【Maker玩AI】使用Google Colaboratory免费资源学AI
易心STEAM编程AI人工智能这几年作为科技界的热门话题被媒体宣传的如火如荼。在这种氛围之下，身为创客的我们怎能错过展现好点子落地的大好时机呢？接下来就为大家介绍如何取得及应用免费的AI实验场域资源「Google Colaboratory」。
Google免费GPU资源Colaboratory
大家都说要玩AI先得准备个很贵的高级显卡及服务器才能跑得动，对于想入门练练手的人实在有点花不下去，就像想学开车的人不会先买一台法拉利，而是先去教练场学到一定程度后，再考虑一下预算及需求后才会依用途去买合适的跑车、房车、货车、代步车甚至是二手车。
现在阮囊羞涩的各位有福了，Google旗下的实验计划Colaboratory （以下简写为Colab）提供了免费的NVIDIA K80等级GPU资源及虚拟机（Xeon 2．2GHz CPU＊2）供大家使用，其中整合了Linux （Ubuntu）环境、Python、Jupyter notebook及TensorFlow等常用套件包，并允许大家安装执行时所需套件包（如Keras、 OpenCV、PyTorch、MxNet、XGBoost等），只要有Google云端硬盘账号就可免费使用。
Google Colaboratory
当然不可避免地，这项免费资源并非毫无使用限制的，所提供的虚拟服务器，目前只提供至少50G储存空间和12GB（可用于训练约2GB）的内存，使用时间仅可连续12小时（包含安装软件套件包、数据下载到虚拟机及训练时间）。超过时间便会清掉使用中内容，有时还会因使用者过多造成连不上线或用到一半断线，并不适合用在太大的模型及数据集训练。
话虽如此，整体来说还是很方便家中没有Linux ＋ Python环境或计算机（笔电）CPU等级太低或没有独立显卡的人及想学习人工智能的新手练习使用。
何谓影像二元分类
在知名HBO影集「硅谷群瞎传」第四季的第四集当中有个有趣的桥段，华人杨靖发明一款可拍照后辨识食物类型的APP叫「See Food」，展示时第一次拍热狗成功辨识，众人欢呼开始想象满桌子的食物若都能辨识出来的话，这款APP肯定大卖。接着再拍了披萨后众人等着APP回答「披萨」，可是APP却回答「不是热狗（Not Hotdog）」，众人瞬间傻眼，「这只能辨识热狗吗？」杨靖回答：「是」，众人大失所望、一哄而散。
然而，故事还没完呢！竟有一家创投看上这个APP，要他改成侦测色情图片中男生的小丁丁，这就是标准的「失之东隅，收之桑榆」。
虽然上面桥段的「Not Hotdog」只是虚构剧情，但现实中还真的人有把它实现出来，有兴趣的人可到Apple APP Store下载Not Hotdog 。从上面故事中我们可得知影像分类的重要性，虽然影像二元分类（是或不是）的用途较窄些，但若能大量（数千到数百万张）标注影像的分类，经过训练后可令影像精准地分类，那就有可能产生一些独特的商机。
Not Hotdog APP屏幕撷图
用Colab实现影像二元分类
为了让大家能快速上手，在此整理了一段完整的代码并有详尽的原理解说及批注，只要依着下列步骤就可快速建构出一个二元分类的影像分类系统，当然也包括如何用自定义的数据集进行训练及推论。代码主要包括以下四个主要步骤，另外还有更进一步的细节说明，如下所示。
1． 取得及建构训练数据（TrainingDataset）
下载数据集
数据集解压缩
检视数据集
自定义数据集及挂载
2． 建构一小型深度学习模型（TrainingModel）
卷积网络模型
输入图像尺寸正规化
模型架构及训练参数说明
模型配置及训练优化设定
数据预处理
3． 训练及验证模型准确度（ValidationAccuracy）
训练及验证模型
评估模型的准确性和损失
4． 应用深度学习训练成果进行推论（Inference）
推论
可视化表示
了解了相范例的学习目标后，可以至https：／／goo．gl／SqigfE下载image＿classification．ipynb 到您的Google云端硬盘，双击后选择以「Colaboratory」开启，就可以开始享受Colab提供的免费GPU运算信息。执行时，请按【Shift＋Enter】进行单步执行并自动跳至下一行；若想一次全部运行本范例所有代码，可按【Ctrl＋F9】。接下来就简单为大家介绍主要步骤的工作内容。
1 2 下一页>
