Wave AutoML套件推出三个自动化引擎

本篇文章1499字，读完约4分钟

在4月9日举行的2020年Tide云数据中心合作伙伴大会(IPF2020)上，Tide宣布其自动化机器学习算法平台AutoML Suite将引入三大自动化引擎:自动建模引擎AutoNAS、自动超参数调整引擎AutoTune和自动模型压缩引擎AutoRune。通过智能工具，将提高人工智能开发的效率，显著降低人力成本，从而实现企业级一站式模型的自动化构建。与此同时，浪潮宣布行业用户可以申请免费试用AutoML套件。

一般来说，构建一个好的机器学习过程是一项非常复杂的任务。它需要精通机器学习算法的数据科学家和在该领域具有长期经验的专家的协作，以及在连续的试错和迭代中对模型的微调和优化，以获得优异的预测能力，这通常需要很长时间和高成本。

浪潮人工智能与高性能计算公司总经理刘军表示:“浪潮自动化套件的目标是通过自动化手段改进人工智能模型的构建方法，从模型构建、超参数优化、模型压缩等复杂任务中释放出宝贵的专家资源。在减少数据科学家资源占用的同时，它还使领域专家能够自己构建优秀的机器学习过程，从而实现更高的人工智能生产效率。"

浪潮自动化套件可以实现企业级一站式模型的自动构建，支持本地化和云部署，并行高效的模型搜索，完全支持图像分类/回归/目标检测的CV场景应用，以及模型大小和计算的极度压缩。这意味着用户只需要提供原始的图片数据和注释数据，经过AutoML Suite处理后，就可以自动生成所需的人工智能算法模型，实际作战性能超过了专家模型的水平。

上述功能之所以能够实现，是因为AutoML Suite的三个核心引擎:AutoNAS可以根据数据特征从头构建网络模型，实现人工智能模型与用户应用场景的最佳匹配；自动调谐可以自动调整参数，将数据科学家从繁琐耗时的手动参数调整中解放出来。基于元学习技术的AutoPrune可以对任何网络进行无损压缩，使生成的模型能够满足用户的生产部署需求。

强大的引擎使浪潮汽车套件表现非常出色，在256个图形处理器的集群上实现了高达每天4000个模型的搜索效率。同时，浪潮自动化套件还支持人工智能模型的高效压缩。在RestNet50神经网络模型上进行的测试表明，经过自仿射压缩后，计算量可从4个几何级数大幅度降低到1.52个几何级数，推理性能可提高两倍以上。

目前，浪潮汽车套件已经应用于智能城市、铁路、高速公路等场景。对于智能城市车辆分类，浪潮汽车套件基于40万个数据集自动生成的模型白天识别准确率为91.5%，夜间识别准确率为83.6%，高于专家手工设计的模型准确率。在铁路设备故障检测中，使用浪潮汽车套件自动生成的模型，召回率达到81.8%。在高速公路特殊天气识别场景中搜索和训练14000张图片后，自动生成的雾检测模型准确率为99.25%，模型效果符合生产应用水平。

人工智能计算需求呈指数级增长，未来将占计算需求的80%以上。人工智能计算能力中心是智能计算中心，是人工智能的一个新的基础设施。浪潮围绕人工智能计算能力的四个关键运行环节，即生产计算能力、聚合计算能力、调度计算能力和释放计算能力，不断创新，实现人工智能计算能力的全过程、集成化高效交付。通过人工智能计算生产模式的改变，促进了人工智能应用效率的提高，加快了人工智能新基础设施的建设。Wave AutoML套件是释放人工智能计算能力、促进人工智能快速进化和登陆的重要工具。

目前，浪潮人工智能服务器在中国的市场份额保持在50%以上，在系统和应用方面与领先的人工智能技术公司保持着深入和密切的合作，帮助人工智能客户在语音、语义、图像、视频、搜索、网络等方面的应用性能实现了一个数量级的提升。

来源：BBC新闻网