摘要
识别手写数字对人类来讲轻而易举，但对机器来讲并非易事。不过，目前随着机器学习的进步，人们已经制造出能够更好地执行此任务的机器。我们现在拥有可以在几秒内扫描支票的移动银行应用程序，以及可以在几分钟内从数千份合同中提取出美元金额的会计软件。如果您想了解这一切的工作原理，请学习本 Code Pattern，我们将引导您在 Watson Studio 和 PyTorch 中逐步创建一个简单的手写数字识别器。
概览
在本 Code Pattern 中，您将在 IBM Watson Studio 中使用 Jupyter Notebook，并通过 Watson Machine Learning Service 的 Python 客户端库访问预先安装并优化的 PyTorch 环境。该库的核心是一组 REST API，允许您提交训练作业，监控状态，存储，以及部署模型。
完成本 Code Pattern 后，您将掌握如何：
- 在 Watson Studio 中创建一个项目并在项目中使用 Jupyter Notebook。
- 使用 Cloud Object Storage 的 Python 客户端来创建桶并将数据上传到桶中。
- 将 PyTorch 训练作业提交到 Watson Machine Learning Service。
- 使用经过训练的 PyTorch 模型来预测图像中的手写数字。
流程
- 登录到 IBM Watson Studio。
- 在 Watson Studio 中运行 Jupyter Notebook。
- 使用 PyTorch 下载并处理数据。
- 使用 Watson Machine Learning 训练并部署模型。
操作说明
请在 README 中了解更详细的操作说明。这些步骤将展示如何：
- 注册使用 Watson Studio。
- 创建一个新项目。
- 创建 Notebook。
- 创建 Watson Machine Learning Service 实例。
- 为 Watson Object Storage 实例创建 HMAC 凭证。
- 运行该 Notebook。
本文翻译自：Build a handwritten digit recognizer in Watson Studio and PyTorch（2018-11-19）