日本农场主makoto的妈妈每天花八小时把自家的黄瓜分成三六九等：最上乘的黄瓜颜色鲜绿形状饱满笔直小刺点多，能卖到最好的价钱；形状弯曲，干瘪，颜色暗淡，或者小刺点少的黄瓜就卖不到那样的好价钱了。妈妈的人生经验告诉它如何挑拣分类，但是大规模的产量也意味着大量的人工消耗。
现在makoto利用谷歌提供的开源代码库TensorFlow设计了一个初级的machine learning装置，在运行7000个样本之后，可以达到70%的成功率，挑出弯曲、干瘪和暗淡的黄瓜。但是由于超大的计算量，7000个样本需要三天的运算时间，而且是基于低像素的样片。如果提高像素，可以达到更好的甄别，包括小刺点的分布，但是普通计算机短时间内很难完成，而且也需要更大量的样本。谷歌提供的Cloud ML平台则为makoto们提供了强大计算能力的平价选择。
