據(jù)人工智能實驗實訓(xùn)平臺.jpg "普開數(shù)據(jù)人工智能實驗實訓(xùn)平臺")
Link to: 人工智能實驗室
人工智能實驗室――建設(shè)方案
Link to: 五大實驗環(huán)境
人工智能實驗室五大實驗環(huán)境
機器學(xué)習(xí)環(huán)境、深度學(xué)習(xí)環(huán)境、Docker環(huán)境、Jupyter環(huán)境、OpenStack環(huán)境
一、機器學(xué)習(xí)實驗環(huán)境
普開人工智能實驗室——機器學(xué)習(xí)實驗環(huán)境：是一個機器學(xué)習(xí)計算服務(wù)平臺。通過整合高性能計算、云計算、大數(shù)據(jù)、機器學(xué)習(xí)等多學(xué)科的關(guān)鍵技術(shù)，提供一站式機器學(xué)習(xí)云計算應(yīng)用服務(wù)解決方案.能夠幫助用戶快速構(gòu)建機器學(xué)習(xí)應(yīng)用，以解決實際問題，同時可以導(dǎo)出相關(guān)代碼，供用戶學(xué)習(xí)使用。 AI機器學(xué)習(xí)實驗環(huán)境集成分類、聚類、回歸、關(guān)聯(lián)規(guī)則、推薦算法及自然語言處理算法等多種算法，并提供直觀易用的拖拽式操作，使用戶無需編程也可訓(xùn)練模型。
典型應(yīng)用場景
機器學(xué)習(xí)通過分類方法獲得分類器以進(jìn)行預(yù)測、通過聚類方法進(jìn)行數(shù)據(jù)分析、通過關(guān)聯(lián)規(guī)則方法挖掘隱藏的信息、通過時間序列方法對時序問題進(jìn)行研究以及各類推薦算法等。為我們帶來巨大方便的同時，潛移默化的將人工智能技術(shù)滲透到生活的方方面面。如：智能駕駛、金融、電商、農(nóng)業(yè)、工業(yè)制造、醫(yī)療、政府、軍工等。
產(chǎn)品亮點
普開人工智能實驗室——操作簡單、算法豐富、支持代碼導(dǎo)出，提供多種企業(yè)應(yīng)用級模型，基于行業(yè)的機器學(xué)習(xí)多種算法，通過拖拉拽方式輕松完成數(shù)據(jù)預(yù)處理和構(gòu)建訓(xùn)練模型，流程簡潔，直觀易懂，還體用一鍵導(dǎo)出代碼功能，通過平臺處理的工作模型自定義建模。
主要功能
普開人工智能實驗室——AI機器學(xué)習(xí)實驗環(huán)境：通過易操作、圖形化、拖拽式的界面，為初學(xué)者用戶量身定做了一個簡單高效的機器學(xué)習(xí)訓(xùn)練平臺。該系統(tǒng)通過簡單的5個步驟，即可定制化訓(xùn)練出用戶所需的工作模型：該系統(tǒng)同時也支持各行業(yè)的工程應(yīng)用，用戶可以使用該訓(xùn)練系統(tǒng)開發(fā)對應(yīng)需求的工程應(yīng)用及科研服務(wù)。
功能界面展示
人工智能實驗室——AI深度學(xué)習(xí)實驗環(huán)境；通過整合人工智能、高性能計算、大數(shù)據(jù)及云計算等多學(xué)科的關(guān)鍵技術(shù)，提供從訓(xùn)練到推理的一站式人工智能應(yīng)用服務(wù)解決方案，能夠幫助用戶快速構(gòu)建人工智能研發(fā)及科研環(huán)境，大幅降低人工智能技術(shù)準(zhǔn)入門檻，提升人工智能研發(fā)效率。該系統(tǒng)集成圖像分類、目標(biāo)檢測等多個應(yīng)用場景，提供從數(shù)據(jù)集管理、模型管理、模型訓(xùn)練到模型輸出的全流程AI計算服務(wù)。
產(chǎn)品特點
機器學(xué)習(xí)通過分類方法獲得分類器以進(jìn)行預(yù)測、通過聚類方法進(jìn)行數(shù)據(jù)分析、通過關(guān)聯(lián)規(guī)則方法挖掘隱藏的信息、通過時間序列方法對時序問題進(jìn)行研究以及各類推薦算法等。為我們帶來巨大方便的同時，潛移默化的將人工智能技術(shù)滲透到生活的方方面面。如：智能駕駛、金融、電商、農(nóng)業(yè)、工業(yè)制造、醫(yī)療、政府、軍工等。
交互式全流程計算服務(wù)
用戶全程無需編寫代碼即可完成機器學(xué)習(xí)計算任務(wù)。友好的WEB交互式界面，用戶可選擇算法，搭建包含數(shù)據(jù)預(yù)處理、特征工程及機器學(xué)習(xí)算法的工作模型，填寫算法參數(shù)并選擇計算資源，即可完成所設(shè)定的工作流程，由服務(wù)器計算任務(wù)結(jié)果并展示結(jié)果。
并行框架集成
平臺預(yù)集成配置的Hadoop、Spark等計算框架，每個算法都是并行的，可以在分布式系統(tǒng)spark上執(zhí)行。
數(shù)據(jù)集管理
支持上傳原始數(shù)據(jù)，通過預(yù)置的數(shù)據(jù)預(yù)處理和特征工程算法，對原始數(shù)據(jù)進(jìn)行處理，得到所需可用數(shù)據(jù)。
機器學(xué)習(xí)算法集成
集成分類、聚類、回歸、關(guān)聯(lián)規(guī)則、文本分析及推薦算法等常用算法，包括決策樹、K均值、Aporiori等
模型訓(xùn)練監(jiān)控
提供模型訓(xùn)練可視化監(jiān)控界面，可實時監(jiān)控模型訓(xùn)練進(jìn)度、資源消耗等。并對模型計算結(jié)果可視化展示。
模型預(yù)測
可對用戶上傳的測試數(shù)據(jù)進(jìn)行測試，并給出預(yù)測結(jié)果的可視化展示。
模型輸出
支持對已訓(xùn)練完成的模型進(jìn)行代碼生成并導(dǎo)出，可滿足用戶對于模型調(diào)用的彈性需求。
主要功能模塊
人工智能實驗——AI深度學(xué)習(xí)實驗環(huán)境：是使用Docker為容器構(gòu)建的底層結(jié)構(gòu)；使用TensorFlow、Pytorch等主流框架作為計算框架，并采用AlexFCN、AlexNet、FasterRCNN-VGG16、、Inception-V1、LeNet、MobileNet、ResNet50 SqueezeNet等15種神經(jīng)網(wǎng)絡(luò)算法，為用戶提供高效、低錯誤率的實驗環(huán)境，可以應(yīng)用于圖像分類和目標(biāo)檢測等多種場景中。
功能界面展示——深度學(xué)習(xí)圖片分類
圖片分類是識別一張圖中是否是某類/某狀態(tài)/某場景，適合圖中主體相對單一的場景。在各分類圖片之間差異明顯的情況下，訓(xùn)練數(shù)據(jù)每類僅需少量圖片，最快幾分鐘可訓(xùn)練完畢,圖像分類應(yīng)用場景豐富
- 圖片內(nèi)容檢索：定制訓(xùn)練需要識別的各種物體，并結(jié)合業(yè)務(wù)信息展現(xiàn)更豐富識別結(jié)果
- 工業(yè)分揀或質(zhì)檢：定制生產(chǎn)線上各種產(chǎn)品識別，進(jìn)而實現(xiàn)自動分揀或者質(zhì)檢
- 圖片審核：定制圖像審核規(guī)則，如訓(xùn)練直播場景中抽煙等違規(guī)現(xiàn)象
功能界面展示——深度學(xué)習(xí)圖片分類
目標(biāo)檢測是在一張圖包含多個物體的情況下，定制識別出每個物體的位置、數(shù)量、名稱，適合圖片中有多個主體的場景。定制物體檢測模型，可以檢測出圖片里面的所有目標(biāo)物體名稱、位置。適用于一張圖片中要識別多個物體，物體計數(shù)等場景中。在各檢測物體之間差異明顯的情況下，訓(xùn)練數(shù)據(jù)每個標(biāo)簽僅需覆蓋少量圖片，訓(xùn)練時間可能需要幾分鐘以上，物體檢測應(yīng)用場景豐富。
- 物體計數(shù)：如零售行業(yè)貨品擺放統(tǒng)計、醫(yī)療細(xì)胞計數(shù)
- 工業(yè)質(zhì)檢：如檢測出圖片里微小瑕疵的數(shù)量和位置
三、Docker實驗環(huán)境
人工智能實驗室——?Docker實驗環(huán)境：集中算力模式下，底層采用Docker技術(shù)實現(xiàn)，并使用K8S技術(shù)實現(xiàn)分布式集中管理。在應(yīng)用層面上本平臺貼合用戶直接與教學(xué)業(yè)務(wù)場景緊密結(jié)合；從容器制作到容器使用全部都內(nèi)嵌到平臺中。可支持教師深度二次開發(fā)各種信息類課程底層環(huán)境,也可用于課堂演示等等。
據(jù)人工智能實驗室5大實驗環(huán)境_04.jpg "普開數(shù)據(jù)人工智能實驗室5大實驗環(huán)境_04")
據(jù)人工智能實驗室5大實驗環(huán)境_19.jpg "普開數(shù)據(jù)人工智能實驗室5大實驗環(huán)境_19")
四、Jupyter實驗環(huán)境
人工智能實驗室——Jupyter實驗環(huán)境：在諸多數(shù)據(jù)科學(xué)類實驗環(huán)境中，Jupyter是一個極易上手的IDE。包括各類開發(fā)語言均可內(nèi)置，例如：Python3、R語言等，而且可以支持控制臺模式。本平臺采用集中算力統(tǒng)一管控方式（K8S），并將Jupyter lab版本內(nèi)嵌到WEB中，方便學(xué)生實訓(xùn)，教師演示。
據(jù)人工智能實驗室5大實驗環(huán)境_13.jpg "普開數(shù)據(jù)人工智能實驗室5大實驗環(huán)境_13")
據(jù)人工智能實驗室5大實驗環(huán)境_10.jpg "普開數(shù)據(jù)人工智能實驗室5大實驗環(huán)境_10")
五、OpenStack實驗環(huán)境
人工智能實驗室——OpenStack實驗環(huán)境：本實驗環(huán)境采用集中算力模式，并按教學(xué)和實訓(xùn)的應(yīng)用需求，為用戶分配資源，多算力環(huán)境中使用Openstack進(jìn)行集中管控，可以滿足教學(xué)、實訓(xùn)時所需要的各類Linux虛擬機、Windows虛擬機的使用。
據(jù)人工智能實驗室5大實驗環(huán)境_20.jpg "普開數(shù)據(jù)人工智能實驗室5大實驗環(huán)境_20")
據(jù)人工智能實驗室5大實驗環(huán)境_22.jpg)
大數(shù)據(jù)人工智能實驗室用戶案例
據(jù)人工智能大數(shù)據(jù)實驗室案例.png)
關(guān)注普開數(shù)據(jù)