавлены слева от вашего адреса электронной почты. Затем нажмите фиолетовую кнопку «Выполнить» под вашим адресом. Вскоре вы увидите экран, показанный ниже. Вы только что познакомились с открытыми ресурсами. Думаю, процесс оказался намного проще, чем вы ожидали.
(В настоящее время бета-версия не обрабатывает более одного запроса на запуск за раз, поэтому вам, возможно, придется подождать минуту, пока обрабатывается первый запрос)
Что только что произошло?
Процесс запуска из открытого исходного кода с последующим подключением к ресурсу (среде выполнения) является ядром открытого ресурса. Мы подготовили несколько примеров проектов с открытым исходным кодом, чтобы вы могли испытать этот процесс в облаке AIN. Для запуска этих образцов среда выполнения, предоставляемая Backend.AI, автоматически подключается, так что они могут быть выполнены немедленно, без подготовки какой-либо среды выполнения.
Наши образцы проектов включают в себя различные модели, имитирующие цифровой интеллект, созданный в результате машинного обучения определенных данных. Среди этих примеров проектов исходный код, который вы только что выбрали по умолчанию и запустили, нажав кнопку Выполнить, был создан для немедленного выполнения задачи с использованием набора данных SQuAD. Задача SQuAD предназначена для оценки производительности машинного обучения с использованием модели Google BERT, упомянутой в нашей предыдущей публикации.
SQuAD - это задача понимания, в которой агент ИИ должен извлечь текст, относящийся к заданному набору вопросов и абзацев. Подробное описание находится в области «Введение» в левой части экрана, но здесь я снова кратко объясню, какие результаты находятся в окне «Результат» и как использовать BERT AI с этим кодом.
В области результатов под красным текстом находятся пять пар вопросов и ответов. Эти ответы представляют собой ответы BERT на вопросы, которые были найдены путем просмотра приведенного ниже примера параграфа по химии. Ответ на второй вопрос - гелий, но все, кроме ответа «водород и гелий», правильно.
Кислород - это химический элемент с символом O и атомным номером 8. Он является членом группы халькогенов периодической таблицы Менделеева и представляет собой высокореактивный неметалл и окислитель, который легко образует соединения (особенно оксиды) с большинством элементов. По массе кислород является третьим по распространенности элементом во Вселенной после водорода и гелия. При стандартной температуре и давлении два атома элемента соединяются с образованием дикислорода, двухатомного газа без цвета и запаха с формулой O2. Двухатомный кислородный газ составляет 20,8% атмосферы Земли. Однако мониторинг уровня кислорода в атмосфере показывает глобальную тенденцию к снижению из-за сжигания ископаемого топлива. Кислород является самым распространенным элементом земной коры по массе в составе оксидных соединений, таких как диоксид кремния, составляя почти половину массы земной коры.
Ниже приведены три прогнозных ответа, которые, вероятно, будут правильными для каждой из этих пяти пар вопросов и ответов. Первый из них представлен выше как правильный ответ на каждый вопрос.
Вы также можете протестировать BERT AI с другими предложениями. Выберите вкладку «Код» в левой части экрана и прокрутите до строки 1042, чтобы изменить содержание и номер вопроса, или вставьте другой абзац в поле контекста, чтобы проверить новый ответ на запрос.
Что делать, если вы не использовали AIN Cloud?
Если пользователи хотят протестировать BERT напрямую, они должны пройти предварительное обучение перед проведением тонкой настройки. Тонкая настройка - это процесс точной настройки предварительно обученной модели, чтобы она была оптимизирована для выполнения задачи оценки производительности машинного обучения.
Google опубликовал исходный код и предварительно обученные модели (ссылка), поэтому вы можете загрузить и использовать их для точной настройки без предварительного обучения. Процесс кратко описывается следующим образом.
- Подготовьте аппаратную среду выполнения
. Вам понадобится компьютер с графическим процессором и более 12 ГБ доступной памяти. В настоящее время вам понадобится графический процессор NVIDIA Tesla K40 или лучше, который стоит около 1030 долларов США. - Подготовьте среду выполнения программного обеспечения
Затем установите драйвер NVIDIA GPU (ссылка) и Docker (ссылка). - Загрузите предварительно обученные модели и данные SQuAD
Загрузите нужные модели и данные по ссылке ниже.
- Предварительно обученная модель BERT (ссылка)
- SQuAD 1.1 (ссылка. Недавно была загружена версия 2.0) - Загрузите и запустите код BERT
После клонирования кода BERT из GitHub (ссылка) запустите run_squad.py и настройте модель. При правильной настройке вы сможете использовать образ Docker (например, tensorflow / tensorflow: 1.12.0-rc2-gpu) с установленной библиотекой Tensorflow. - Тонкая настройка
В процессе точной настройки модели вы столкнетесь со многими проблемами. По словам наших разработчиков, которые прошли весь этот процесс несколько раз, графический процессор регулярно перегревается и дает сбой в работе компьютера. Для решения этой проблемы нам потребовались дополнительные циркуляторы воздуха. Им также пришлось немного настроить параметры обучения, чтобы предотвратить ошибки превышения памяти.
На это ушло около двух дней. Если вы новичок в таких инструментах, как Docker, вам потребуется дополнительное время, чтобы научиться использовать эти инструменты.
С AIN Cloud у вас ушло две минуты от регистрации до запуска исходного кода? Даже без инженерных знаний или мощных высокопроизводительных графических процессоров эту сложную программу можно запустить от начала до конца всего за пару минут (официально поддерживается только настольный браузер Chrome).
Далее: AIN Cloud v1
С самого начала проекта мы разделяли амбициозное видение открытых ресурсов, которое в то же время было трудно полностью понять. Теперь мы, наконец, сделали наш первый шаг к реализации этого видения с четкими сценариями использования и продуктом. Мы надеемся, что вы разделяете наш энтузиазм в реализации этой мечты об открытых ресурсах.
Мы планируем выпустить версию 1.0 нашего продукта в первой половине этого года. В дополнение к образцу исходного кода версия 1.0 позволит пользователям напрямую связывать свой исходный код с ресурсом и будет поддерживать гораздо более широкий спектр проектов в среде открытых ресурсов.
Как вы могли заметить, облако AIN работает через блокчейн и криптовалюту под названием AIN. В настоящее время мы используем сеть Etherium и разрабатываем собственный блокчейн, чтобы лучше реализовать наше видение.
Бета-версия AIN Cloud: https://cloud.ainetwork.ai/
Домашняя страница: https://ainetwork.ai/
Электронная почта: [email protected]
Telegram: https://t.me/ainetwork_en
Facebook: https://www.facebook.com/AINETWORK0/
