[Day 30] Google AI & ML Products 系列總結

這系列文章出自於一個無窮無盡的bug的解題時間,想不到如何解bug、又想不出要寫什麼主題,參考完大家的方向以後,我發現這類型的文章很少、又很實用,才下定決心透過鐵人賽推廣 Google AI & ML Products

在這次的挑戰裡,給了自己三個目標:

  1. 更熟悉docker
  2. 開始玩Golang
  3. 入門大部分的Google AI & ML Products
    但也因為Google AI & ML Products太多了,所以把它分了很多子系列進行,現在再來回顧一下這次的內容。

前面先來個提醒,如果過程中你們有Deploy model做Online predict的,如果測完一定要記得刪掉,不然你deploy的model就會一直被收費喔。

Read More  

[Day 29] Google AI Hub - 2

今天要來玩的是AI Hub裡面的Reusing a pipeline component,對Python超不熟的我弄了超久。

這邊會需要run起tensorflow的docker
docker pull tensorflow/tensorflow:latest-py3-jupyter
docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 --name jupyter tensorflow/tensorflow:latest-py3-jupyter

Read More  

[Day 28] Google AI Hub - 1

話說照第一天的規劃,今天本來要寫Recommendation AI,不過我測了很久始終無法使用Recommendation AI、無法Enable它,所以只好就此作罷。

AI Hub

今天找其他的玩具來玩,翻到了AI Hub,Hub會讓人直接連想到集線器,AI Hub就是把很多AI、ML集中在一起的平台,你可以在上面使用大家的AI model,也可以分享自己的AI上去給大家用。

我今天會來介紹其中幾個內容:servicenotebooktensorflow module,入門一下AI Hub。

Read More  

[Day 26] Google AutoML Table - 1

因為篇幅關係,昨天的Dialogflow沒有寫到最終章,就要先跳來AutoML Table了。

來點簡介再開始

AutoML Table是一種supervised learning,並透過表格資料訓練模型。用表格中的target欄位進行預測,還有一些用來學習的features特徵欄位。而在訓練之前我們該做的是:蒐集、準備資料、訓練、評估、測試、最後是預測。

當然還有更詳細的介紹都在這裡:https://cloud.google.com/automl-tables/docs/beginners-guide?authuser=1

Read More  

[Day 24] Google Dialogflow - 1

今天要介紹新的服務:Dialogflow。這部分說明文件繞來繞去,最後導到新的網址:https://cloud.google.com/dialogflow/docs/how

這邊比較可惜是沒有簡易的測試可以玩,我們就先透過UI建立一個agent,建立一個簡單的Dialogflow流程體驗一下。

快來這邊體驗Dialogflow的UI吧:https://dialogflow.cloud.google.com/#/getStarted

建立Agent:https://dialogflow.cloud.google.com/#/newAgent

選擇中文並選擇project以後,按下建立就可以建立一個新的dialogflow。
create agent

Read More  

[Day 23] Google Cloud Speech-to-Text - 子系列最終章

因為這邊沒有AutoML的關係,所以今天是Speech-to-Text的最後一篇。

在doc文件裡的這篇是介紹如何使用Mic直接stream翻譯成文字,但我docker環境沒特別access host的mic,所以沒有測試這段。

中文Speech-to-Text

仔細測了一下,昨天的範例無法直接串接中文語音轉文字,原來是因為昨天使用的版本是v1,但中文相關的分析必須使用v1p1beta1,另一個原因是之前的檔案try.m4a一直測試都無法讀取,我把他轉為try.mp3以後,才可以順利解析。

Read More