論 AI 圈活菩薩，非李沐老師莫屬。
前有編寫「動手學(xué)深度學(xué)習(xí)」，成就圈內(nèi)入門經(jīng)典，后又在B站免費講斯坦福 AI 課，一則艱深硬核講論文的視頻播放量36萬，不少課題組從導(dǎo)師到見習(xí)本科生都在追番。
如此給勁的分享，難怪不少人驕傲自稱「已拜在老師門下」——
而最近，我發(fā)現(xiàn)有平臺干了個更給勁的事。
這個平臺無償提供算力不說，還將入門經(jīng)典「動手學(xué)深度學(xué)習(xí)」放進(jìn)平臺，免費供大家學(xué)習(xí)和實操，名曰：Amazon SageMaker Studio Lab 。
按介紹說法，該平臺基于 JupyterLab，提供免費 GPU 和 CPU 算力+15G永久存儲功能，還與 GitHub 鏈接，支持主流機器學(xué)習(xí)工具組件和開源資源包使用，開發(fā)者可結(jié)合「動手學(xué)深度學(xué)習(xí)」教材自行訓(xùn)練模型、看結(jié)果。
而且，他們還號稱申請只需一個郵箱，不要官方賬號，更不用填什么信用卡。
真有這么好的事？
今天就帶著大家一起親測試試。
1.真能實操「動手學(xué)深度學(xué)習(xí)」案例？
通過鏈接 studiolab.sagemaker.aws ，我們即可登入 web 端平臺，探探虛實。
哪能找到「動手學(xué)深度學(xué)習(xí)」？
從界面能看到，平臺提供 GPU/CPU 算力選擇，而且，可直接開啟使用，確實無需付款。
右下角，我們就能看到那本 Dive into Deep Learning (縮寫為 D2L )。
直接點擊 Open D2L notebooks 可打開：
開啟項目后，系統(tǒng)自動加載D2L資源，并存儲在我們的云上文件夾中。
README 文件也一并打開好了，在這里面，系統(tǒng)環(huán)境配置、全書概要、面向受眾、目錄框架一應(yīng)俱全。文末還有每個章節(jié)鏈接，從中能直接進(jìn)入。
到這，就可以通過平臺結(jié)合課程內(nèi)容與實操來學(xué)習(xí)深度學(xué)習(xí)了——
那么實操效果如何？
哪兒哪兒的代碼，都能運行給你看
以經(jīng)典中的經(jīng)典的 AlexNet 部分為例，感受一下。
平臺上，AlexNet 沿襲發(fā)展、基礎(chǔ)原理解釋均呈現(xiàn)出來，模型的定義構(gòu)建代碼均可運行。
為保證初學(xué)者更好理解，還能構(gòu)建單通道數(shù)據(jù)示例，觀察 AlexNet 內(nèi)部8個層的輸出情況，目的嘛，在于幫我們直觀了解不同層的作用：
最關(guān)鍵的是，訓(xùn)練模型環(huán)節(jié)也開放實操，選中代碼部分運行即可。
不過該過程允許時間較長，我們在 GPU 選項下訓(xùn)練大約使用7分鐘，慢慢等吧！
△眼看曲線緩緩慢慢畫出來
值得一提的是，由于整個界面都能作為 Notebook 添加代碼，記錄學(xué)習(xí)思考——
因此，即便我們課程完成，還能在文末添加代碼欄，對照著章節(jié)末尾習(xí)題，編程實現(xiàn)作業(yè)。
從數(shù)理基礎(chǔ)到實操環(huán)境配置，都安排得明明白白
上面展示還只是一個小節(jié)。其實，從全連接層、卷積、池化等概念介紹，到 ResNet、DenseNet 講解…在 Amazon SageMaker Studio Lab 免費環(huán)境中均有呈現(xiàn)及實操，都安排得明明白白。
平臺還貼心地考慮到我們的高數(shù)線性代數(shù)基礎(chǔ)不一，不是每個人都過了90分，還把單變量微積分、最大似然等數(shù)理基礎(chǔ)介紹和代碼實現(xiàn)都給出來了，還附上環(huán)境配置方法，一副很靠譜的架勢。
經(jīng)過上面驗證，這個 Amazon SageMaker Studio Lab 確實可免費又完整地實操大神的「動手學(xué)深度學(xué)習(xí)」——
對希望入門乃至深度掌握 AI/ML 這門技術(shù)的人來說，這種理論+實踐型的研習(xí)方式自然更為高效，日后切換到實際工作或科研甚至創(chuàng)業(yè)中，過渡也更為無縫。
事實上，它的能力還不僅這個水平。
2.一個面向開發(fā)者的免費平臺
從名字上你也發(fā)現(xiàn)了，推出 Amazon SageMaker Studio Lab 的幕后企業(yè)是亞馬遜云科技。
這家前沿技術(shù)大廠此次推出免費平臺，不只將「動手學(xué)深度學(xué)習(xí)」做成理論+實操練習(xí)場，更想面向數(shù)據(jù)科學(xué)家、企業(yè)開發(fā)者、高校師生——
提供一個免費低門檻入門機器學(xué)習(xí)的普惠機會。
其實在亞馬遜云科技之前，業(yè)內(nèi)已有多個開放機器學(xué)習(xí)平臺——
那么，這回的 Amazon SageMaker Studio Lab ，又有什么值得關(guān)注的新亮點？
我們一起先從配置看起。
平臺提供15G以上永久存儲，16G內(nèi)存，4個 CPU ，GPU 為英偉達(dá) Tesla T4 ，比目前其他主流平臺稍高。
由于使用了較新架構(gòu)的英偉達(dá) Tesla T4 ，其混合精度運算速度指標(biāo)相應(yīng)也更高，此外，免費版與 SageMaker Studio 使用相同架構(gòu)，相當(dāng)于疊加一層企業(yè)級 Buff ，穩(wěn)定性更有保障。
值得我們注意的是，平臺宣傳的是4小時 GPU+12小時 CPU ，但實際上，我們到時間后仍可再次開啟 Runtime ，原來的文件依然存在。
不過如果你想挖幣，還是算了…
平臺明令禁止使用 SageMaker Studio Lab 進(jìn)行生產(chǎn)行為，挖掘加密貨幣查到直接封號。
說完配置，再看下實操。
從操作性上來說， Amazon SageMaker Studio Lab 相比其他平臺更簡潔直觀。
界面不僅僅能建立 Jupyter Notebook 文件，還支持我們直接新建 Terminal 標(biāo)簽頁、 Markdown 格式文件。
此外，這個平臺配置有 Conda 和 Pip 資源包管理器，避免我們重復(fù)安裝開源軟件包，省事省心。
拉取 GitHub 項目甚至無需使用命令行，點擊左側(cè)按鈕即可。
若克隆項目中有 yml 環(huán)境配置文件，在建立項目同時，也會同步建立好 Conda 環(huán)境。
平臺還與 Github 關(guān)聯(lián)。
在我們自己的 Github 項目 README 文檔中加入以下內(nèi)容：
[![Open In Studio Lab]
(https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/org/repo/blob/master/path/to/notebook.ipynb)
即可加入「 Open in Studio Lab 」按鈕——
他人只需一鍵，即可接入 Amazon SageMaker Studio Lab 平臺。
當(dāng)然，我們也可以通過手動上傳或拷貝的方式新建 ipynb 。
以經(jīng)典的圖像分類算法舉例。
從其他平臺拷貝一份 ipynb 文件后，無需修改即可使用，最多也就是手動安裝依賴項。
實測訓(xùn)練模型的速度與其他平臺基本相同，有時，甚至稍快。
最后，得看看很多人關(guān)心的數(shù)據(jù)安全問題。
我們做機器學(xué)習(xí)，經(jīng)常拿著大量人臉隱私信息，甚至是尚未脫敏的醫(yī)院病患信息，為保護(hù)他人隱私和數(shù)據(jù)安全，還得看看這方面情況。
Amazon SageMaker Studio Lab 脫胎于企業(yè)級應(yīng)用，承諾每個人數(shù)據(jù)均通過加密保護(hù)，且如果刪除賬戶，所有相關(guān)數(shù)據(jù)也均相應(yīng)刪除，平臺方承諾，不做保留。
目前，已有很多名校名企用上了 Amazon SageMaker Studio Lab ，并為其站臺背書。
這里面，有 ENIAC 誕生地的賓夕法尼亞大學(xué)工程學(xué)院，也有美國加州圣克拉拉大學(xué)金融系，還有 Hugging Face 。
國內(nèi)關(guān)注者也不少。
南方某985理工院校機器學(xué)習(xí)領(lǐng)域博士生表示，他們課題組方向雖然是傳統(tǒng)機器學(xué)習(xí)，但仍需深度學(xué)習(xí)方式輔助驗證。
由于實驗室的計算設(shè)備好幾年前購入的，隨著人員與研究方向的增加，特別是在投稿前夕，計算資源的爭搶情況很普遍。Amazon SageMaker Studio Lab 對他們來說，的確有吸引力。
說完該免費平臺的種種優(yōu)點，下個問題就是：怎么申請？
這里展開講講。
無需亞馬遜云科技賬號，登陸官方鏈接：
studiolab.sagemaker.aws/requestAccount ，填寫郵箱及相關(guān)信息即可。
不過，為保證大家早日通過申請用起來，有些 Tips ，希望大家留意：
建議語言用英文，填寫清楚相關(guān)機構(gòu)名稱，所留郵箱后綴與所在機構(gòu)英文名匹配，這樣的申請更可信靠譜。
滿足上述條件，親測24小時內(nèi)就能獲得邀請，注意查收郵箱。
3.無縫遷移的進(jìn)階版
前面已經(jīng)提到了， Amazon SageMaker Studio Lab 與專業(yè)版 Amazon SageMaker Studio 為同一架構(gòu)，所以，如果想從初學(xué)免費版遷移專業(yè)版，肯定不是大事兒。
對專業(yè)開發(fā)者來說，這當(dāng)然提供更多進(jìn)階科研及創(chuàng)業(yè)的可能。
更具體看，專業(yè)版 Amazon SageMaker Studio 從頭到尾已經(jīng)提供給開發(fā)者一套相當(dāng)全面的功能：
比如提供大規(guī)模分布式訓(xùn)練，面向我們生產(chǎn)性的大模型訓(xùn)練需求。使用分區(qū)算法，在 GPU 實例中自動拆分大模型和數(shù)據(jù)集，提升并行度加快訓(xùn)練速度。
比如數(shù)據(jù)標(biāo)注功能 Ground Truth Plus ，拉上了人類專家，結(jié)合機器學(xué)習(xí)輔助預(yù)標(biāo)記，大幅降低標(biāo)注錯誤，提升標(biāo)注速率。
再比如 Amazon SageMaker Data Wrangler ，該功能面向機器學(xué)習(xí)中的數(shù)據(jù)準(zhǔn)備階段，可通過可視化界面進(jìn)行數(shù)據(jù)選擇、清理、探查。只需一鍵導(dǎo)入，無需代碼即可快速標(biāo)準(zhǔn)化、轉(zhuǎn)換大批量、結(jié)構(gòu)五花八門的數(shù)據(jù)。「四大」之一的德勤就采用了該項功能，原本幾個月才能完成的數(shù)據(jù)準(zhǔn)備，現(xiàn)在壓縮到幾天完成。
此外，Amazon SageMaker Studio 還包括訪問權(quán)限控制管理、模型監(jiān)控、無服務(wù)器推理功能、推理配置推薦…直至全周期的工業(yè)化 AI/ML 服務(wù)，都給包圓了。
上述種種，不少是今年亞馬遜云科技 re:Invent 2021 新推出的功能，很大程度展示出這家企業(yè)對需求的理解和技術(shù)的前瞻性——
對專業(yè)開發(fā)者、數(shù)據(jù)科學(xué)家，不管是研究，還是創(chuàng)業(yè)，這些功能均提供了更多可能性。
更有意思的是，亞馬遜云科技著眼點似乎并不止于經(jīng)營業(yè)務(wù)，還有很多「不掙錢」的普惠性活動提供給我們。
機器學(xué)習(xí)馬拉松項目就是一個體現(xiàn)。
該活動一年好幾場，平臺一方會在AI相關(guān)領(lǐng)域應(yīng)用中拿出試題，涵蓋 AI 自動化編程、對災(zāi)害進(jìn)行預(yù)防或定損等等方面。
活動將會測試挑戰(zhàn)者 CV 、NLP 等方面技能高低，這期間，相關(guān)平臺、資源也由平臺方提供。優(yōu)勝者會得到最高5萬美元的獎品。
像這種面向?qū)嶋H需求，又將技術(shù)普惠開發(fā)者的活動還有很多，而且，各有好玩之處或社會價值。
有0門檻即可入門機器學(xué)習(xí)的自動駕駛競速賽 Amazon DeepRacer ，關(guān)注者數(shù)百萬，參與開發(fā)者已有14萬；
也有活動跟非盈利性組織 Girls in Tech 合作，幫助更多女性了解并上手機器學(xué)習(xí)，消除科技圈的性別差距；
還有最新推出，在圈內(nèi)引發(fā)高度關(guān)注的 Amazon SageMaker Canvans ，面向0代碼經(jīng)驗的企業(yè)內(nèi)部分析師、運營者，幫他們在實際業(yè)務(wù)中應(yīng)用到機器學(xué)習(xí)這門技術(shù)。
4.技術(shù)大廠退居幕后
最后，如何評價亞馬遜云科技的 SageMaker Studio Lab ？
經(jīng)營角度看，這些做法對未來自家生態(tài)構(gòu)建當(dāng)然有利，是頭部企業(yè)保持身位的必要動作。此外，大批企業(yè)動輒年薪50萬招相關(guān)從業(yè)者，對很多開發(fā)者也是好事。
畢竟，人工智能短缺肉眼可見，大部分開發(fā)者有豐富編程經(jīng)驗和數(shù)理基礎(chǔ)，唯一擋板就是：不熟悉機器學(xué)習(xí)。補上這塊就喝湯，何樂不為？
不過，從行業(yè)維度看，上述動作也確實在推動前沿技術(shù)落地——
不過這里的推動，不在于更快，而在于更廣。
要知道，一百年前汽車剛發(fā)明，只有機械專家才能成為車主，以至于當(dāng)時社會，司機都是一個手握前沿技術(shù)的職業(yè)。
也要知道，三十年前，PC 和互聯(lián)網(wǎng)只是少部分開發(fā)者的玩具，以至于開發(fā)網(wǎng)站都能讓人迅速暴富，積累起萬丈高樓一樣高的資產(chǎn)。
所以，百年前的人無法理解一個人人可開車的社會，所以，30年前的人們也很難想象自己可以動動手指擁有屬于自己的互聯(lián)網(wǎng)平臺。
今天放在機器學(xué)習(xí)上也一樣。即便是最前沿的科技界大師，也只能窺見AI落地版圖的小部分狀貌。只有一再降維，這項技術(shù)才能走進(jìn)千行百業(yè)場景，在不同背景不同經(jīng)歷的人手里才會產(chǎn)生不同頻率的回響——
這既是亞馬遜云科技普惠布局的價值體現(xiàn)，也是李沐老師等大拿的公心所在。
那么，將來 AI 技術(shù)還能釋放多大能量？
答案還得從每位個體開發(fā)者、每個場景裂隙里，去尋找。
