浪潮AutoML Suite推出三大自動化引擎,提速智算中心AI算力釋放
在4月9日舉行的2020浪潮云數(shù)據(jù)中心合作伙伴大會(IPF2020)上,浪潮宣布其自動機器學(xué)習(xí)算法平臺AutoML Suite推出三大自動化引擎:自動建模引擎AutoNAS、自動超參調(diào)整引擎AutoTune、自動模型壓縮引擎AutoPrune,通過智能化工具來提升AI開發(fā)的效率并顯著降低人力的成本,實現(xiàn)企業(yè)級一站式模型自動構(gòu)建。

同時浪潮宣布,行業(yè)用戶可申請免費試用AutoML Suite。
通常而言,構(gòu)建優(yōu)良的機器學(xué)習(xí)流程是一個非常復(fù)雜的任務(wù),需要精通機器學(xué)習(xí)算法的數(shù)據(jù)科學(xué)家和具有長期經(jīng)驗的領(lǐng)域?qū)<彝f(xié)作,并在不斷試錯與迭代中完成對模型的微調(diào)和優(yōu)化,才能得到出色的預(yù)測能力,這往往要耗費漫長的時間和高昂的成本。
浪潮AutoML Suite的目標(biāo)是借助自動化方式改進人工智能模型的構(gòu)建方法,將寶貴的專家資源從模型構(gòu)建、超參數(shù)優(yōu)化、模型壓縮等繁瑣任務(wù)中釋放出來,在降低對數(shù)據(jù)科學(xué)家資源占用的同時,讓領(lǐng)域?qū)<业靡宰孕袠?gòu)建出色的機器學(xué)習(xí)流程,從而實現(xiàn)更高的AI生產(chǎn)效率。
——浪潮集團AI&HPC總經(jīng)理劉軍
浪潮AutoML Suite可實現(xiàn)企業(yè)級一站式模型自動構(gòu)建,支持本地化和云端部署、并行高效模型搜索,全面支持圖像分類/回歸/目標(biāo)檢測CV場景應(yīng)用,模型大小與計算量極致壓縮。這意味著用戶僅需提供原始圖片數(shù)據(jù)和標(biāo)注數(shù)據(jù),經(jīng)過AutoML Suite處理后,即可自動生成所需的AI算法模型,實戰(zhàn)表現(xiàn)超出專家模型水平。
而之所以可實現(xiàn)上述功能,來源于AutoML Suite的三大核心引擎:
AutoNAS可根據(jù)數(shù)據(jù)特性,從無到有構(gòu)建網(wǎng)絡(luò)模型,實現(xiàn)AI模型與用戶應(yīng)用場景的最佳匹配;
AutoTune可進行超參自動調(diào)整,使數(shù)據(jù)科學(xué)家從繁瑣耗時的手動調(diào)參中解放出來;
AutoPrune基于元學(xué)習(xí)技術(shù),可對任意網(wǎng)絡(luò)進行無損壓縮,使生成的模型滿足用戶應(yīng)用生產(chǎn)部署要求。
強大的引擎使得浪潮AutoML Suite具備極其出色的性能表現(xiàn),在256塊GPU的集群上,可實現(xiàn)高達(dá)4000個模型/天的搜索效率。同時,浪潮AutoML Suite也支持對AI模型的高效壓縮,針對RestNet50神經(jīng)網(wǎng)絡(luò)模型進行的一項測試顯示,通過AutoPrune壓縮后,能夠?qū)⒂嬎懔繌? GFLOPS大幅降低到1.52 GFLOPS,推理性能可提升兩倍以上。
目前,浪潮AutoML Suite已在智慧城市、鐵路、公路等場景中得到應(yīng)用。針對智慧城市車輛分類,浪潮 AutoML Suite基于40萬數(shù)據(jù)集自動生成的模型日間識別準(zhǔn)確率達(dá)91.5%,夜間識別準(zhǔn)確率為83.6%,高于專家手動設(shè)計模型精度;在鐵道設(shè)備故障檢測中,運用浪潮AutoML Suite自動生成的模型實現(xiàn)了81.8%的召回準(zhǔn)確率;在高速公路特殊天氣識別場景,對14000張圖片進行搜索訓(xùn)練后,自動生成模型對團霧的檢出準(zhǔn)確率率為99.25%,模型效果符合生產(chǎn)應(yīng)用水平。
AI計算需求正呈指數(shù)級增長,未來將占據(jù)80%以上的計算需求,承載這種需求的就是AI算力中心即智算中心,它是人工智能新基建。浪潮圍繞AI算力的四大關(guān)鍵作業(yè)環(huán)節(jié)持續(xù)創(chuàng)新,即生產(chǎn)算力、聚合算力、調(diào)度算力、釋放算力,實現(xiàn)AI計算力的全流程、一體化的高效交付,通過AI計算生產(chǎn)方式的變革促進人工智能應(yīng)用的效率變革,加速人工智能新基建建設(shè)。浪潮AutoML Suite是釋放AI算力的重要工具,推動AI快速進化落地。
目前,浪潮AI服務(wù)器的中國市場份額保持在50%以上,并與人工智能領(lǐng)先科技公司保持在系統(tǒng)與應(yīng)用方面的深入緊密合作,幫助AI客戶在語音、語義、圖像、視頻、搜索、網(wǎng)絡(luò)等方面取得數(shù)量級的應(yīng)用性能提升。

同時浪潮宣布,行業(yè)用戶可申請免費試用AutoML Suite。
通常而言,構(gòu)建優(yōu)良的機器學(xué)習(xí)流程是一個非常復(fù)雜的任務(wù),需要精通機器學(xué)習(xí)算法的數(shù)據(jù)科學(xué)家和具有長期經(jīng)驗的領(lǐng)域?qū)<彝f(xié)作,并在不斷試錯與迭代中完成對模型的微調(diào)和優(yōu)化,才能得到出色的預(yù)測能力,這往往要耗費漫長的時間和高昂的成本。
浪潮AutoML Suite的目標(biāo)是借助自動化方式改進人工智能模型的構(gòu)建方法,將寶貴的專家資源從模型構(gòu)建、超參數(shù)優(yōu)化、模型壓縮等繁瑣任務(wù)中釋放出來,在降低對數(shù)據(jù)科學(xué)家資源占用的同時,讓領(lǐng)域?qū)<业靡宰孕袠?gòu)建出色的機器學(xué)習(xí)流程,從而實現(xiàn)更高的AI生產(chǎn)效率。
——浪潮集團AI&HPC總經(jīng)理劉軍
浪潮AutoML Suite可實現(xiàn)企業(yè)級一站式模型自動構(gòu)建,支持本地化和云端部署、并行高效模型搜索,全面支持圖像分類/回歸/目標(biāo)檢測CV場景應(yīng)用,模型大小與計算量極致壓縮。這意味著用戶僅需提供原始圖片數(shù)據(jù)和標(biāo)注數(shù)據(jù),經(jīng)過AutoML Suite處理后,即可自動生成所需的AI算法模型,實戰(zhàn)表現(xiàn)超出專家模型水平。
而之所以可實現(xiàn)上述功能,來源于AutoML Suite的三大核心引擎:
AutoNAS可根據(jù)數(shù)據(jù)特性,從無到有構(gòu)建網(wǎng)絡(luò)模型,實現(xiàn)AI模型與用戶應(yīng)用場景的最佳匹配;
AutoTune可進行超參自動調(diào)整,使數(shù)據(jù)科學(xué)家從繁瑣耗時的手動調(diào)參中解放出來;
AutoPrune基于元學(xué)習(xí)技術(shù),可對任意網(wǎng)絡(luò)進行無損壓縮,使生成的模型滿足用戶應(yīng)用生產(chǎn)部署要求。
強大的引擎使得浪潮AutoML Suite具備極其出色的性能表現(xiàn),在256塊GPU的集群上,可實現(xiàn)高達(dá)4000個模型/天的搜索效率。同時,浪潮AutoML Suite也支持對AI模型的高效壓縮,針對RestNet50神經(jīng)網(wǎng)絡(luò)模型進行的一項測試顯示,通過AutoPrune壓縮后,能夠?qū)⒂嬎懔繌? GFLOPS大幅降低到1.52 GFLOPS,推理性能可提升兩倍以上。
目前,浪潮AutoML Suite已在智慧城市、鐵路、公路等場景中得到應(yīng)用。針對智慧城市車輛分類,浪潮 AutoML Suite基于40萬數(shù)據(jù)集自動生成的模型日間識別準(zhǔn)確率達(dá)91.5%,夜間識別準(zhǔn)確率為83.6%,高于專家手動設(shè)計模型精度;在鐵道設(shè)備故障檢測中,運用浪潮AutoML Suite自動生成的模型實現(xiàn)了81.8%的召回準(zhǔn)確率;在高速公路特殊天氣識別場景,對14000張圖片進行搜索訓(xùn)練后,自動生成模型對團霧的檢出準(zhǔn)確率率為99.25%,模型效果符合生產(chǎn)應(yīng)用水平。
AI計算需求正呈指數(shù)級增長,未來將占據(jù)80%以上的計算需求,承載這種需求的就是AI算力中心即智算中心,它是人工智能新基建。浪潮圍繞AI算力的四大關(guān)鍵作業(yè)環(huán)節(jié)持續(xù)創(chuàng)新,即生產(chǎn)算力、聚合算力、調(diào)度算力、釋放算力,實現(xiàn)AI計算力的全流程、一體化的高效交付,通過AI計算生產(chǎn)方式的變革促進人工智能應(yīng)用的效率變革,加速人工智能新基建建設(shè)。浪潮AutoML Suite是釋放AI算力的重要工具,推動AI快速進化落地。
目前,浪潮AI服務(wù)器的中國市場份額保持在50%以上,并與人工智能領(lǐng)先科技公司保持在系統(tǒng)與應(yīng)用方面的深入緊密合作,幫助AI客戶在語音、語義、圖像、視頻、搜索、網(wǎng)絡(luò)等方面取得數(shù)量級的應(yīng)用性能提升。
我要收藏
點個贊吧
轉(zhuǎn)發(fā)分享
評論排行