Kan du driva ett maskininlärningsprojekt hemma?

Med allt prat om maskininlärning de senaste åren är det svårt att ignorera önskan att prova det själv. Tekniken verkar utvecklas i mycket snabb takt, och det finns redan applikationer i många miljöer. Om du har vissa programmeringskunskaper och en grundläggande förståelse för vissa begrepp om statistik, är du bra att gå när det gäller kompetenskrav.

Du måste dock också överväga vilken hårdvara du behöver för detta. Du kan antingen vara värd för allt hemma eller använda fjärrtjänster - båda har sina fördelar och nackdelar.

Grundläggande krav för maskininlärningsutveckling

Du kommer att behöva lite kraftfull hårdvara för att få saker att gå. Även om du kan köra de flesta relaterade verktyg på en billig bärbar dator är du mycket begränsad i din inlärningspotential, och allt tar mycket längre tid än vad den behöver.

Din GPU (Graphics Processing Unit) är den viktigaste komponenten här. Det har inget att göra med grafik direkt. Det är bara att GPU: er råkar vara bättre lämpade för de typer av beräkningar som maskininlärning är beroende av.

En GPU som stöder CUDA blir ännu bättre här, men det kostar dig mer att få tag på en. Oroa dig inte om du inte har råd med den här typen av hårdvara just nu. Du kan också köra dina lösningar på distans, men du måste ta itu med upp-och nedgångar i den inställningen.

Läs mer: Vad är CUDA-kärnor?

Varför dina kostnader kan vara högre 2021

Det är också värt att notera att shopping för ny maskinvara för maskininlärning kan vara ännu mer utmanande just nu. Det finns en knepig global situation som utvecklas kring en brist på halvledare som används vid tillverkning av olika konsumentelektronik. Från GPU: er till smartphones och andra enheter har många marknader påverkats.

Vissa förutsägelser hävdar att denna brist kan vara i flera år till, eftersom det var resultatet av flera faktorer som oväntat anpassade sig. Mellan pandemin försämrar produktionskapaciteten och ökar efterfrågan och gruvarbetare och skalare att köpa ut hela aktien har situationen varit utmanande för dem som bara vill få en ny GPU.

Relaterad: Varför är grafikkort så dyra just nu?

Det är inte klart när priserna kommer att normaliseras heller - priserna kan fortsätta att stiga. Att leta efter en begagnad GPU kan vara ett bättre alternativ, men du kan inte garantera att du kommer att hitta något som passar.

Fördelar och nackdelar med värdplattformar

En värdplattform för maskininlärningsutveckling gör att du kan fokusera på det faktiska utvecklingsarbetet utan att oroa dig för maskinvaruöverväganden. Du kommer att dra nytta av avancerad processorkraft, och dessa plattformar kan vanligtvis köra dina lösningar mycket snabbare än vad du kan bygga hemma.

Naturligtvis kommer denna typ av kraft inte gratis. Du måste betala en prenumerationsavgift för att använda de flesta av dessa tjänster. De som erbjuds gratis har sina egna begränsningar.

Du kanske till exempel inte kan köra programmet på begäran och kanske behöva vänta i kö. Detta kan vara särskilt problematiskt för längre träningspass, där du måste lägga till några extra timmar utöver en redan lång väntetid.

Och sedan känner vissa människor sig mer bekväma i sitt arbete när de har allt tillgängligt lokalt. Det kan verkligen vara bekvämare att arbeta med maskininlärning på detta sätt när vissa modeller kan vara flera gigabyte, och det kan ta lite tid att överföra dem till och från lämpliga servrar.

Det bästa av båda världar

Du kan använda en blandad strategi. Gör det mesta av din utveckling lokalt - som faktiskt arbete med dina algoritmer och modeller - och använd en värdtjänst för större, dyra bearbetningar.

Du kan vanligtvis skicka dina data i satser för att få dem bearbetade på en gång under en tidsperiod, och du måste bara komma tillbaka för att hämta dina resultat efteråt. Detta kan fungera bra när du inte behöver omedelbara resultat, och det kan låta dig utföra dyr utbildning till en relativt låg kostnad.

Detta är det tillvägagångssätt som de flesta använder för dessa dagar. Om du inte vill spendera för mycket på hårdvara men har det bra med tanken att spendera lite pengar på det här är det troligtvis det du borde titta på.

Det finns olika erbjudanden på marknaden, vissa riktar sig till personer med mindre budgetar, så titta runt och se vad som finns tillgängligt där ute. Ibland kan du komma undan med att ha dina projekt värd för överraskande lite, så länge de inte har några komplexa krav.

Var försiktig med känsliga data

Kom ihåg att maskininlärning ofta kan handla om att arbeta med känsliga data. Du kan till exempel ha till uppgift att behandla medicinska journaler eller annan personlig information. Det är självklart att du måste vara mycket mer försiktig i dessa situationer om du arbetar med fjärrhostade tjänster.

Du måste vara medveten om konsekvenserna av att överföra dessa data till fjärrservrar. Ibland kan det hända att du bryter mot vissa rättsliga ramar utan att ens inse det. I Europeiska unionen måste du till exempel vara mycket försiktig med GDPR.

Det är en bra idé att rådfråga en juridisk specialist om dina maskininlärningsövningar kommer att involvera någon form av känslig information. Ännu bättre bör du förmodligen inte använda den här typen av data för dina första träningsprojekt i första hand. Gå bara med något som är säkrare och lättare att hantera.

Maskininlärning på egen hand

Maskininlärning hemma är genomförbart och det har många fördelar. Men det har också några negativa konsekvenser som du måste tänka på, och du måste se till att hitta ett balanserat tillvägagångssätt i slutändan. Var särskilt uppmärksam på detaljer som att arbeta med känsliga data och bekanta dig alltid med alla rättsliga krav som din situation kan ställa dig.

I slutändan kan det här vara en mycket rolig och produktiv upplevelse som kan ge dig en bra position på arbetsmarknaden.

Vad gör Python och vad kan det användas till?

Python är extremt mångsidig, med applikationer som sträcker sig från webbutveckling till dataanalys.

Läs Nästa

Om författaren