浅析微软的MMLSpark技术

　　MMLSpark为Apache Spark提供了大量深度学习和数据科学工具，包括将Spark Machine Learning管道与Microsoft Cognitive Toolkit（CNTK）和OpenCV进行无缝集成，使您能够快速创建功能强大，高度可扩展的大型图像和文本数据集分析预测模型。

　　微软开源了MMLSpark，用于Apache Spark的的深度学习库。MMLSpark可以与微软认知工具包和OpenCV完美整合。

　　微软发现，虽然SparkML可以建立可扩展的机器学习平台，绝大多数开发者的精力都耗在了调用底层API上。MMLSpark旨在简化PySpark中的重复性工作。

　　以UCI的成人收入普查数据集举例，使用其他项目预测收入：

　　

　　如果直接使用SparkML，每一列都需要单独处理，整理为正确的数据类型;在MMLSpark中只需要两行代码：

　　深度神经网络（DNN）在图像识别和语音识别等领域不逊于人类，但是DNN模型的训练需要专业人员方可进行，与SparkML的整合也十分不易。MMLSpark提供了方便的Python API，可以方便地训练DNN算法。MMLSpark可以方便地使用现有模型进行分类任务、在分布式GPU节点上进行训练、以及使用OpenCV建立可扩展的图像处理管线。

　　以下3行代码可以从微软认知工具集中初始化一个DNN模型，从图像中抽取特征：

　　MMLSpark已经发布到Docker Hub上，使用下面的命令即可在单机部署：

　　MMLSpark使用MIT协议授权。