以Mnist手写体识别为例，使用Google ML Engine 训练神经网络

4月份跟同学在天池做了一个 FashionAi的比赛，由于没有自己的服务器，只能去隔壁实验室借用服务器，在每天晚上简单跑一跑训练，测试模型的机会都不多，更不要提调参。最终比赛也是不了了之。
当时也有考虑租用服务器，但是价格有点高，不是我辈屌丝能够承受，所以也没有多了解。前不久偶然发现google cloud platform 可以免费试用，ML engine 更是可以免费适用，简直是我辈福音，于是试用了一下，感觉还不错。在学习使用的过程中，查找到的资料很有限，官方文档写的十分详细，但是感觉有些繁琐；火山岩上的小红花的博客写的十分详细，尤其在gcp的配置和训练任务的提交方面。因此本次就不再就gcp配置上进行赘述，而是就训练任务的提交上以案例——mnist手写数字识别——为例进行描述，帮助刚入坑的小白进行理解，同时解决了两个常见的问题。

前言

在使用之前首先要确保：
1. 完成了谷歌云项目的配置。
2. 付款账号的建立和绑定和费用支付
3. ML Engine API的设置和启用
4. 凭据的设置
5. cloud sdk的下载和初始化
等一系列的gcp的配置和初始化操作，详细步骤可以参考火山岩上的小红花的博客，里面写的非常细致。
在此项目中，我们主要调用了gcp的两个服务，一个是谷歌云提供的云储存服务，用于保存训练数据，网络模型及参数，预测数据和预测结果等文件。另一个是Machine Learning Machine 用于对提交的训练任务进行训练。

建立用于存储数据和模型的bucket

每个用户都可以建立多个项目，每个项目中均可以建立多个存储分区，即bucket，在bucket中可以存放用于读写的各类文件。
首先在首页中点击左上角的导航菜单，选择：存储——浏览器，在打开的浏览器界面中可以看到你现在所有的所有bucket，点击创建存储分区。

为bucket命名为mnist_mine，在regional中选择us-east1，因为这个区域的价格较低而且还可以使用gpu。所以我们在google platform 上就拥有了一个存储空间：gs://mnist_mine 用于存储mnist训练过程中需要的训练数据和训练出的结果和模型。

这时我们可以通过shell 或者sdk使用命令gsutil 系列命令对该bucket进行操作例如：

gsutil cp filename gs://mnist_mine

训练数据的获取

由于在keras的数据库中有mnist的包，我们可以直接调用，在云端下载，无需手动导入训练数据。

from k