1，前言
伴隨人工智能和深度學習的應用越來越普及，越來越多的開發人員開始投入到智能算法的編程中。由於算法成熟且公開，軟件編碼這一塊不存在難度；但模型訓練和預測所需的時間與硬件設備的配置有極大關系，很多開發人員並不具備GPU計算能力，如此只能在cpu上計算將耗費太多時間，對於模型調試和實際應用產生實質性阻礙。
好在大公司已經將其軟硬件能力提供為PAAS、SAAS服務，讓普通用戶能使用其超強計算平台進行大數據計算。比如百度雲、阿里雲。本文對阿里雲提供的機器學習產品進行體驗。
2，建立項目一
阿里雲機器學習產品有很多服務，本人對其中的tensorflow服務比較關注。阿狸的文檔比較全面，基本安裝其指導就能正常使用了。具體可參考：
https://help.aliyun.com/document_detail/49571.html#OSS
（1）開通OSS存儲服務。地區選擇華東2，費用可選擇半年40G空間9元。
（2）開通機器學習服務，建立項目。模板選擇“tensorFlow圖片分類”。勾選“開啟GPU”。目前公測期免費。
3，配置項目一
tensorFlow圖片分類項目，默認配置了oss文件存儲，一個TF模型訓練和一個TF結果預測。
oss文件默認配置共用數據，但兩個TF流程的輸出目錄都需要指向自己的OSS目錄。
4，運行項目一
配置完成后，先運行訓練過程。在左側TF圖標上點擊“運行到此處”，開始運行，直至結束。此時訓練模型已經保存到指定的oss目錄下。運行時間24分鍾。
然后再運行右側流程。如下圖。但運行了超過1小時也沒有結束，就終止了。
5，建立並運行項目二
https://yq.aliyun.com/articles/72841?spm=5176.100239.0.0.aLlJGY
按照以上文章中的步驟，建立圖像識別項目。
訓練配置如下，訓練速度很快，20分鍾完成。
識別的配置如下：
執行只需1分鍾多，但識別結果錯誤，正確答案是：this is a bird
load data done
oss://jackkwok-001/tf_test/check_point/model/model.tfl
[0.0, 0.9939602613449097, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.006039762869477272]
[0.0, 0.9939602613449097, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.006039762869477272]
This is a automobile
再次運行預測部分，仍然是automobile。
重新運行訓練和預測兩部分，結果這次正確了。
load data done
oss://jackkwok-001/tf_test/check_point/model/model.tfl
[0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
[0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
This is a bird
而且只要訓練模型正確，以后無論運行多少次預測，結果都是正確的，且置信度都是1。