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AI&HPC總經(jīng)理劉軍表示：“浪潮AutoML Suite的目標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確率達91.5%，夜間識別準確率為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。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
