学习使用Deep Learning Studio

Deep Learning Studio是自2017年1月以来第一个强健的深度学习平台，有云计算和桌面计算两个版本，该平台拥有可视化界面。该平台提供了数据提取，模型开发，训练，配置和管理等全面解决方案。Deep Learning Studio由Deep Cognition开发，这是一家人工智能软件公司，它简化了开发和配置人工智能的过程。AI工程师，数据科学家和全球的研究人员免费使用AI软件平台Deep Learning Studio。通过使用Deep Learning Studio，从开发人员到工程师或研究人员，任何人都可以通过与TensorFlow，MXNet和Keras的强大集成获得快速开发和配置深度学习解决方案的能力。

测试修改后发表时间是否会发生变化

2021年7月21日18:14修改

以下内容摘录自https://blog.csdn.net/starzhou/article/details/78930426

如果你已经有一个帐户，你就只需要进入http://deepcognition.ai网页，然后点击启动云应用程序。

然后，你进入到用户界面，以及可以选择一些示例项目：

现在要做的是创建一个新的项目：

接下来的页面，您可以选择训练集-验证集-测试集的比率，加载数据集或使用已上传的数据集，指定数据的类型等等。

"模型"选项卡可以让您使用很多先进的深度学习功能以及不同类型的神经网络层来创建自己的模型，但是为了让Deep Cognition能处理所有的建模，我们将使用AutoML功能：

我们选择了Image，因为这是我们正要试图预测的数据类型。

在您点击"设计"之后，您就拥有了您的第一个深度学习模型，在此基础上可以进一步来自定义和分析：

模型看起来像这样：

所以，你可以看到在这个非常棒的平台下，深度学习所有复杂的建模过程和编程代码得到了显著的简化。

你也可以在平台内的Jupyter Notevook中进行编程，其中已经预安装了所有必要的程序软件：

配置神经网络非常困难的主要原因在于神经网络中有很多超参数需要设置。与任何其他机器学习算法相比，超参数的调参过程是神经网络中是最难的一部分。

但是在Deep Cognition中，调参可以非常简单且非常灵活的实现。在”超参数“选项卡中，您可以在几个Loss函数和优化器中进行选择来调整参数。

接下来是很有趣的一部分：训练模型。 在“训练”选项卡中，您可以从不同类型的实例（包括CPU和GPU）中进行选择。 它也将帮助您监控您的整个训练过程，并为您创建一个损失和准确率的图：