PAI-EasyVision propose des fonctionnalités d'entraînement et de prédiction pour les modèles de vision par ordinateur (CV), afin de vous aider à créer et déployer des applications d'IA visuelle.
La création de modèles CV avec le deep learning présente plusieurs défis :
Le développement et le débogage du code de deep learning sont coûteux.
L'évolution rapide des modèles rend la compréhension de leurs principes chronophage.
L'optimisation des performances d'entraînement et d'inférence requiert des connaissances système spécialisées.
Les coûts d'annotation des données sont élevés.
L'adaptation des algorithmes open source à PAI implique une courbe d'apprentissage.
PAI-EasyVision est un framework CV convivial qui aide les développeurs à créer et déployer rapidement des modèles visuels. Principaux avantages :
-
Facilité d'utilisation
Prend en charge plusieurs tâches visuelles grâce à des interfaces modulaires et enfichables. Couvre l'intégralité du pipeline, depuis l'E/S des données et le prétraitement jusqu'à l'entraînement et la prédiction hors ligne. Fonctionne dans Designer et Data Science Workshop (DSW).
-
Performance
S'appuie sur les moteurs d'optimisation PAI-TensorFlow pour l'entraînement distribué, l'optimisation par compilation et la précision mixte. Obtenez des performances élevées avec de simples fichiers de configuration. Compatible avec TensorFlow open source.
-
Variété de modèles
Propose des modèles pré-entraînés sur des jeux de données open source et intègre des modèles PAI tels que l'OCR, réduisant ainsi les coûts de développement et d'entraînement.
Architecture
PAI-EasyVision fournit un Model Zoo complet avec des méthodes d'invocation flexibles, notamment PAI-VIP, les commandes PAI et DSW. Il utilise un pipeline distribué à haute disponibilité pour la prédiction hors ligne, capable de traiter des centaines de millions d'enregistrements. L'optimisation du système et des modèles PAI permet d'obtenir des modèles plus petits et plus rapides pour le déploiement sur Elastic Algorithm Service (EAS). Des interfaces personnalisées d'entraînement et de prédiction vous permettent de réutiliser les optimisations existantes.
Fonctionnalités
-
Facilité d'utilisation
Prend en charge l'entraînement interactif, les tâches planifiées et la personnalisation au niveau des modules. Invoquez PAI-EasyVision via PAI-VIP, les commandes PAI ou DSW.
-
Optimisation des performances
Basé sur PAI-TensorFlow, il permet un entraînement distribué haute performance sur des serveurs mono-GPU et multi-GPU. Prend en charge l'optimisation au stade de l'inférence, y compris l'optimisation des graphes et la compression de modèle.
-
Connexion à PAI Smart Labeling
S'intègre à PAI Smart Labeling. Convertissez les données annotées au format TFRecord pour l'entraînement à l'aide de l'outil de conversion intégré. Inclut des modules d'augmentation des données pour étendre dynamiquement les jeux de données d'entraînement.
-
Prédiction hors ligne efficace
Système de pipeline multi-serveurs pour la prédiction hors ligne avec accélération multithread à chaque étape. Le traitement asynchrone du pipeline maximise le débit. Chaque étape est personnalisable.
-
Connexion à EAS
L'entraînement produit un fichier SavedModel pour l'intégration avec votre système de prédiction en ligne. EAS fournit des services de prédiction en ligne via le processeur Python PAI-EasyVision EAS. Configurez l'adresse et le type du modèle dans le fichier de configuration pour le traitement en temps réel.