江苏龙网

  1. 首页 > 资讯 > 科技 > >

深度学习|不懂AI的我，是如何搞开发的？


金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
高达86% ， 这就是目前市场对「定制开发AI模型」需求的占比 。
但在这个过程中 ， 企业用户和开发者往往存在着以下诸多问题：
缺少模型训练经验
数据采集和标注成本较高
模型适配与部署流程非常繁琐
模型优化迭代周期长
那么 ， 是否存在一种工具 ， 能够「一站式解决」上述问题呢？
百度EasyDL了解一下 。
简单来说 ， EasyDL极大降低了深度学习的应用门槛：
把AI开发这件事情 ， 搞得像使用「家用电器」一样简单 。而且训练产出的AI模型质量 ， 如同高级工程师产出的一样专业 。
深度学习|不懂AI的我，是如何搞开发的？
本文插图

但其实 ， 百度早在2017年底便推出了EasyDL ， 2018年初正式开放 ， 与此同时提出了一个愿景——Everyone can AI 。
那么时隔近三年 ， 这一愿景走到了哪一步呢？
像用家电一样的AI ， 能有多靠谱？
先来整体看下EasyDL所具有的三大特点：
极简的交互和使用流程 ， 最快15分钟即可完成模型训练；
高精度的训练效果 ， 比如图像分类模型的线上平均准确率在99%以上；
部署方式丰富 ， 全面支持云、端、边部署 。
深度学习|不懂AI的我，是如何搞开发的？
本文插图

首先是EasyDL的易用性、低门槛 。
使用流程只有简单的四步 ， 分别是「创建模型」、「准备数据」、「训练模型」和「部署应用」 。
并且 ， 在整个过程当中 ， 都是可视化图形操作 ， 这就大大降低了企业、开发人员的使用门槛 。
用百度AI平台研发部技术总监忻舟的话来说就是：
不用一行代码也可以基于需求和数据 ， 定制自己的AI解决方案 。
在工业制造的生产质检领域 ， 以「爱包花饰」为例 ， 在监测箱包生产过程中的残留异物（针、金属零部件等）时 ， 使用EasyDL训练箱包质检模型 ， 在完全无需了解AI算法细节前提下 ， 也训练出了准确率90%的模型 。
再以「瀚才猎头」为例 ， 几名人力资源专家在不了解AI算法的情况下 ， 使用EasyDL ， 完成了简历数据的结构化处理和自动分类模型 ， 大大提升了工作人员在简历检索方面的效率 。
但简单 ， 并不意味着会忽略掉专业性 。 相反 ， 二者是「兼容且并行」 。
依旧是「瀚才猎头」的案例 ， 作为一家高级管理人员代理招募机构 ， 其储备了200万条不同行业的企业和人才信息 。
但一个非常「致命」的问题就是：200万条数据因简历检索的低下 ， 使人才库的利用率不足10% 。
深度学习|不懂AI的我，是如何搞开发的？
本文插图

而在使用EasyDL之后训练多个模型推进简历数据的结构化处理 ， 仅在「候选人职能」和「候选人职级」两个模型上的识别率便达到了95%以上 。
而以关键词搜索的任务中 ， 瀚才猎头以往每天只能找到60-70份合适的简历 。 但现如今 ， 20分钟就可能达到600-1000份 ， 而且精准度达到了95% 。
一言蔽之 ， 百度EasyDL不仅让企业在「定制AI模型」上 ， 使用起来像家用电器一般简单 ， 并且还能像高级AI工程师一样专业 。
除此之外 ， EasyDL还支持公有云API、私有服务器部署、设备端SDK、软硬一体方案等丰富的模型部署方式 。
例如在软硬一体方案部署上 ， EasyDL提供了6款软硬一体方案 ， 支持专项适配与加速 ， 覆盖高中低全矩阵 ， 模型识别速度可提升10倍 。
不仅丰富 ， 还非常快——最快仅5分钟即可集成 。
而EasyDL这一切的优异特性 ， 离不开其背后的技术硬实力 。


推荐阅读


上一篇：沉睡者|「Pro」不止一点，iPhone 12 Pro/Pro Max 来了！

下一篇：趣头条|加码出租车 滴滴未来三年补贴超10亿元