加拿大当地时间12月8日-14日,国际人工智能顶会NeurIPS 2019在温哥华召开。在本届大会上,浪潮发布了全新升级的自动机器学习算法工具AutoML Suite,其模型搜索效率大幅提升,在模型精度相当的条件下,实现了模型搜索数目提升10倍、训练次数降低10倍。
浪潮AutoML Suite吸引众多关注
AutoML Suite是浪潮自主开发的自动机器学习算法工具平台,在今年4月首发,它具有四大特点:1)一站式可视化处理,用户只需经过任务设置、数据上传、模型搜索、模型训练、模型评估、模型部署六个步骤的可视化操作即可为学习任务构建好网络模型,并获得高精度;2)自动生成计算机视觉CV模型,采用强化学习自动完成分类、回归模型生成,并支持监督学习和无监督学习;3)部署形式灵活,为全球首个支持On-Premise和Cloud双模式部署的产品,秒级完成部署;4)支持多机多GPU卡并行,极大降低模型搜索和模型训练时间,提高了模型生产效率。
升级后的AutoML Suite 采用新一代神经网络架构搜索算法,新增超网络参数共享与目标检测功能,可适用百万级的大规模数据集训练,在大幅缩短模型搜索和模型训练时间的同时,也实现了超越人工设计模型的精度。同时还改进了数据接口读取方式、采用了新的自适应约束条件的模型搜索方式,部署实用性更强,内存消耗更少。
浪潮AutoML Suite自动机器学习算法工具平台
基于CAR数据集的测试结果显示,使用11481张图片的训练数据集,相比之前,搜索模型的平均速度快将近24倍,在模型精度相当的条件下,实现了模型搜索数目提升10倍、训练次数降低10倍。基于CIFAR-10数据集,50000张图片的训练数据集,AutoML Suite 的模型搜索数量达到1500个,模型搜索时间为7.25 GPU时,单次训练耗时仅需129秒,模型精度达到96.7%。在相同测试环境下,对比开源自动建模工具Auto-Keras的各项指标分别为22、24、181和83.64%。
同时,浪潮还公布了AutoML Suite 基于实际应用场景——交通卡口车辆识别业务场景的运行结果。在该场景中,在人工设计模型与自动搜索模型的对比测试中,AutoML Suite相比ShuffleNet V2、Inception V2、ResNet50三个专家手工设计模型,在参数和浮点运算量较少的情况下,实现了模型精度的超越。在交通卡口车辆识别业务场景的实际测试结果显示,在单张GPU卡上,训练35.7万张图片构成的数据集,AutoML Suite 的模型搜索数量达到2000个,搜索耗时54小时,训练耗时196小时,模型平均精度达到94.6%,与之前实战业务模型平均精度相当。
浪潮NeurIPS 2019展区
浪潮是人工智能计算的领导品牌,AI服务器中国市场份额保持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。浪潮拥有业界领先的AI加速卡、全面覆盖训练、推理、边缘等AI场景的服务器阵列,并具备AI算法工具、管理软件等开发能力,可为客户提供一体化交付。在浪潮提出的元脑生态中,浪潮与合作伙伴共享AI计算、资源与算法三大核心平台能力,助力行业用户开发并部署属于自己的“行业大脑”,加速推进产业AI化落地。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
