Redis AI 第一步

在 2019 年的 RedisConf 上，Redis Labs 推出了一个名为 RedisAI 的新模块。目的是将机器学习（ML）和深度学习（DL）结合起来，并尽可能地在数据当前所在的地方运行人工智能（AI）模型。这听起来很神奇，如果这一切对你都是全新的，而且你对机器学习感兴趣，但不太清楚这一切到底意味着什么呢？你怎么弄明白这一切呢？上周你老板的老板说，“我们需要把机器学习整合进来”，那可能意味着需要进行额外的编译或其他步骤。现在，你正坐在这里试图了解大量的新术语以及如何将其引入你的组织。

今天，我们将开始好好深入研究一些 AI 术语，并展示一下如何将 RedisAI 模块添加到你现有的 Redis 系统中，并开始用起来。

1 什么是机器学习？

究竟什么是机器学习呢？广义的概念是指构建算法，即读取数据并且依靠那些数据以及任何读入的新数据来做出预测。在最初的“训练”期间，会有人查看模型的预测，并告诉系统每个猜想正确与否。深度学习涉及到如何构建算法和提供模型数据，并由系统本身训练自己，而不是通过外部来训练。

训练这些系统很复杂，通常在一个完全不同的应用程序中进行（不用担心，除非你喜欢线性代数，否则你不需要编写该应用程序）。最受欢迎的机器学习系统之一叫做 TensorFlow，它是开源的。TensorFlow 可以帮助你构建、培训和部署 ML 应用程序，TensorFlow 有一个很好的社区可以帮助你入门。

2 现实世界中的机器学习

你可能已经和机器学习系统进行了很多交互。如果你有一个 Netflix 账户，并且在某个电影或节目上点过“喜欢”或“不喜欢”按钮，那么你就正在训练模型，以更好地预测你喜欢的电影和节目的类型。Netflix 的推荐与你喜欢的内容直接相关。不幸的是，这就是为什么我的节目列表 被《True and theRainbow Kingdom》（：）谢谢孩子们）之类的节目填满了。

并且，如果你在过去的几年里一直上网的话，毫无疑问你会看到爆炸式增长的聊天机器人。这些也是基于机器学习/深度学习的工具。他们被训练用来回答问题，在某些情况下可以在相关主题下和人们很好的对话。当然，训练有时也可能会失控，但一般来说，这还是挺有意思的！

3 Redis 能做些什么？

传统上，所有这类数据都需要被移来移去，这可能会给 DevOps 带来一些严峻的挑战。我们考虑下，如何保存一个聊天机器人与你的对话状态。这些数据需要保存在某个地方，因为这些数据对于机器人来说很重要。我们需要这个对话及其上下文来确定接下来要说的内容。这就需要对数据进行反序列化，在模型中运行它，将数据发送到 Redis 之后，再对其进行序列化。在应用之间转移数据和在系统之间进行数据转换，所有这一切都会带来 CPU 和网络开销。

RedisAI 为你提供了新的数据结构，并允许 Redis 管理运行模型的请求并执行他们。实际上，我们是在你的数据的所在地运行你的模型，没有网络开销，无需序列化/反序列化。

4 从哪里开始入手？

我是一个跟不上时代的人，喜欢自己构建这样的工具。因此，当我想使用 Redis 的新模块时，我会通过源码来构建。有几种不同的方法可以让 RedisAI 在本地运行：

4.1 通过 Docker 安装

如果你是 Docker 用户，那么使用 RedisAI 获取 Redis 实例就是小菜一碟：

$ docker pull redisai/redisai$ docker run -p 6379:6379 -it --rm redisai/redisai

你也可以克隆 RedisAI 代码库来获取对实例的访问权限。

4.2 或者从源码构建

让我们在命令行中实践一下。在构建代码之前，你需要安装 cmake 和 git-lfs。在我的 Macbook 上，这就像使用 Homebrew 一样简单：

$ brew install git-lfs cmake

你还需要确保运行的是 redis-server 4.09 或更高版本。可以检查一下：

$ redis-server --version

现在你已经检查了版本，并且一切顺利，请克隆 AI 代码库：

$ git clone git@github.com:RedisAI/RedisAI.git

进入 RedisAI repo/ 目录，并获取依赖项：

$ bash get_deps.sh

现在开始构建：

$ mkdir build$ cd build$ cmake -DDEPS_PATH=../deps/install ..$ make$ cd ..

如果一切按计划进行，你就可以加载模块并开始玩了。这个过程应该非常顺利。我遇到的唯一问题是没有安装 CMake。一旦装好了，就没其他问题了。

现在，在继续之前，你应该确保 Redis Server 还没有运行。我已经忘了我总是把它作为我的机器上的服务启动了，所以它一直在后台运行！当我试图加载模块时，一切似乎都工作正常，但模块实际上并没有被加载。由于 Redis Server 已经在后台运行，因此对我来说很糟糕，模块没有加载。如果你使用 Homebrew 安装 Redis，那么停止 Redis Server 就是一条简单的命令，执行 brew services stop Redis 就可以了。

一旦你停止了 Redis，就可以运行：

$ redis-server --loadmodule build/redisai.so

只需使用 CLI 中的 MODULE LOAD 命令，接下来的一切就简单了：

> MODULE LOAD path/to/build/redisai.so

现在，模块已经加载到 Redis Server 中了，可以开始运行了！

5 运行一些例子

恭喜你做到了这一步，现在事情开始有点意思了。你已经拥有尝试使用 RedisAI 所需的一切。如果你对这一切都不熟悉，那么你可能无法进行下一个步骤，因此 RedisAI 附带了一个示例，你可以运行一下，看下它是如何运作的。

如果这是你进入 AI 世界的第一步，那么你接下来要做的就是构建并训练模型。这些步骤超出了 Redis 和本文的范围（如果你感兴趣的话，网上可以找到一些很好的资料），所以我们将跳过这一切并给你一些你可以立即玩起来的数据。

我在 Github 上建了一个库，你可以下载这个示例。在这里你可以找到入门所需的一切：

我们的示例项目是一个基于命令行界面的图像分类应用程序。提供一个图片给应用，这个应用就能够找出图片中的内容。例如，我们提供一个熊猫的图片给应用程序，应用程序就应该告诉我们图片中有一只大熊猫。

要启动并运行，请进入 JS 文件夹并运行 yarn 或 npm install。这将安装你所需要的一切。然后你要做的就是运行：

$ node mobilenet.js ../img/panda.jpg

panda.jpg 是这篇博文的标题图片（编者注：即上方的大熊猫图片）。如果一切顺利，你得到的输出应该类似于：

太棒了，有返回结果了！这意味着什么，我们做了什么？我们为这个应用程序提供了熊猫和计算机的图片。系统经过训练去查看图片并告诉我们图片中的内容。我们所做的就是给应用程序提供 2 张图像，然后应用程序就能够告诉我们它在图像中“看到”了什么。

在我们的 Redis 实例中，可以很快的安装 RedisAI，这样你就可以给它喂数据，并观察它是如何识别图像的。该示例是面部识别和图像识别的基本构建模块。现在，通过 RedisAI 我们能够在 Redis 中，即我们的数据的所在的地方，开始工作了。

本文转载自公众号中间件小哥（ID：huawei_kevin）。

原文链接：

https://mp.weixin.qq.com/s/Ge_lfZJSvZ2sMFKgUIWCmA