數(shù)據(jù)人工智能實(shí)驗(yàn)實(shí)訓(xùn)平臺(tái).jpg "普開(kāi)數(shù)據(jù)人工智能實(shí)驗(yàn)實(shí)訓(xùn)平臺(tái)")
Link to: 人工智能實(shí)驗(yàn)室
人工智能實(shí)驗(yàn)室――建設(shè)方案
Link to: 五大實(shí)驗(yàn)環(huán)境
人工智能實(shí)驗(yàn)室五大實(shí)驗(yàn)環(huán)境
機(jī)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(jī)器學(xué)習(xí)實(shí)驗(yàn)環(huán)境
普開(kāi)人工智能實(shí)驗(yàn)室——機(jī)器學(xué)習(xí)實(shí)驗(yàn)環(huán)境：是一個(gè)機(jī)器學(xué)習(xí)計(jì)算服務(wù)平臺(tái)。通過(guò)整合高性能計(jì)算、云計(jì)算、大數(shù)據(jù)、機(jī)器學(xué)習(xí)等多學(xué)科的關(guān)鍵技術(shù)，提供一站式機(jī)器學(xué)習(xí)云計(jì)算應(yīng)用服務(wù)解決方案.能夠幫助用戶快速構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用，以解決實(shí)際問(wèn)題，同時(shí)可以導(dǎo)出相關(guān)代碼，供用戶學(xué)習(xí)使用。 AI機(jī)器學(xué)習(xí)實(shí)驗(yàn)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(yǔ)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(wú)需編程也可訓(xùn)練模型。
典型應(yīng)用場(chǎng)景
機(jī)器學(xué)習(xí)通過(guò)分類方法獲得分類器以進(jìn)行預(yù)測(cè)、通過(guò)聚類方法進(jìn)行數(shù)據(jù)分析、通過(guò)關(guān)聯(lián)規(guī)則方法挖掘隱藏的信息、通過(guò)時(shí)間序列方法對(duì)時(shí)序問(wèn)題進(jìn)行研究以及各類推薦算法等。為我們帶來(lái)巨大方便的同時(shí)，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(diǎn)
普開(kāi)人工智能實(shí)驗(yàn)室——操作簡(jiǎn)單、算法豐富、支持代碼導(dǎo)出，提供多種企業(yè)應(yīng)用級(jí)模型，基于行業(yè)的機(jī)器學(xué)習(xí)多種算法，通過(guò)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(jiǎn)潔，直觀易懂，還體用一鍵導(dǎo)出代碼功能，通過(guò)平臺(tái)處理的工作模型自定義建模。
主要功能
普開(kāi)人工智能實(shí)驗(yàn)室——AI機(jī)器學(xué)習(xí)實(shí)驗(yàn)環(huán)境：通過(guò)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(gè)簡(jiǎn)單高效的機(jī)器學(xué)習(xí)訓(xùn)練平臺(tái)。該系統(tǒng)通過(guò)簡(jiǎn)單的5個(gè)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(shí)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(kāi)發(fā)對(duì)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(shí)驗(yàn)室——AI深度學(xué)習(xí)實(shí)驗(yàn)環(huán)境；通過(guò)整合人工智能、高性能計(jì)算、大數(shù)據(jù)及云計(jì)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(cè)等多個(gè)應(yīng)用場(chǎng)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(jì)算服務(wù)。
產(chǎn)品特點(diǎn)
機(jī)器學(xué)習(xí)通過(guò)分類方法獲得分類器以進(jìn)行預(yù)測(cè)、通過(guò)聚類方法進(jìn)行數(shù)據(jù)分析、通過(guò)關(guān)聯(lián)規(guī)則方法挖掘隱藏的信息、通過(guò)時(shí)間序列方法對(duì)時(shí)序問(wèn)題進(jìn)行研究以及各類推薦算法等。為我們帶來(lái)巨大方便的同時(shí)，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(jì)算服務(wù)
用戶全程無(wú)需編寫代碼即可完成機(jī)器學(xué)習(xí)計(jì)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(jī)器學(xué)習(xí)算法的工作模型，填寫算法參數(shù)并選擇計(jì)算資源，即可完成所設(shè)定的工作流程，由服務(wù)器計(jì)算任務(wù)結(jié)果并展示結(jié)果。
并行框架集成
平臺(tái)預(yù)集成配置的Hadoop、Spark等計(jì)算框架，每個(gè)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(guò)預(yù)置的數(shù)據(jù)預(yù)處理和特征工程算法，對(duì)原始數(shù)據(jù)進(jìn)行處理，得到所需可用數(shù)據(jù)。
機(jī)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(shù)、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(shí)時(shí)監(jiān)控模型訓(xùn)練進(jìn)度、資源消耗等。并對(duì)模型計(jì)算結(jié)果可視化展示。
模型預(yù)測(cè)
可對(duì)用戶上傳的測(cè)試數(shù)據(jù)進(jìn)行測(cè)試，并給出預(yù)測(cè)結(jié)果的可視化展示。
模型輸出
支持對(duì)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(duì)于模型調(diào)用的彈性需求。
主要功能模塊
人工智能實(shí)驗(yàn)——AI深度學(xué)習(xí)實(shí)驗(yàn)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(jì)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(cuò)誤率的實(shí)驗(yàn)環(huán)境，可以應(yīng)用于圖像分類和目標(biāo)檢測(cè)等多種場(chǎng)景中。
功能界面展示——深度學(xué)習(xí)圖片分類
圖片分類是識(shí)別一張圖中是否是某類/某狀態(tài)/某場(chǎng)景，適合圖中主體相對(duì)單一的場(chǎng)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(chǎng)景豐富
- 圖片內(nèi)容檢索：定制訓(xùn)練需要識(shí)別的各種物體，并結(jié)合業(yè)務(wù)信息展現(xiàn)更豐富識(shí)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(shí)別，進(jìn)而實(shí)現(xiàn)自動(dòng)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(chǎng)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(cè)是在一張圖包含多個(gè)物體的情況下，定制識(shí)別出每個(gè)物體的位置、數(shù)量、名稱，適合圖片中有多個(gè)主體的場(chǎng)景。定制物體檢測(cè)模型，可以檢測(cè)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(shí)別多個(gè)物體，物體計(jì)數(shù)等場(chǎng)景中。在各檢測(cè)物體之間差異明顯的情況下，訓(xùn)練數(shù)據(jù)每個(gè)標(biāo)簽僅需覆蓋少量圖片，訓(xùn)練時(shí)間可能需要幾分鐘以上，物體檢測(cè)應(yīng)用場(chǎng)景豐富。
- 物體計(jì)數(shù)：如零售行業(yè)貨品擺放統(tǒng)計(jì)、醫(yī)療細(xì)胞計(jì)數(shù)
- 工業(yè)質(zhì)檢：如檢測(cè)出圖片里微小瑕疵的數(shù)量和位置
三、Docker實(shí)驗(yàn)環(huán)境
人工智能實(shí)驗(yàn)室——?Docker實(shí)驗(yàn)環(huán)境：集中算力模式下，底層采用Docker技術(shù)實(shí)現(xiàn)，并使用K8S技術(shù)實(shí)現(xiàn)分布式集中管理。在應(yīng)用層面上本平臺(tái)貼合用戶直接與教學(xué)業(yè)務(wù)場(chǎng)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(tái)中。可支持教師深度二次開(kāi)發(fā)各種信息類課程底層環(huán)境,也可用于課堂演示等等。
數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_04.jpg "普開(kāi)數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_04")
數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_19.jpg "普開(kāi)數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_19")
四、Jupyter實(shí)驗(yàn)環(huán)境
人工智能實(shí)驗(yàn)室——Jupyter實(shí)驗(yàn)環(huán)境：在諸多數(shù)據(jù)科學(xué)類實(shí)驗(yàn)環(huán)境中，Jupyter是一個(gè)極易上手的IDE。包括各類開(kāi)發(fā)語(yǔ)言均可內(nèi)置，例如：Python3、R語(yǔ)言等，而且可以支持控制臺(tái)模式。本平臺(tái)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(shí)訓(xùn)，教師演示。
數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_13.jpg "普開(kāi)數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_13")
數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_10.jpg "普開(kāi)數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_10")
五、OpenStack實(shí)驗(yàn)環(huán)境
人工智能實(shí)驗(yàn)室——OpenStack實(shí)驗(yàn)環(huán)境：本實(shí)驗(yàn)環(huán)境采用集中算力模式，并按教學(xué)和實(shí)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(shí)訓(xùn)時(shí)所需要的各類Linux虛擬機(jī)、Windows虛擬機(jī)的使用。
數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_20.jpg "普開(kāi)數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_20")
數(shù)據(jù)人工智能實(shí)驗(yàn)室5大實(shí)驗(yàn)環(huán)境_22.jpg)
大數(shù)據(jù)人工智能實(shí)驗(yàn)室用戶案例
數(shù)據(jù)人工智能大數(shù)據(jù)實(shí)驗(yàn)室案例.png)
關(guān)注普開(kāi)數(shù)據(jù)