1987WEB视界-分享互联网热门产品和行业

您现在的位置是:首页 > 人工智能AI > 正文

人工智能AI

华洋通信新产品—AI算法模型自训练管理平台

1987web2023-08-16人工智能AI101
平台是面向用户的一站式AI算法模型训练及管理平台,为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成以及端-边-云模型按需部署能力,帮助用户快速训练和部署AI算

平台是面向用户的一站式 AI算法模型训练及管理平台,为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成以及端-边-云模型按需部署能力,帮助用户快速训练和部署AI算法模型。

一站式是指AI开发的各个环节,包括数据处理、模型管理、模型训练、模型部署都可以在平台上完成。平台提供便捷易用的使用流程。用户不需关注模型的编码及开发,可使用自动学习流程快速完成AI模型的训练及部署,方便用户快速提升AI算法模型的识别率及应用的适应性。

系统主要结构与组成

平台能够支撑用户从数据处理到AI算法模型部署的全流程过程。包含数据处理、模型训练、模型管理、模型部署等操作,并且提供模型自动发布功能,能够在支持的硬件平台上同步升级算法模型。

平台底层支持各种异构计算资源,如Nvidia GPU、Atlas500等,同时平台支持Tensorflow、PyTorch等主流的AI开发框架。目的就是让AI算法模型的训练、部署变得更简单、更方便。

系统主要功能

1、数据管理

  • AI 开发过程中经常需要处理海量数据,数据准备与标注往往耗费整体开发一半以上时间。数据管理提供了一套高效便捷的管理和标注数据框架。本平台提供数据筛选、数据分析、数据处理、智能标注、团队标注以及版本管理等功能,AI开发者可基于该框架实现数据标注全流程处理。

  • 数据管理提供了数据清洗、数据校验、数据增强、数据选择等分析处理能力,可以在线完成图像分类、目标检测等各种标注场景,同时也可以使用智能标注方案,代替人工完成数据标注,提升标注效率。

2、模型训练

  • 模型训练支持自定义训练作业输入、输出;支持业界主流AI计算引擎和自研引擎,包括PyTorch、Tensorflow、PaddlePaddle等;支持自定义训练作业镜像统一管理,统一调度,支持CPU、GPU资源管理、训练作业调度、训练作业生命周期管理与监控;支持训练作业启动、停止、删除、重建,训练作业有详细的实时日志、历史日志。

3、模型管理

  • 支持各种算法模型的统一管理与版本管理,支持不同AI模型的独立维护和升级。

  • 支持将AI算法以模型文件的形式直接发布至推理服务器,模型上线更灵活更高效。支持自定义镜像导入发布,满足用户自定义推理框架和业务逻辑需求,提供最大灵活性。提供友好直观的UI界面,方便用户操作管理。

4、模型部署

  • 模型部署支持将模型部署为在线服务和边缘服务。算法模型部署完成后,可在线访问并使用服务并查看其预测结果。