雷锋网按：曲晓峰，香港理工大学人体生物特征识别研究中心博士生。雷锋网(搜索“雷锋网”公众号关注)独家文章，转载请联系授权。

　　近期，两个我曾使用过的云计算平台 Sense.io 和 getdatajoy.com，即将逝去。前者被收购，已经对个人用户关闭；后者即将在 2017 年 1 月 2 日关站。

　　在人工智能爆发的今天，两个本应是智能计算核心的云计算平台，不仅没有乘风而起、顺势化龙，却倒在了新时代的门槛上，不得不引起人深思。

　　|Sense.io —— 按需分配计算能力

　　在 Sense.io 上，各个项目可以使用不同运算能力的平台，分别运行。单个项目可以使用多个虚拟 CPU 和或大或小的内存空间。

　　Sense.io 是一个面向数据科学家的可以动态分配计算能力云计算平台，简单说来就是“数据科学家的 GitHub”。在 Sense 上，数据科学家可以与其他人协作，并生成数据报表。

　　2016 年 3 月 22 日，Sense 宣布被大数据软件公司 Cloudera 收购。Sense 的创始人 Tristan Zajonc 和 Anand Patil 在 Sense 的博客上发布了被收购的公告，同时宣布免费和个人服务 2016 年 4 月 31 日关闭。

　　在 Sense 上，用户可以直接用 Python、R、Julia 编写代码，进行算法实验，构建模型，然后根据算法需要和成本综合考虑，选择具有合适运算能力的云计算平台（虚拟 CPU、内存）运行，然后输出、保存结果。运行的程序，可以是一次性的函数，也可以使用一种类似 Jupyter 的交互式执行环境来单步执行，分别看输出的结果。输出的结果可以是数据文件，如 CSV，可以是 png、jpg 等格式的图片，又或者可以用 java 动态图表展示出来。最后也可以生成 markdown、pdf 的报告。

　　我曾经用 Sense.io 进行过一些数据分析。 其最大的优点就是运算能力可配置的特性。在进行实验的初期，使用稍小的运算能力，用单 CPU 检查数据，调试算法，检验假设。当实验流程比较清晰明确，代码跑通之后，就可以换用大运算能力，用 16、32、64 核和大内存载入所有数据进行运算，尽快获得实验结果。尤其是同一方向的实验，可以简单地通过复制项目，修改参数、添加函数或者调整流程，迅速并行展开多种实验。数据可以上传到同机房的 AWS 数据服务器，如：S3、DynamoDB、或者 Redshift，以方便不同项目共享访问或者同一项目的多次快速存取（sense.io 是搭建在 AWS 基础设施之上的）。

　　其实，做科研或者做商业数据分析都会遇到这样的问题，atv，在构思算法或实验初期，并不总是在编程和运算，检查、清洗数据与思考占用前期大量时间。

　　直到有了比较清晰的方向，需要用数据和结果来验证想法的时候，才需要大量甚至是海量的运算。当然，两种情况是经常是交替进行的，一段时间慢慢思考调试；一段时间跑大量的数据来看整体的输出。在进行批量运算的时候，甚至会去抢别人的电脑来跑实验。使用 Sense.io 这种方案，可以有效充分地利用运算能力。一方面不至于在概念验证的初期就浪费大量的运算能力；另一方面，在需要的时候，可以迅速拓展克隆，在短时间内调动大量的运算能力迅速得到结果。

　　与现有的其他网站相比，Sense.io 更为灵活与已用。其预先配置好了编程环境，包括 Python、R 和 Julia 等数据分析最为常用的开源语言的开发环境，可以直接上手工作。不需要配置虚拟机、配置虚拟网络、安装系统、安装软件环境等一整套繁复的环境配置工作。

　　同时，协作与共享也变得相当简单。直接登陆在线帐户，进入同一个工程项目，就可以进行协作。或者直接克隆一个当前工作的镜像工程交给他人接手开发。

　　从服务器运营角度上看，这也是比较合理的方案。每个用户的使用峰值不同，不同用户错峰使用更能提高服务器的利用率。甚至，可以通过调整峰谷运算能力的价格，j2直播，来进一步的平谷抑峰。

　　但可惜，被 Cloudera 收购后，Sense 已经对个人用户关闭，不知道 Cloudera 未来会不会开放 Sense 动态调整运算能力的技术。

　　| DataJoy —— 学术文档与代码的融合

　　在 DataJoy 上运行基于 Keras 的全连接深度网络学习识别 MNIST 手写字符的例子。