人工智能实验室五大实验环境
机器学习环境、深度学习环境、Docker环境、Jupyter环境、OpenStack环境
一、机器学习实验环境
普开人工智能实验室——机器学习实验环境:是一个机器学习计算服务平台。通过整合高性能计算、云计算、大数据、机器学习等多学科的关键技术,提供一站式机器学习云计算应用服务解决方案.能够帮助用户快速构建机器学习应用,以解决实际问题,同时可以导出相关代码,供用户学习使用。 AI机器学习实验环境集成分类、聚类、回归、关联规则、推荐算法及自然语言处理算法等多种算法,并提供直观易用的拖拽式操作,使用户无需编程也可训练模型。
典型应用场景
机器学习通过分类方法获得分类器以进行预测、通过聚类方法进行数据分析、通过关联规则方法挖掘隐藏的信息、通过时间序列方法对时序问题进行研究以及各类推荐算法等。为我们带来巨大方便的同时,潜移默化的将人工智能技术渗透到生活的方方面面。如:智能驾驶、金融、电商、农业、工业制造、医疗、政府、军工等。
产品亮点
普开人工智能实验室——操作简单、算法丰富、支持代码导出,提供多种企业应用级模型,基于行业的机器学习多种算法,通过拖拉拽方式轻松完成数据预处理和构建训练模型,流程简洁,直观易懂,还体用一键导出代码功能,通过平台处理的工作模型自定义建模。
主要功能
普开人工智能实验室——AI机器学习实验环境:通过易操作、图形化、拖拽式的界面,为初学者用户量身定做了一个简单高效的机器学习训练平台。该系统通过简单的5个步骤,即可定制化训练出用户所需的工作模型:该系统同时也支持各行业的工程应用,用户可以使用该训练系统开发对应需求的工程应用及科研服务。
人工智能实验室——AI深度学习实验环境;通过整合人工智能、高性能计算、大数据及云计算等多学科的关键技术,提供从训练到推理的一站式人工智能应用服务解决方案,能够帮助用户快速构建人工智能研发及科研环境,大幅降低人工智能技术准入门槛,提升人工智能研发效率。该系统集成图像分类、目标检测等多个应用场景,提供从数据集管理、模型管理、模型训练到模型输出的全流程AI计算服务。
主要功能模块
人工智能实验——AI深度学习实验环境:是使用Docker为容器构建的底层结构;使用TensorFlow、Pytorch等主流框架作为计算框架,并采用AlexFCN、AlexNet、FasterRCNN-VGG16、、Inception-V1、LeNet、MobileNet、ResNet50 SqueezeNet等15种神经网络算法,为用户提供高效、低错误率的实验环境,可以应用于图像分类和目标检测等多种场景中。
功能界面展示——深度学习图片分类
目标检测是在一张图包含多个物体的情况下,定制识别出每个物体的位置、数量、名称,适合图片中有多个主体的场景。定制物体检测模型,可以检测出图片里面的所有目标物体名称、位置。适用于一张图片中要识别多个物体,物体计数等场景中。在各检测物体之间差异明显的情况下,训练数据每个标签仅需覆盖少量图片,训练时间可能需要几分钟以上,物体检测应用场景丰富。
- 物体计数:如零售行业货品摆放统计、医疗细胞计数
- 工业质检:如检测出图片里微小瑕疵的数量和位置
三、Docker实验环境
人工智能实验室—— Docker实验环境:集中算力模式下,底层采用Docker技术实现,并使用K8S技术实现分布式集中管理。在应用层面上本平台贴合用户直接与教学业务场景紧密结合;从容器制作到容器使用全部都内嵌到平台中。可支持教师深度二次开发各种信息类课程底层环境,也可用于课堂演示等等。
四、Jupyter实验环境
人工智能实验室——Jupyter实验环境:在诸多数据科学类实验环境中,Jupyter是一个极易上手的IDE。包括各类开发语言均可内置,例如:Python3、R语言等,而且可以支持控制台模式。本平台采用集中算力统一管控方式(K8S),并将Jupyter lab版本内嵌到WEB中,方便学生实训,教师演示。
五、OpenStack实验环境
人工智能实验室——OpenStack实验环境:本实验环境采用集中算力模式,并按教学和实训的应用需求,为用户分配资源,多算力环境中使用Openstack进行集中管控,可以满足教学、实训时所需要的各类Linux虚拟机、Windows虚拟机的使用。