返回主站|会员中心|保存桌面|手机浏览
普通会员

百大专升本

结婚礼物,生日礼物,祝寿礼物,订婚礼物,高升祝贺送礼,喜得贵子祝贺送礼,感恩...

新闻分类
  • 暂无分类
站内搜索
 
友情链接
  • 暂无链接
首页 > 新闻中心 > 不懂AI的我,是如何搞开发的?
新闻中心
不懂AI的我,是如何搞开发的?
发布时间:2020-12-08        浏览次数:0        返回列表

  把AI开发这件事情,搞得像使用「家用电器」一样简单。 而且训练产出的AI模型质量,如同高级工程师产出的一样专业。

  极简的交互和使用流程,最快15分钟即可完成模型训练; 高精度的训练效果,比如图像分类模型的线上平均准确率在99%以上; 部署方式丰富,全面支持云、端、边部署。

  在工业制造的生产质检领域,以「爱包花饰」为例,在监测箱包生产过程中的残留异物(针、金属零部件等)时,使用EasyDL训练箱包质检模型,在完全无需了解AI算法细节前提下,也训练出了准确率90%的模型。

  再以「瀚才猎头」为例,几名人力资源专家在不了解AI算法的情况下,使用EasyDL,完成了简历数据的结构化处理和自动分类模型,大大提升了工作人员在简历检索方面的效率。

  依旧是「瀚才猎头」的案例,作为一家高级管理人员代理招募机构,其储备了200万条不同行业的企业和人才信息。

  而在使用EasyDL之后训练多个模型推进简历数据的结构化处理,仅在「候选人职能」和「候选人职级」两个模型上的识别率便达到了95%以上。

  而以关键词搜索的任务中,瀚才猎头以往每天只能找到60-70份合适的简历。但现如今,20分钟就可能达到600-1000份,而且精准度达到了95%。

  一言蔽之,百度EasyDL不仅让企业在「定制AI模型」上,使用起来像家用电器一般简单,并且还能像高级AI工程师一样专业。

  除此之外,EasyDL还支持公有云API、私有服务器部署、设备端SDK、软硬一体方案等丰富的模型部署方式。

  例如在软硬一体方案部署上,EasyDL提供了6款软硬一体方案,中国建成世界规模最大基本医疗保障网,支持专项适配与加速,覆盖高中低全矩阵,模型识别速度可提升10倍。

  平台内部采用了诸多复杂的深度学习算法和工程技术,乐清市保格电气有限公司。而这一切,都是为了保证其简单、易用、低门槛的使用效果。

  EasyDL之所以能够在模型方面达到高精度,一个重要原因是其基于百度自主研发的深度学习平台飞桨。一站式模型训练和服务体验,则融入了更多百度长期积累的独有技术和工程化能力。

  在视觉任务中,图像分类训练任务内置百度基于海量互联网数据,包括10万+分类、6500万图片等训练的超大规模视觉预训练模型,平均精度可提升3.24%-7.73%。

  在物体检测训练任务方面,内置百度基于800+标签、170万图片,1000万+检测框训练的超大规模物体检测预训练模型,平均精度可提升1.78%-4.53%。

  在自然语言处理方面,EasyDL预置了由百度自研、业界效果最好的预训练模型文心(ERNIE),将机器语义理解水平提升到一个新的高度。

  EasyDL还提供了自动数据增强、自动超参搜索等AutoML/DL自动化建模机制,对零算法基础的用户降低AI使用门槛。

  而且基于飞桨DGC加速机制,通过只传送重要梯度(稀疏更新)的方式来减少通信带宽使用,从而让EasyDL提升了分布式训练效率,相比传统分布式训练方式,有70%以上的训练速度增益。

  EasyData还提供了软硬一体、端云协同的自动数据采集方案,可以在数据采集时,免除繁琐耗时的设备选型、调试和集成开发工作。

  最后,在部署部署方面,EasyDL提供了公有云API、设备端SDK、本地服务器部署、软硬一体部署四种方案。

  其中,公有云API可以支持弹性扩缩容;设备端SDK目前EasyDL提供了端模型适配服务,支持了15+芯片类型,4大常用操作系统。

  人工智能引领的第四次工业革命正不断地渗透到各行各业,大企业往往具备了一定的人才储备、技术积累。

  但相比之下,中小企业在智能转型的过程中,往往处于碰壁的状态,智能化门槛过高,包括高级开发人员成本、技术能力等等。

  专注在AI开发场景在业内开放了提供一站式的数据采集、数据清洗、数据标注、数据回流的完整解决方案。

  在EasyDL经典版NLP方向新增了定制情感倾向分析、文本分类多标签、文本实体抽取;全新推出表格数据预测分析的ML方向,进一步丰富了模型类型。

  全新上线模型市场,支持个人或企业将EasyDL经典版训练好的模型发布至市场进行售卖,并在业内首个创新性支持从市场已购买的模型结合数据进行再训练,实现更佳的模型效果。

  除了扩展已有的 CV、NLP、ML、语音识别方向算法类型,还将推出OCR、视频追踪等定制化能力。 持续提升模型效果,提高训练速度,加速模型推理。 在数据、模型、服务等各个方面,持续降低使用门槛。