Link to: 人工智能實驗室
人工智能實驗室――建設方案
Link to: 五大實驗環境
人工智能實驗室五大實驗環境
機(ji)器學習環(huan)境(jing)、深度學習環(huan)境(jing)、Docker環(huan)境(jing)、Jupyter環(huan)境(jing)、OpenStack環(huan)境(jing)
一、機器學習實驗環境
普開(kai)人工智能實驗室——機器(qi)(qi)(qi)學(xue)(xue)習(xi)(xi)(xi)實驗環境：是一個機器(qi)(qi)(qi)學(xue)(xue)習(xi)(xi)(xi)計算(suan)服務平(ping)臺(tai)。通過整(zheng)合高性(xing)能計算(suan)、云計算(suan)、大數(shu)據、機器(qi)(qi)(qi)學(xue)(xue)習(xi)(xi)(xi)等(deng)多學(xue)(xue)科(ke)的關鍵技(ji)術，提供一站式機器(qi)(qi)(qi)學(xue)(xue)習(xi)(xi)(xi)云計算(suan)應(ying)用(yong)服務解決方案.能夠幫助(zhu)用(yong)戶(hu)快速構(gou)建機器(qi)(qi)(qi)學(xue)(xue)習(xi)(xi)(xi)應(ying)用(yong)，以解決實際(ji)問題，同時可(ke)以導出相(xiang)關代碼(ma)，供用(yong)戶(hu)學(xue)(xue)習(xi)(xi)(xi)使用(yong)。 AI機器(qi)(qi)(qi)學(xue)(xue)習(xi)(xi)(xi)實驗環境集成分類、聚類、回歸、關聯規則、推薦算(suan)法(fa)及自然語言(yan)處理(li)算(suan)法(fa)等(deng)多種算(suan)法(fa)，并提供直觀(guan)易用(yong)的拖拽(zhuai)式操(cao)作，使用(yong)戶(hu)無需編程也可(ke)訓練模型。
典型應用場景
機器學習通過(guo)分(fen)(fen)類方法獲得分(fen)(fen)類器以(yi)(yi)進(jin)(jin)行(xing)預測、通過(guo)聚類方法進(jin)(jin)行(xing)數據分(fen)(fen)析、通過(guo)關聯規則方法挖掘隱藏的(de)信息、通過(guo)時間序列方法對時序問題進(jin)(jin)行(xing)研究以(yi)(yi)及(ji)各類推薦算法等。為(wei)我們(men)帶來巨大(da)方便的(de)同時，潛(qian)移默(mo)化的(de)將人工智能技(ji)術(shu)滲透到生活(huo)的(de)方方面(mian)面(mian)。如：智能駕(jia)駛(shi)、金融、電商、農業、工業制造、醫(yi)療、政府、軍工等。
產品亮點
普開人工智能實驗(yan)室——操作簡單、算法豐富、支持(chi)代碼導出，提供多種企(qi)業(ye)(ye)應用(yong)級模(mo)型，基于行業(ye)(ye)的(de)機(ji)器學習多種算法，通(tong)過(guo)拖拉拽方式輕松完成數(shu)據(ju)預處理(li)和構建訓練模(mo)型，流程簡潔(jie)，直觀易懂，還體用(yong)一鍵導出代碼功(gong)能，通(tong)過(guo)平臺處理(li)的(de)工作模(mo)型自定義建模(mo)。
主要功能
普開人工智能(neng)實(shi)驗室——AI機器(qi)學習實(shi)驗環境：通過易操作、圖(tu)形(xing)化(hua)(hua)、拖(tuo)拽式的(de)(de)(de)界面，為(wei)初學者用戶量身(shen)定做了一個(ge)簡單高(gao)效(xiao)的(de)(de)(de)機器(qi)學習訓練(lian)平臺。該(gai)(gai)系統(tong)通過簡單的(de)(de)(de)5個(ge)步(bu)驟，即可定制化(hua)(hua)訓練(lian)出用戶所需的(de)(de)(de)工作模型(xing)：該(gai)(gai)系統(tong)同時也支(zhi)持各(ge)行業的(de)(de)(de)工程應(ying)用，用戶可以使用該(gai)(gai)訓練(lian)系統(tong)開發對(dui)應(ying)需求的(de)(de)(de)工程應(ying)用及科研服務(wu)。
功能界面展示
人(ren)(ren)(ren)(ren)工智(zhi)(zhi)能(neng)實驗室——AI深度(du)學(xue)(xue)習實驗環境；通過整(zheng)合(he)人(ren)(ren)(ren)(ren)工智(zhi)(zhi)能(neng)、高性能(neng)計算(suan)、大數(shu)據(ju)及(ji)云計算(suan)等多學(xue)(xue)科的關鍵技術，提(ti)供從訓練到(dao)推理(li)的一站(zhan)式人(ren)(ren)(ren)(ren)工智(zhi)(zhi)能(neng)應(ying)用(yong)服務(wu)解(jie)決方案(an)，能(neng)夠幫助用(yong)戶快速構建人(ren)(ren)(ren)(ren)工智(zhi)(zhi)能(neng)研(yan)發及(ji)科研(yan)環境，大幅降(jiang)低人(ren)(ren)(ren)(ren)工智(zhi)(zhi)能(neng)技術準入門(men)檻，提(ti)升(sheng)人(ren)(ren)(ren)(ren)工智(zhi)(zhi)能(neng)研(yan)發效率。該系統集成圖像分類、目標檢測等多個應(ying)用(yong)場景(jing)，提(ti)供從數(shu)據(ju)集管理(li)、模型管理(li)、模型訓練到(dao)模型輸出的全流程AI計算(suan)服務(wu)。
主要功能模塊
人(ren)工智能實驗——AI深度學(xue)習(xi)實驗環境：是使用(yong)Docker為容器(qi)構建的(de)底層(ceng)結構；使用(yong)TensorFlow、Pytorch等(deng)主流框(kuang)架(jia)作為計(ji)算框(kuang)架(jia)，并采用(yong)AlexFCN、AlexNet、FasterRCNN-VGG16、、Inception-V1、LeNet、MobileNet、ResNet50 SqueezeNet等(deng)15種神經網絡算法，為用(yong)戶提(ti)供高效、低錯誤率的(de)實驗環境，可以(yi)應用(yong)于(yu)圖像(xiang)分類(lei)和目標檢測(ce)等(deng)多(duo)種場景中。
功能界面展示——深度學習圖片分類
圖片(pian)分(fen)類(lei)是(shi)識別一張圖中是(shi)否是(shi)某類(lei)/某狀(zhuang)態/某場(chang)(chang)景，適合圖中主(zhu)體相對單一的場(chang)(chang)景。在各(ge)分(fen)類(lei)圖片(pian)之(zhi)間(jian)差異明顯的情(qing)況下，訓練(lian)數據每類(lei)僅需少(shao)量圖片(pian)，最快幾(ji)分(fen)鐘可訓練(lian)完(wan)畢,圖像分(fen)類(lei)應(ying)用場(chang)(chang)景豐富
- 圖片內容檢索：定制訓練需要識別的各種物體，并結合業務信息展現更豐富識別結果
- 工業分揀或質檢：定制生產線上各種產品識別，進而實現自動分揀或者質檢
- 圖片審核：定制圖像審核規則，如訓練直播場景中抽煙等違規現象
功能界面展示——深度學習圖片分類
目標檢(jian)測(ce)(ce)(ce)是在一(yi)張(zhang)圖包(bao)含多個(ge)(ge)(ge)物(wu)(wu)(wu)體的(de)(de)(de)情況下，定制(zhi)識別出(chu)每個(ge)(ge)(ge)物(wu)(wu)(wu)體的(de)(de)(de)位置、數量、名(ming)稱，適合圖片(pian)(pian)中有多個(ge)(ge)(ge)主體的(de)(de)(de)場景(jing)(jing)。定制(zhi)物(wu)(wu)(wu)體檢(jian)測(ce)(ce)(ce)模型，可(ke)以檢(jian)測(ce)(ce)(ce)出(chu)圖片(pian)(pian)里面的(de)(de)(de)所(suo)有目標物(wu)(wu)(wu)體名(ming)稱、位置。適用于(yu)一(yi)張(zhang)圖片(pian)(pian)中要(yao)識別多個(ge)(ge)(ge)物(wu)(wu)(wu)體，物(wu)(wu)(wu)體計數等(deng)場景(jing)(jing)中。在各檢(jian)測(ce)(ce)(ce)物(wu)(wu)(wu)體之間(jian)差異明顯的(de)(de)(de)情況下，訓練數據每個(ge)(ge)(ge)標簽僅需(xu)覆(fu)蓋少(shao)量圖片(pian)(pian)，訓練時間(jian)可(ke)能需(xu)要(yao)幾(ji)分鐘以上，物(wu)(wu)(wu)體檢(jian)測(ce)(ce)(ce)應用場景(jing)(jing)豐富。
- 物體計數：如零售行業貨品擺放統計、醫療細胞計數
- 工業質檢：如檢測出圖片里微小瑕疵的數量和位置
三、Docker實驗環境
人工智(zhi)能實驗室——?Docker實驗環(huan)境：集中算力模式下，底(di)層采用(yong)Docker技(ji)(ji)術實現，并使用(yong)K8S技(ji)(ji)術實現分布式集中管(guan)理(li)。在應(ying)用(yong)層面上(shang)本平(ping)(ping)臺(tai)貼(tie)合(he)用(yong)戶直接(jie)與(yu)教學(xue)業務(wu)場(chang)景(jing)緊密結合(he)；從容(rong)器(qi)制作到容(rong)器(qi)使用(yong)全部(bu)都內嵌到平(ping)(ping)臺(tai)中。可(ke)支(zhi)持教師深度二次(ci)開(kai)發各種信息類課程底(di)層環(huan)境,也可(ke)用(yong)于(yu)課堂演示等(deng)等(deng)。
四、Jupyter實驗環境
人工智能(neng)實驗室——Jupyter實驗環境：在諸多(duo)數(shu)據(ju)科學(xue)類實驗環境中，Jupyter是一個極(ji)易(yi)上手的IDE。包括各(ge)類開發語(yu)(yu)言(yan)均可(ke)內置(zhi)，例如(ru)：Python3、R語(yu)(yu)言(yan)等，而且可(ke)以支(zhi)持控制臺模式。本(ben)(ben)平臺采用(yong)集中算力(li)統(tong)一管(guan)控方(fang)式（K8S），并將(jiang)Jupyter lab版本(ben)(ben)內嵌到WEB中，方(fang)便學(xue)生實訓(xun)，教師(shi)演示(shi)。
五、OpenStack實驗環境
人工智能實(shi)驗(yan)室——OpenStack實(shi)驗(yan)環(huan)境(jing)：本實(shi)驗(yan)環(huan)境(jing)采(cai)用集中(zhong)算(suan)力模式，并按教學和實(shi)訓(xun)的應用需求，為用戶分配資源，多算(suan)力環(huan)境(jing)中(zhong)使用Openstack進行集中(zhong)管控，可以滿足(zu)教學、實(shi)訓(xun)時所需要的各類Linux虛(xu)擬機(ji)(ji)、Windows虛(xu)擬機(ji)(ji)的使用。
大數據人工智能實驗室用戶案例
關注普開數據