Top
首页 > 正文

浪潮AutoML Suite推出三大自动化引擎,提速智算中心AI算力释放

浪潮围绕AI算力的四大关键作业环节持续创新,即生产算力、聚合算力、调度算力、释放算力,实现AI计算力的全流程、一体化的高效交付,通过AI计算生产方式的变革促进人工智能应用的效率变革,加速人工智能新基建建设。
发布时间:2020-04-16 15:25        来源:赛迪网        作者:

在4月9日举行的2020浪潮云数据中心合作伙伴大会(IPF2020)上,浪潮宣布其自动机器学习算法平台AutoML Suite推出三大自动化引擎:自动建模引擎AutoNAS、自动超参调整引擎AutoTune、自动模型压缩引擎AutoPrune,通过智能化工具来提升AI开发的效率并显著降低人力的成本,实现企业级一站式模型自动构建。同时浪潮宣布,行业用户可申请免费试用AutoML Suite。

通常而言,构建优良的机器学习流程是一个非常复杂的任务,需要精通机器学习算法的数据科学家和具有长期经验的领域专家通力协作,并在不断试错与迭代中完成对模型的微调和优化,才能得到出色的预测能力,这往往要耗费漫长的时间和高昂的成本。

浪潮AI&HPC总经理刘军表示:“浪潮AutoML Suite的目标是借助自动化方式改进人工智能模型的构建方法,将宝贵的专家资源从模型构建、超参数优化、模型压缩等繁琐任务中释放出来,在降低对数据科学家资源占用的同时,让领域专家得以自行构建出色的机器学习流程,从而实现更高的AI生产效率。”

浪潮AutoML Suite可实现企业级一站式模型自动构建,支持本地化和云端部署、并行高效模型搜索,全面支持图像分类/回归/目标检测CV场景应用,模型大小与计算量极致压缩。这意味着用户仅需提供原始图片数据和标注数据,经过AutoML Suite处理后,即可自动生成所需的AI算法模型,实战表现超出专家模型水平。

而之所以可实现上述功能,来源于AutoML Suite的三大核心引擎:AutoNAS可根据数据特性,从无到有构建网络模型,实现AI模型与用户应用场景的最佳匹配;AutoTune可进行超参自动调整,使数据科学家从繁琐耗时的手动调参中解放出来;AutoPrune基于元学习技术,可对任意网络进行无损压缩,使生成的模型满足用户应用生产部署要求。

图片1

强大的引擎使得浪潮AutoML Suite具备极其出色的性能表现,在256块GPU的集群上,可实现高达4000个模型/天的搜索效率。同时,浪潮AutoML Suite也支持对AI模型的高效压缩,针对RestNet50神经网络模型进行的一项测试显示,通过AutoPrune压缩后,能够将计算量从4 GFLOPS大幅降低到1.52 GFLOPS,推理性能可提升两倍以上。

目前,浪潮AutoML Suite已在智慧城市、铁路、公路等场景中得到应用。针对智慧城市车辆分类,浪潮 AutoML Suite基于40万数据集自动生成的模型日间识别准确率达91.5%,夜间识别准确率为83.6%,高于专家手动设计模型精度;在铁道设备故障检测中,运用浪潮AutoML Suite自动生成的模型实现了81.8%的召回准确率;在高速公路特殊天气识别场景,对14000张图片进行搜索训练后,自动生成模型对团雾的检出准确率率为99.25%,模型效果符合生产应用水平。

AI计算需求正呈指数级增长,未来将占据80%以上的计算需求,承载这种需求的就是AI算力中心即智算中心,它是人工智能新基建。浪潮围绕AI算力的四大关键作业环节持续创新,即生产算力、聚合算力、调度算力、释放算力,实现AI计算力的全流程、一体化的高效交付,通过AI计算生产方式的变革促进人工智能应用的效率变革,加速人工智能新基建建设。浪潮AutoML Suite是释放AI算力的重要工具,推动AI快速进化落地。

目前,浪潮AI服务器的中国市场份额保持在50%以上,并与人工智能领先科技公司保持在系统与应用方面的深入紧密合作,帮助AI客户在语音、语义、图像、视频、搜索、网络等方面取得数量级的应用性能提升。

每日必读

专题访谈

合作站点