拒绝“重复造轮子”,百度EasyDL让你玩转AI定制开发

原创
08/09 09:57
阅读数 5.2K

 

我们正在进入一个万物感知、万物联接、万物智能的世界——

 

  • 车间:高速照相机拍下传送带上的零部件,交由机器进行识别,将有缺陷的零件挑出来;
  • 农场:奶牛带上项圈,通过读取奶牛的生物特征进行数据分析,提升产奶效率;
  • 机场:基于身份识别系统识别出旅客身份后,结合机场数据后台为其分配合适的安检口;

……

 

人工智能逐步进入产业化阶段,AI应用场景也趋于多样化和复杂化,智能基因在悄然改变着大家原来的工作方式和生活习惯。但需要正视的是:智能化应用需求虽已全面爆发,AI 技术在众多行业中研发与应用部署的门槛与成本却一直很高。通过传统方式定制AI模型往往成本高、周期长、项目效果达不到预期。如何把软硬件结合在一起实现机器智能?定制化场景下,AI开发的成本如何控制?AI模型的优化迭代能否找到更快捷的工具?这都是企业在推进AI落地时必须直面的挑战。

 

日前,以“软硬一体 智能创新 揭秘智能化硬件AI应用的技术难点与行业落地”为主题的百度智能云EasyDL零门槛AI开发平台网络研讨会在线上顺利举行。来自百度的专家和行业代表通过主题演讲、互动问答等环节多角度展示了AI生产工具的产业价值,以及 EasyDL 平台如何支持AI落地,助力企业降本提效。

 

 

零门槛AI开发平台:应时而生的AI生产工具

 

百度和波士顿咨询公司的一项联合调研显示,在各行业的业务场景中,约有86%的行业需要定制开发相关的AI模型以提高业务效率。诸如工业质检、物流自动分拣、智慧零售等都是比较典型的场景。然而,众多企业在定制开发AI 能力时往往面临着模型训练经验缺失、模型适配和部署繁琐、模型迭代优化周期长、人力成本投入较大等痛点。在此背景下,百度推出了EasyDL零门槛AI开发平台。

 

百度智能云产品经理心同首先介绍了EasyDL的概况和功能优势。

 

这一平台主要针对定制化训练的场景,为企业开发者提供零算法基础的高精度AI模型开发能力。平台可以覆盖图像、视频、文本、语音、OCR、结构化数据、商品检测等七大方向的数据来源,通过无需写代码的交互方式,能够产出可以部署在公有云、设备端SDK、软硬一体和本地服务器多种不同方式下的灵活的部署包。

 

可以看到,EasyDL主要适用于以下几种情况:所要解决的AI问题在市场上没有标准化的解决方案;企业内部缺少专业的算法人员;AI模型能力需要集成到实际的业务产线当中,对模型的高精度效果要求比较高。

 

具体来看,EasyDL具有三大功能优势——

 

其一,全场景。EasyDL支持七大方向十七个垂类的AI训练任务;

 

其二,零门槛。面对数据准备和模型训练两大环节的诸多痛点,EasyDL都能为开发者提供针对性的功能和训练范式,并且为零基础算法人员提供了可视化勾选的方式。开发人员可以根据实际行业应用情况去选择对应的超高精度、高精度、高性能等不同的算法来一键发起模型训练任务,真正做到零门槛上手AI开发核心环节,实现高精度模型定制;

 

其三,广适配。AI模型到硬件适配技术难度高,而EasyDL可以广适配多形态的模型部署服务,适配15家芯片,4大操作系统,同时还提供百度自研的软硬一体的部署方案EdgeBoard,在EdgeBoard上可以达到推理速度平均提升10倍以上。

 

心同以零件分拣业务场景为例,简要说明了开发者使用EasyDL的步骤。这一场景的基本需求是要在生产过程当中分拣零件,区分其是螺丝还是螺母。针对这种情况,开发者只要5步即可完成:

1、选择任务类型,即训练1个物体检测模型;

2、上传并标注数据;

3、启动一键模型训练;

4、发布模型,比如发布为一个设备端的SDK;

5、集成到实际业务产线中。

心同提到,从EasyDL功能实现边界来看,在最快状态下15分钟就可以获得一个定制的AI服务。

 

 

AI边缘部署:模型端侧加速

 

百度智能云研发工程师译文接着围绕AI开发与边缘部署技术方案进行了解析。相关研究报告显示,AI模型在边缘和本地部署的需求呈现越来越高的趋势。译文指出,一个AI模型的部署方案本质上要在精度、性能和成本之间取得平衡,如何取得平衡也是开发人员所要面临的挑战。边缘部署也不例外。

 

AI开发者需要关注的是,边缘部署的利弊都很鲜明。优点主要在于:网络无依赖(或网络弱依赖),有助于保护隐私;不受网络时延的影响,在某些情况下响应更快;表现会更稳定;芯片成本往往比云端部署要低。缺点在于:受到条件和功耗的限制,算力相对更差;难以水平扩展;各大硬件厂商的技术标准很难统一,边缘部署解决方案的可一致性就很低;有的硬件厂商提供的软件解决方案或配套的工具不是很完善,使得在边缘端部署的研发成本会大大提高。

 

在百度的AI开发中台中,如果说EasyDL是针对整个AI开发全流程的解决方案,那么EasyEdge则是专注于模型部署的工具,其主要目标在于:一、使模型对端侧有更好的适配,因此包含了模型转换、模型压缩以及模型优化等内容;二、在部署阶段提供更好的服务,让用户用起来更简单,所以包含了芯片适配、性能评估、安全加固等功能。

 

简单来说,EasyEdge是百度自研的端计算模型生成平台,能够将原始深度学习模型快速生成适配于边缘节点和智能终端的端侧模型。将符合要求的原始模型输入这个平台后,EasyEdge会做模拟解析,转换、兼容、加速,最后封装成SDK,进而产出一系列的计算服务。

 

译文简要说明了EasyEdge对于网络和框架的支持情况。

 

EasyEdge支持多种不同类型深度学习模型的部署,图像分类、检测、人脸、姿态、分割、OCR等都在支持范围之内。目前EasyEdge支持的网络种类逾50种,包括MobileNet 系列、ResNeXt 系列、DenseNet 系列等。

 

同时EasyEdge支持接入多种深度学习框架,包括飞桨PaddlePaddle,还有业内比较主流的六种框架,TensorFlow、PyTorch、DarkNet、Caffe、mxent、ONNX等。为了更方便的实现部署,目前EasyEdge还支持部分深度学习框架模型的互转换。

 

EasyEdge对于端设备的支持也很广泛,既支持常见的通用芯片CPU、GPU以及通用ARM设备,也支持市面上主流的专用芯片,如Intel Movidius系列,海思NNIE等。

 

据译文介绍,使用EasyEdge可以减少非常多的开发部署时间,模型的推理速度也会得到极大的提升,号称“最快2分钟即可生成端边计算服务”。

 

 

识别回收饮料瓶:借力EasyDL赋能绿色经济

 

目前,EasyDL已在工业、农业、零售、医疗、物流等行业广泛落地。在本次研讨会上,来自深圳归谷智能有限公司的软件总监储盛峰就通过远程连线的方式和网友们分享了EasyDL平台在识别应用领域的案例。

 

储盛峰介绍,这一项目的主要内容是饮料瓶的识别和回收,主要面向香港客户。出于环保的考量,目前香港政府已经开始计划对于饮料瓶生产企业征循环再造税,这个税会通过生产企业再转嫁给消费者。举例来说,一瓶水从2元变成2.2元~2.3元,多的几毛钱可以视作押金。用户喝完水后可以将空瓶投入饮料瓶回收机,回收机据此返回这部分用户提前支付的押金,以这种方式来形成生产-消费的绿色循环。

 

综观这一过程,要实现循环,关键就是饮料瓶回收机如何能“智能”地识别一个完全符合回收标准的瓶子,进而把钱回赠给投放瓶子的用户。这一项目的棘手之处也正在于此。

 

归谷智能在尝试使用EasyDL平台后发现,这一平台不仅比较容易上手,给出的结果非常有利于训练和使用,而且不用耗费大量的时间和成本。通过2000张不同形状的瓶子图像的训练,已经能做到比较符合客户的需求。目前这一项目已经落地近100台饮料瓶智能回收机。可见,EasyDL在助力企业快速获得AI能力方面的高效与成熟。

 

【结语】EasyDL零门槛AI开发平台不仅降低了AI从应用到落地的门槛和成本,也为相关企业提供了智能化业务转型的新方向。将开发者从“重复造轮子”的泥沼中解放出来,让其更加聚焦于业务与创新,加速AI从算法到落地的应用进程。EasyDL的未来,我们拭目以待。

 

展开阅读全文
加载中

作者的其它热门文章

打赏
0
0 收藏
分享
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部