浪潮AutoML Suite是浪潮公司自主研發的自動機器學習算法工具平台，於2019年IPF大會首次發布，支持本地化與雲端雙模式部署，覆蓋圖像分類、回歸及目標檢測等計算機視覺場景套用，並提供模型自動化壓縮功能，旨在降低AI開發門檻並提升模型生產效率。
2019年NeurIPS大會上，該平台完成首次升級，模型搜尋效率提升至原版的10倍。2020年IPF大會推出三大自動化引擎：AutoNAS基於數據特性構建定製化網路模型，AutoTune實現超參數自動調整，AutoPrune通過元學習技術進行模型無損壓縮。平台已在智慧城市、軌道交通等領域落地套用，交通卡口車輛識別模型平均精度達94.6%，高速公路團霧識別準確率達99.25%，鐵路巡檢模型開發效率提升5倍。
基本介紹
- 中文名：浪潮AutoML Suite
- 所屬行業：人工智慧
- 創立時間：2019年
- 所屬公司 ：浪潮
產品簡介,產品特色,套用案例,
產品簡介
浪潮AutoML Suite可實現企業級一站式模型自動構建，支持本地化和雲端部署、並行高效模型搜尋，全面支持圖像分類/回歸/目標檢測CV場景套用，模型大小與計算量極致壓縮。這意味著用戶僅需提供原始圖片數據和標註數據，經過AutoML Suite處理後，即可自動生成所需的AI算法模型，實戰表現超出專家模型水平。
在IPF2019上，浪潮重磅發布可靈活支持本地化或雲端部署的高並行擴展自動機器學習平台AutoML Suite，為人工智慧客戶與開發者提供快速高效開發AI模型的能力。
在NeurIPS 2019上，浪潮發布了全新升級的自動機器學習算法工具AutoML Suite，其模型搜尋效率大幅提升，在模型精度相當的條件下，實現了模型搜尋數目提升10倍、訓練次數降低10倍。
在IPF2020上，浪潮宣布其自動機器學習算法平台AutoML Suite推出三大自動化引擎，通過智慧型化工具來提升AI開發的效率並顯著降低人力的成本，實現企業級一站式模型自動構建。同時浪潮宣布，行業用戶可申請免費試用AutoML Suite。
產品特色
AutoML Suite具有四大特點
（1）一站式可視化處理，用戶只需經過任務設定、數據上傳、模型搜尋、模型訓練、模型評估、模型部署六個步驟的可視化操作即可為學習任務構建好網路模型，並獲得高精度；
（2）自動生成計算機視覺CV模型，採用強化學習自動完成分類、回歸模型生成，並支持監督學習和無監督學習；
（3）部署形式靈活，為全球首個支持On-Premise和Cloud雙模式部署的產品，秒級完成部署；
（4）支持多機多GPU卡並行，極大降低模型搜尋和模型訓練時間，如在模型搜尋階段，在16塊GPU的AI伺服器集群上運行，單個模型平均搜尋的時間為9.6分鐘，一天可以搜尋144個模型，極大提高了模型生產效率。
AutoML Suite有三大核心引擎
（1） AutoNAS可根據數據特性，從無到有構建網路模型，實現AI模型與用戶套用場景的最佳匹配；
（2） AutoTune可進行超參自動調整，使數據科學家從繁瑣耗時的手動調參中解放出來；
（3） AutoPrune基於元學習技術，可對任意網路進行無損壓縮，使生成的模型滿足用戶套用生產部署要求。
套用案例
浪潮AutoML Suite已在智慧城市、鐵路、公路等場景中得到套用。
針對智慧城市車輛分類，浪潮 AutoML Suite基於40萬數據集自動生成的模型日間識別準確率達91.5%，夜間識別準確率為83.6%，高於專家手動設計模型精度。
在鐵道設備故障檢測中，運用浪潮AutoML Suite自動生成的模型實現了81.8%的召回準確率。
在高速公路特殊天氣識別場景，對14000張圖片進行搜尋訓練後，自動生成模型對團霧的檢出準確率率為99.25%，模型效果符合生產套用水平。
在交通卡口車輛識別業務場景中，在人工設計模型與自動搜尋模型的對比測試中，AutoML Suite相比ShuffleNet V2、Inception V2、ResNet50三個專家手工設計模型，在參數和浮點運算量較少的情況下，實現了模型精度的超越。在交通卡口車輛識別業務場景的實際測試結果顯示，在單張GPU卡上，訓練35.7萬張圖片構成的數據集，AutoML Suite 的模型搜尋數量達到2000個，搜尋耗時54小時，訓練耗時196小時，模型平均精度達到94.6%，與之前實戰業務模型平均精度相當。
