DeepDetect――機器學(xué)習(xí)框架的API統(tǒng)一
加入技術(shù)交流群
DeepDetect ，一個專為深度學(xué)習(xí)的開源API和服務(wù)。 DeepDetect的API 簡單直觀、易用、通用和易擴展。
本文引用地址：http://butianyuan.cn/article/201610/307675.htm在其他貢獻(xiàn)者的幫助下，他集成了 Caffe ， XGBoost 和 Tensorflow (很快將完成)，并且未對原服務(wù)或者API修改。
XGBoost梯度提升法樹是深度模型常用的算法。Tensorflow支持分布式訓(xùn)練模型和數(shù)據(jù)，并且能很好的支持LSTM和RNNs神經(jīng)網(wǎng)絡(luò)算法。Caffe擅長處理圖像和文本數(shù)據(jù)。DeepDetect讓你在這些深度學(xué)習(xí)框架間自由轉(zhuǎn)換。
下面將介紹實現(xiàn)通用深度學(xué)習(xí)API的主要原則。同時也期待大家貢獻(xiàn)出一些想法和評價來提高DeepDetect。
創(chuàng)業(yè)公司期待構(gòu)建一個可認(rèn)證的深度學(xué)習(xí)的SaaS API，可擴展，并能快速市場化、產(chǎn)品化;
企業(yè)期待與已有系統(tǒng)可以無縫銜接，剛開始數(shù)據(jù)流比較慢，后續(xù)模型需要隨著數(shù)據(jù)的增加而進(jìn)行優(yōu)化。并且對應(yīng)的技術(shù)可以復(fù)制到其他項目中或者部門。
符合上述兩個要求的開源項目有搜索引擎 Elasticsearch ，可擴展搜索引擎，清晰的REST風(fēng)格API和完全JSON化的輸入/輸出數(shù)據(jù)結(jié)構(gòu)。
那深度學(xué)習(xí)API集成服務(wù)該怎樣實現(xiàn)呢?下面給出幾點：
無需重寫：深度學(xué)習(xí)(機器學(xué)習(xí))就像密碼學(xué)，只需生成一次。無需重寫對存在多種深度學(xué)習(xí)庫是非要重要的;
無縫轉(zhuǎn)換：開發(fā)和產(chǎn)品發(fā)布具有相同的環(huán)境會加快測試和發(fā)布周期，避免出現(xiàn)bug;
簡化命令行：簡單、人性化的輸入/輸出格式，比如JSON格式。簡單即是王道;
產(chǎn)品化：專業(yè)的機器學(xué)習(xí)服務(wù)生命周期更期待在數(shù)據(jù)預(yù)測，而不是訓(xùn)練模型。
如果有一種通用機器學(xué)習(xí)服務(wù)能融合以上的點，簡單且強悍的API，它將會同時滿足開發(fā)人員和企業(yè)訴求，并且在開發(fā)和產(chǎn)品之間無縫切換。它將會采用JSON數(shù)據(jù)格式，用單一框架和API統(tǒng)一其他深度學(xué)習(xí)和機器學(xué)習(xí)開發(fā)庫，并隱藏各代碼間的內(nèi)部復(fù)雜性。
DeepDetect機器學(xué)習(xí)API核心部分是資源和數(shù)據(jù)輸入/輸出格式。資源過去是指服務(wù)器資源，而不是指機器學(xué)習(xí)服務(wù)。此種設(shè)計的原因是GPU和內(nèi)存在POST機器學(xué)習(xí)服務(wù)作業(yè)時是緊缺資源。讓他們看看有哪些核心資源：
服務(wù)器信息：通過GET目錄/info獲取服務(wù)器信息;
機器學(xué)習(xí)服務(wù)管理：通過PUT(創(chuàng)建一個機器學(xué)習(xí)服務(wù))、GET(獲得一個機器學(xué)習(xí)服務(wù)狀態(tài))和POST(更新一個機器學(xué)習(xí)服務(wù))目錄/services進(jìn)行機器學(xué)習(xí)服務(wù)的管理;
模型訓(xùn)練：通過POST(創(chuàng)建一個新的訓(xùn)練作業(yè))、GET(獲取一個訓(xùn)練作業(yè)的狀態(tài))和DELETE(取消一個訓(xùn)練作業(yè))目錄/train進(jìn)行模型訓(xùn)練;
數(shù)據(jù)預(yù)測：通過POST(發(fā)送數(shù)據(jù)到服務(wù))目錄/predict進(jìn)行數(shù)據(jù)預(yù)測。
所以服務(wù)包括機器學(xué)習(xí)服務(wù)、模型訓(xùn)練和數(shù)據(jù)預(yù)測，這些服務(wù)資源是統(tǒng)計模型上兩種主要操作。在這個階段監(jiān)督學(xué)習(xí)服務(wù)和無監(jiān)督學(xué)習(xí)服務(wù)沒什么區(qū)別。
機器學(xué)習(xí)的主要參數(shù)是輸入或預(yù)處理、統(tǒng)計學(xué)習(xí)和最終輸出，映入腦海里的是：input，mllib和output三種。mllib指定支持的機器學(xué)習(xí)庫，input和output不寫自明。下面是一個例子，創(chuàng)建一個圖像分類的服務(wù)：
PUT /services/imageserv
{
“description”: “image classification service”,
“mllib”: “caffe”,
“model”: {
“repository”: “/path/to/models/imgnet”,
“templates”: “../templates/caffe/”
},
“parameters”: {
“input”: {
“connector”: “image”
},
“mllib”: {
“nclasses”: 1000,
“template”: “googlenet”
},
“output”: {
}
},
“type”: “supervised”
}
參數(shù)一般包括input，mllib和output，監(jiān)督學(xué)習(xí)服務(wù)和無監(jiān)督學(xué)習(xí)服務(wù)通過調(diào)整輸出connector設(shè)置。input connector處理輸入格式，支持CSV、libsvm和text等格式，包括圖像和特征。mllib部件指定的是服務(wù)創(chuàng)建、訓(xùn)練和預(yù)測模型的機器學(xué)習(xí)庫，非常方便的引用各機器學(xué)習(xí)庫的參數(shù)，并且保留了參數(shù)標(biāo)志。
下面給出一個CSV格式的input connector例子：
“input”: {
“id”: “Id”,
“label”: “Cover”,
“separator”: “,”,
“shuffle”: true,
“test_split”: 0.1
}
下面是一個典型訓(xùn)練模型的output connector：
“output”: {
“measure”: [
“acc”,
“mcll”,
“f1”
]
}
接下來給出一個復(fù)雜點的輸出，Mustache格式的輸出模版(標(biāo)準(zhǔn)化的JSON格式可以轉(zhuǎn)化成任意其他的格式)：
{
“network”: {
“http_method”: “POST”,
“url”: “http://localhost:9200/images/img
},
“template”: “{ {{#body}}{{#predictions}} ”uri”:”{{uri}}”,
”categories”: [ {{#classes}} { ”category”:”{{cat}}”,”score”:
{{prob}} } {{^last}},{{/last}}{{/classes}} ] {{/predictions}}
{{/body}} }”
}
上述模版可以使監(jiān)督學(xué)習(xí)分類結(jié)果直接輸入Elasticsearch并生成索引，詳情見http://www.deepdetect.com/tutorials/es-image-classifier 。注意到network對象，其POST到輸出服務(wù)器，這個對象也可以用在input connector連接遠(yuǎn)程輸入源。
上面的模版是一個典型的DeepDetect服務(wù)器監(jiān)督分類JSON輸出：
“body”: {
“predictions”: {
“classes”: [
{
“cat”: “n03868863 oxygen mask”,
“prob”: 0.24278657138347626
},
],
“loss”: 0.0,
“uri”: “http://i.ytimg.com/vi/0vxOhd4qlnA/maxresdefault.jpg”
}
上述的例子在集成到已存項目管道是不需要“膠水”代碼，這很好的滿足了許多企業(yè)的需求。
下面快速瀏覽下mllib組件，包括Caffe和XGBoost：
// Caffe
“mllib”:{
gpu:true,
net:{
batch_size:128
},
solver: {
test_interval:1000,
iterations:16000,
base_lr:0.01,
solver_type:SGD
}
}
// XGBoost
mllib: {
iterations: 100,
objective: multi:softprob
}
對于Caffe的例子，服務(wù)器使用了GPU，其他參數(shù)包括solver和learning rate等。對于XGBoost例子，參數(shù)iterations和objective被設(shè)置。
接下來重要的部分是數(shù)據(jù)預(yù)測，觀察機器學(xué)習(xí)服務(wù)生命周期重要的是基于數(shù)據(jù)進(jìn)行預(yù)測：
curl -X POST 'http://localhost:8080/predict' -d
'{service:covert,parameters:{input:
{id:Id,”separator”:,}},data:[test.csv]}'
這里mllib部分省略掉了，有時在深度網(wǎng)絡(luò)中抽取特征時mllib是有用的。在非監(jiān)督學(xué)習(xí)中是相似的，輸出是一個張量，而不是一個類或者回歸對象：
mllib:{extract_layer:pool5/7x7_s1}
最后總結(jié)，這歌機器學(xué)習(xí)API的核心點：
可讀性：所有的數(shù)據(jù)結(jié)構(gòu)是簡單、人性化的;
通用性：監(jiān)督學(xué)習(xí)服務(wù)和無監(jiān)督學(xué)習(xí)服務(wù)的通用API;
REST風(fēng)格和可編程的API：這個API通過網(wǎng)絡(luò)獲取，但保留C++原有標(biāo)志;
“虛構(gòu)”性;能夠很容易的學(xué)習(xí)增加的特征和資源，比如，為多個預(yù)測實現(xiàn)服務(wù)鏈。
評論