在追求計算“暴力美學(xué)”的路上,華為云AI的腳步開始加速。

9月18日,2019華為全聯(lián)接大會召開的第一天,華為便亮出全球最快AI訓(xùn)練集群Atlas900以及華為云EI集群服務(wù),其中代表著目前全球算力巔峰的華為云EI集群服務(wù)不到1分鐘即可訓(xùn)練ResNet-50,用10秒就從20萬顆星星中找到想要的那一類星體。

　　“一口氣”發(fā)布EI集群服務(wù)及43款基于昇騰處理器的AI云服務(wù)

如今,這一“仰望星空”的高級別算力可以惠及到每一位AI開發(fā)者,基于Atlas 900的華為云EI集群服務(wù)不僅被部署在華為云上,還以極優(yōu)惠的價格向全球科研機(jī)構(gòu)和大學(xué)開放。

為了更好地釋放澎湃算力,引領(lǐng)普惠AI,華為Cloud&AI產(chǎn)品與服務(wù)總裁侯金龍還在全聯(lián)接大會第二天宣布,基于昇騰(Ascend)處理器,華為云一口氣推出了43款A(yù)I云服務(wù),未來將廣泛應(yīng)用于AI推理、AI訓(xùn)練、自動駕駛等多種場景?；跁N騰310充沛經(jīng)濟(jì)算力,華為云圖像搜索服務(wù)、內(nèi)容審核服務(wù)升級,性能提升的同時價格下降70%,業(yè)界最低。

9月20日,華為云為開發(fā)者釋放壓軸大招——重裝升級的華為云一站式AI開發(fā)管理平臺ModelArts 2.0,讓整個AI開發(fā)流程極簡、自動化。

這對AI初學(xué)者和大牛都是一大福音。編程小白可以輕松上手AI開發(fā),專業(yè)AI開發(fā)者則可以顯著感受效率的提升。

　　四大步驟十余項功能,逐個擊破AI開發(fā)痛點(diǎn)

ModelArts 2.0升級,瞄準(zhǔn)AI開發(fā)流程中的四大步驟:數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、模型管理、模型推理。其中涉及海量數(shù)據(jù)篩選、數(shù)據(jù)標(biāo)注、模型調(diào)優(yōu)等,都有著繁瑣而技術(shù)的門檻。

尤其在海量數(shù)據(jù)處理方面,數(shù)據(jù)篩選、標(biāo)注等重復(fù)性高的任務(wù)往往花費(fèi)大量時間,嚴(yán)重消耗開發(fā)者的精力。比如在視覺類場景中,一些不符合要求的照片,比如失焦、過度曝光的照片等,通常不能參與標(biāo)注。而篩選這些照片非常浪費(fèi)人力成本。

模型訓(xùn)練期間同樣面臨很多難題,多樣的模型選擇、繁復(fù)的調(diào)參工作令無數(shù)開發(fā)者倍感苦惱。

為了解決這些痛點(diǎn),9月20日,華為云EI服務(wù)產(chǎn)品部總經(jīng)理賈永利宣布,華為云一站式AI開發(fā)管理平臺ModelArts 2.0重磅發(fā)布,其以全流程的極簡和自動化優(yōu)勢,分別針對AI開發(fā)的這四大步驟做了全面升級。

　　1、數(shù)據(jù)準(zhǔn)備:自動篩查、標(biāo)注、評估

針對操作繁瑣又低門檻的數(shù)據(jù)準(zhǔn)備過程,通過智能數(shù)據(jù)篩選,用AI的方式自動過濾和篩選出對訓(xùn)練模型無效的數(shù)據(jù)。全方位提升數(shù)據(jù)準(zhǔn)備的效率,還有助于優(yōu)化訓(xùn)練效果。

尤其是首次提出的混合智能標(biāo)注技術(shù),可以將標(biāo)注效率提升至少5倍。對于數(shù)據(jù)集體量大的開發(fā)工作而言,這一功能將非常有幫助。

人工處理數(shù)據(jù)時,可能會出現(xiàn)偏差。對此,ModelArts 2.0還將上線數(shù)據(jù)評估與診斷功能。目前,這一功能已提供基于樣本質(zhì)量特征、圖像全局屬性、標(biāo)注特征約20種特性的自動提取和可視化能力。這些能力可對開發(fā)者起指導(dǎo)作用,幫助開發(fā)者更好地識別數(shù)據(jù)的深層關(guān)系,從而對數(shù)據(jù)進(jìn)行優(yōu)化。

　　2、模型訓(xùn)練:加速匹配網(wǎng)絡(luò)架構(gòu)最優(yōu)解

AI開發(fā)者常被調(diào)侃為“調(diào)參工”。這是因為在模型訓(xùn)練階段,每個AI開發(fā)者或多或少到會遇到如何選擇神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和反復(fù)調(diào)參的難題,手動調(diào)試往往會帶來更昂貴的計算成本。

為了幫開發(fā)者盡可能快地找到神經(jīng)網(wǎng)絡(luò)架構(gòu)的最優(yōu)解,ModelArts獨(dú)創(chuàng)的多元搜索技術(shù),將自動數(shù)據(jù)增強(qiáng)、超參自動搜索、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索技術(shù)融合,不僅縮短構(gòu)建AI模型的時間,而且據(jù)稱在精度表現(xiàn)上遠(yuǎn)超業(yè)界表現(xiàn)。

現(xiàn)場,華為云展示了基于ModelArts 2.0構(gòu)建的細(xì)胞發(fā)育時期分類模型,華為云EI團(tuán)隊通過多元搜索技術(shù)構(gòu)建單細(xì)胞基因圖譜表達(dá)分類模型,相比用傳統(tǒng)自動學(xué)習(xí)方法構(gòu)建模型,精度提升5.4%,訓(xùn)練速度快5倍。

考慮到企業(yè)級應(yīng)用的需求,ModelArts 2.0還開放了ModelArts SDK,支持集成第三方開發(fā)環(huán)境(例如PyCharm),打通開發(fā)流水線。也就是說,開發(fā)者可以按需靈活調(diào)用華為云ModelArts 2.0背后由Atlas 900等強(qiáng)大集群提供的超強(qiáng)算力,并方便線上線下的協(xié)同開發(fā)。

　　3、模型管理:豐富評估接口,提供專家建議

對于算法開發(fā)人員來說,對模型性能的評估及調(diào)優(yōu)是一項既重要又高難度的工作。尤其對于開發(fā)小白來說,學(xué)習(xí)和分析需要花費(fèi)不少時間。

ModelArts 2.0提供了豐富的模型評估接口和可視化能力,并能夠基于評估結(jié)果給AI開發(fā)者提供模型診斷建議,輔助開發(fā)者對模型進(jìn)行調(diào)優(yōu)和增強(qiáng)。

　　4、模型推理:解決難例挖掘痛點(diǎn)

開發(fā)者都知道,由于模型訓(xùn)練過程中有些樣本的出錯率高,這些樣本需要被重新放回網(wǎng)絡(luò)再做訓(xùn)練,這些樣本被叫做難例。傳統(tǒng)的難例挖掘需經(jīng)歷訓(xùn)練網(wǎng)絡(luò)、查找易被錯誤判斷的樣本、加入負(fù)樣本集中、重新訓(xùn)練網(wǎng)絡(luò),這一過程會耗費(fèi)很多時間。

ModelArts 2.0首發(fā)難例自動發(fā)現(xiàn)功能,結(jié)合在線學(xué)習(xí)方式,打通了運(yùn)行態(tài)和開發(fā)態(tài),讓數(shù)據(jù)和模型能在線持續(xù)學(xué)習(xí)和進(jìn)化。如果在推理過程中,模型發(fā)現(xiàn)很難取得正確結(jié)果的數(shù)據(jù)樣本,就會將這些數(shù)據(jù)集中做在線學(xué)習(xí),以提升模型的準(zhǔn)確度。

這一功能已率先在華為云自動駕駛云服務(wù)Octopus上試運(yùn)行。

　　小白分秒上手,大神效率大增

“全球最強(qiáng)算力”聽起來很厲害,但其實(shí)離開發(fā)者們并不遙遠(yuǎn),大家可以通過華為云方便地使用到。而ModelArts 2.0則是能讓各類人群都感覺到效率、性能倍增的一款A(yù)I開發(fā)神器。

現(xiàn)場,賈永利表示,華為云ModelArts 2.0重裝升級有兩大目標(biāo):一是降低AI初學(xué)者門檻,讓更為廣泛的AI初學(xué)者群體和龐大的軟件開發(fā)者群體都能快速掌握AI技能;二是提升專業(yè)AI開發(fā)者效率,使其聚焦在基礎(chǔ)核心的算法研究與創(chuàng)新。

智東西曾體驗一代ModelArts平臺,即使是從來沒有接觸過AI的小白,在極簡步驟和貼心視頻指南的幫助下,只需點(diǎn)點(diǎn)鼠標(biāo),即可三步完成圖像識別、視頻分析、語音識別、產(chǎn)品推薦、異常檢測等五類常見AI應(yīng)用。(神奇!零基礎(chǔ)分分鐘玩轉(zhuǎn)AI,華為云ModelArts全體驗)

此次升級,感受更明顯的當(dāng)屬算法工程師、數(shù)據(jù)科學(xué)家等專業(yè)AI開發(fā)者。

對于有自研算子需求的AI深度玩家,ModelArts不僅提供華為自研MindSpore計算框架以及TensorFlow等各種主流框架,還預(yù)置豐富算子庫和模型算法,允許開發(fā)者根據(jù)業(yè)務(wù)需求自定義新算子,以及創(chuàng)建特定領(lǐng)域AI框架和新的神經(jīng)網(wǎng)絡(luò)。

開發(fā)者還可借助ModelArts的高性能Moxing分布式訓(xùn)練框架,來發(fā)揮千級NPU集群訓(xùn)練的算力優(yōu)勢,通過暴力計算將復(fù)雜模型訓(xùn)練時間從幾周降至幾分鐘,大幅提升開發(fā)效率。

其中,MindSpore可提供自動化的并行能力,只需簡單幾行描述,就能讓算法跑到幾十乃至上千AI運(yùn)算節(jié)點(diǎn)上。它還能提供強(qiáng)大的自動微分能力,從源碼級別幫助實(shí)現(xiàn)微分算子的自動開發(fā),使AI專家們能更聚焦在創(chuàng)新。

畢竟,這些專業(yè)研究人才是推動AI創(chuàng)新與發(fā)展的主力軍,但數(shù)據(jù)標(biāo)注等繁瑣而重復(fù)性勞動嚴(yán)重分散他們的精力,ModelArts 2.0新增的多種智能化和自動化功能將幫他們節(jié)省更多時間來開發(fā)高效應(yīng)用,同時給他們提供更多參考性建議。

憑借極簡的開發(fā)流程和出色的性能表現(xiàn),華為云一站式AI開發(fā)管理平臺ModelArts一經(jīng)推出迅速博得廣大AI開發(fā)者的喜愛。自2018年10月發(fā)布以來,ModelArts已擁有超過4萬個開發(fā)者。

　　辦大賽、設(shè)大獎,狂撒開發(fā)者福利

無論是技術(shù)創(chuàng)新還是開發(fā)者生態(tài)都是支撐云服務(wù)提供商在Cloud 2.0時代穩(wěn)健發(fā)展的關(guān)鍵。為了推動AI開發(fā)者生態(tài)建設(shè),華為一邊打造全棧全場景AI軟硬件利器,另一邊推計劃、辦大賽、設(shè)高額獎金,竭盡所能培育AI開發(fā)人才。

自2015年在第一屆華為開發(fā)者大會上華為發(fā)布“沃土”計劃,5年投入10億美元,迄今,沃土計劃1.0已獲得130萬開發(fā)者、14000多個應(yīng)用與解決方案伙伴。今年年初,華為云還發(fā)布了華為云專家激勵計劃,發(fā)展1500名云專家,通過千萬級激勵權(quán)益投入,共同打造華為云開發(fā)者生態(tài)。除此之外,僅在過去兩個月,華為云接連舉辦眾多人工智能大賽——包括無人車挑戰(zhàn)杯、垃圾分類挑戰(zhàn)杯、鯤鵬開發(fā)者大賽等——以大賽為抓手,繁榮開發(fā)者生態(tài)。

而在下一個5年,華為沃土計劃2.0將投入15億美元,針對個人、高校、企業(yè)和SIV/IHV四類開發(fā)者,從產(chǎn)品、賦能、聯(lián)盟、社區(qū)、激勵等五大方面進(jìn)行升級。

隨著沃土計劃2.0的推進(jìn),華為正將AI技術(shù)賦能到更多行業(yè),幫助越來越多的企業(yè)借助AI挖掘數(shù)字紅利和提高生產(chǎn)力。

　　結(jié)語:普惠AI持續(xù)推進(jìn)中

如今AI作為新的生產(chǎn)力,已成為云計算廠商賽道拓展的必經(jīng)之徑。華為已吹響全場景全棧式AI集結(jié)號,基于強(qiáng)大的算力砥柱和以基于昇騰的云服務(wù)和ModelArts為代表的日臻完善的AI服務(wù),顯然華為云將繼續(xù)推進(jìn)“普惠AI”的落地,為科學(xué)研究和產(chǎn)業(yè)創(chuàng)新提供更強(qiáng)勁的驅(qū)動力。

近日,華為云也推出了ModelArts-Lab AI實(shí)戰(zhàn)營系列活動,來幫助開發(fā)者掌握人工智能實(shí)戰(zhàn)技能,覆蓋領(lǐng)域包括圖像分割、姿態(tài)識別、活體識別、NLP等等。如果你有興趣,不妨試一試。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。