江苏龙网

  1. 首页 > 资讯 > 科技 > >

|玩不起1200万美元砸的GPT-3?百度EasyDL让你玩得起超大规模预训练( 二 )


目前 ， EasyDL 专业版已预置了领先的文心（ERNIE）预训练模型 ERNIE 2.0 ， 并配套了丰富的 NLP 经典算法网络 ， 支持文本分类、短文本匹配和序列标注等典型文本处理任务 ， 能够在提升训练效率的同时大幅度提升模型效果 。
文心（ERNIE）在落地上的表现也非常出色 。 某综合性电商平台使用 EasyDL 中的文心（ERNIE）搭建起了完整的智能评分系统 。 AI 赋能后的服务考核监督机制得以升级 ， 用户的差评反馈都会被自动分析处理 ， 大大提升了服务效率与服务质量 。 该系统将负面问题处理率由先前的 60% 提升到 100% ， 客服运营人力由 5 人 / 日降至 3 人 / 日 。
在视觉方向 ， 百度自研的超大规模视觉预训练模型覆盖图像分类与物体检测两个方向：
图像分类的预训练模型用海量互联网数据进行大规模训练（包括 10 万 + 的物体类别 ， 6500 万的超大规模图像数量） ， 适用于各类图像分类场景 ， 平均精度可提升 3.24%-7.73%；
物体检测的预训练模型用 800 + 类别 ， 170 万张图片以及 1000 万 + 物体框的数据集进行大规模训练 ， 适用于各类物体检测应用场景 ， 平均精度可提升 1.78%-4.53% 。
在落地方面 ， 日日生鲜超市使用 EasyDL 进行果蔬识别 ， 以实现智能称重结算 。 他们将 SDK 部署到安卓平板并连接电子秤 ， 大幅提高了称重效率 。 重要的是 ， 如果使用公开数据集预训练模型 ， 准确率只有 90.5% ， 但更换百度超大规模视觉预训练模型后 ， 准确率上升至 98.1% ， 提升了 7.6 个百分点 。
相比我们使用公开数据集或者开源的预训练模型 ， 百度的超大规模视觉和 NLP 预训练模型能够提供更高的模型准确率和更稳定的性能 ， 而这一切都可以通过 EasyDL 专业版获取 。
易用才是最重要的
在讨论易用性之前 ， 我们先来理一下使用开源预训练模型的一般步骤：搭建开发环境、下载模型、读文档、跑范例、写接口加载数据 ， 然后处理一堆报错…… 而且 ， 这还只是训练 。 如果要部署并应用新模型 ， 中间还有大量工作要做 ， 而这些都要我们手动实现 。
相比之下 ， 百度的超大规模预训练模型用起来特别简单 ， 甚至都不需要怎么写代码 ， 设置几个超参数就能开始迁移训练 。
现在 ， 这些超大规模预训练模型已经预置在 EasyDL 专业版中正式发布 。 EasyDL 是百度面向企业开发者推出的零门槛 AI 开发平台 ， 一站式支持智能标注、模型训练、服务部署等全流程功能 ， 平台预置了几十种经典网络和超大规模预训练模型 ， 并支持公有云 / 私有化 / 设备端等灵活部署方式 。 “使用简单” 是 EasyDL 的一大特点 。
EasyDL 用起来到底有多简单？以视觉任务为例 ， 在开始训练之前 ， 你只需要进行三步操作：进入 EasyDL 平台并选择专业版、新建并配置图像分类任务、在「选择预训练模型」版块选择「百度超大规模数据集通用分类预训练模型」 。 然后选择数据集 ， 加载模型 ， 顶尖效果差不多就到手了 。
|玩不起1200万美元砸的GPT-3?百度EasyDL让你玩得起超大规模预训练
本文插图

前面都是常规操作 ， EasyDL 最好用的地方其实体现在部署上 。 对于新模型来说 ， 部署是最复杂的 ， 需要各种工程化操作 。
在使用百度超大规模预训练模型训练得到自己的高精度 AI 模型之后 ， 部署到服务器或者移动端都特别方便 。 EasyDL 提供端云协同的多种灵活部署方式 ， 包括公有云 API、设备端 SDK、本地服务器部署、软硬一体产品等 。
值得注意的是 ， 移动端轻量级部署 EasyDL 也提供了加速版设备端 SDK ， 只需要最少的内存 ， 就能提供最快的预测 。
因为是平台 ， 数据采集与标注、超参搜索与优化、部署工作都集中到了一起 ， 预训练模型的易用性很大程度上都体现在全流程支持 。


推荐阅读


上一篇：植物肉|获千万级美元A轮融资，“星期零”要做好吃不贵的植物肉

下一篇：|一文读懂Perpetual协议，它将带来DeFi衍生品的春天？| DeFi新项目