微软新推三款机器学习工具 帮助开发者打造强 AI 应用

在美国佛罗里达州奥兰多举行的微软 Ignite 大会上，微软展示了云计算、人工智能、混合现实技术驱动的多项微软产品。而在此之中，颇值得开发者关注的，是微软为那些想开发 AI 应用的开发者推出了一系列机器学习的工具及学习模型。



微软 CEO 萨提亚·纳德拉在 Ignite 大会上演讲

对于硅谷包括国内的科技巨头们来说，人工智能已经成为大力竞争的新领域，竞争不仅仅是存在于研发产品与服务，也在于争夺人才与开发者资源。

机器学习作为实现人工智能的方式方法之一，在人工智能早期研究时就已经存在，也一直是行业关注的重点。微软对此也不例外，近些年也越来越关注机器学习。

此次，微软为开发者推出的机器学习工具包括三个，分别是Azure机器学习实验服务（Azure Machine Learning Experimentation）、Auzre机器学习环境（Azure Machine Learning Workbench）以及Azure机器学习模型管理服务（Azure
Machine Learning Model Management）。

其中，Azure Machine Learning Experimentation服务能够帮助开发者迅速上手并部署机器学习实验工作，该服务支持目前所有常见的开源框架，包括PyTorch、Caffe2、TensorFlow、Cahiner以及微软自家的CNTK。其应用的规模可以是本地计算机，也可以利用Docker容器以及 Azure Batch AI训练大规模扩展到云端的数百台GPU。Azure机器学习实验服务同时支持Azure
HDInsight群集上的Azure Spark。该服务可以帮助开发者追踪所有他们实验中的所有模型信息、配置信息以及利用Git repositories追踪数据信息。

Azure Machine Learning Workbench是针对使用不同操作系统的开发者提供的机器学习桌面客户端环境，不仅提供Windows版本，也为Mac用户提供响应的版本。微软称之为开发者“开发声明周期的控制面板，能够让开发者迅速用上机器学习”。Azure Machine Learning Workbench整合了Jupyter Notebooks以及Visual Studio Code和PyCharm等IDE，开发者可以用Python、PySpak和Scala等语言进行建模。

微软机器学习副总裁Joseph Sirosh指出，Azure Machine Learning
Workbench能够帮助开发者自动转换数据，以便机器学习算法做进一步处理。

与Azure Machine Learning Experimentation环境一样，Azure Machine Learning Model Management利用Docker帮助开发者和数据科学家部署和管理模型在任何Docker容器可以运行的地方，包括微软自己的基于Kubernetes的Azure容器服务。

除了上面三款工具与模型之外，对于一些使用微软推出的IDE如Visual Studio Code，并用CNTK, TensorFlow, Theano, Keras and Caffe2等开源工具建立模型的开发者，微软也推出了一系列开发工具供他们使用。

至于一些非开发者但又可能用到AI功能的人群，尤其是Excel用户，微软向他们推出了基于Azure的机器学习模型，以此来帮助他们激活并使用公司数据科学家们在Excel等电子表格中创建的AI功能。

从微软推出的工具与服务来看，除了针对微软自身设备系统的用户，微软也在为其他操作系统以及其他机器学习开源工具、框架的用户提供服务。人工智能和机器学习目前应该可以说都处于较为初期的阶段，离真正的强工人智能时代仍然有较大的空白需要弥补。作为行业领先者，帮助开发者更好的学习、部署和管理机器学习框架以及各方面知识，不仅是推动行业的发展，也对微软自身的人工智能发展会有大的帮助和促进。



CSDN AI热衷分享 欢迎扫码关注