O PAI-EasyVision oferece recursos de treinamento e previsão para modelos de visão computacional (CV) e facilita a criação e a implantação de aplicações de IA visual.
A construção de modelos de CV com deep learning apresenta diversos desafios:
Desenvolver e depurar código de deep learning gera custos elevados.
Modelos evoluem rapidamente, o que torna demorado compreender seus princípios.
Otimizar o desempenho de treinamento e inferência exige conhecimento especializado em sistemas.
A anotação de dados tem custos altos.
Adaptar algoritmos open source ao PAI requer curva de aprendizado.
O PAI-EasyVision é um framework de CV intuitivo que permite aos desenvolvedores criar e implantar modelos visuais com agilidade. Principais vantagens:
-
Facilidade de uso
Oferece suporte a diversas tarefas visuais por meio de interfaces modulares e plugáveis. Abrange todo o pipeline, desde E/S de dados e pré-processamento até treinamento e previsão offline. Funciona no Designer e no Data Science Workshop (DSW).
-
Desempenho
Utiliza os mecanismos de otimização do PAI-TensorFlow para treinamento distribuído, otimização de compilação e precisão mista. Garante alto desempenho com arquivos de configuração simples e mantém compatibilidade com TensorFlow open source.
-
Variedade de modelos
Disponibiliza modelos pré-treinados em conjuntos de dados open source e integra modelos do PAI, como OCR, reduzindo custos de desenvolvimento e treinamento.
Arquitetura
O PAI-EasyVision fornece um Model Zoo abrangente com métodos flexíveis de invocação, incluindo PAI-VIP, comandos do PAI e DSW. Utiliza um pipeline distribuído de alta disponibilidade para previsão offline, capaz de processar centenas de milhões de registros. As otimizações de sistema e de modelo do PAI geram modelos menores e mais rápidos para implantação no Elastic Algorithm Service (EAS). Interfaces personalizadas de treinamento e previsão permitem reutilizar as otimizações existentes.
Recursos
-
Simplicidade operacional
Oferece suporte a treinamento interativo, tarefas agendadas e personalização no nível do módulo. Invoque o PAI-EasyVision via PAI-VIP, comandos do PAI ou DSW.
-
Otimização de desempenho
Baseia-se no PAI-TensorFlow para treinamento distribuído de alto desempenho em servidores com GPU única ou múltiplas GPUs. Inclui otimizações na fase de inferência, como otimização de grafo e compressão de modelo.
-
Integração com PAI Smart Labeling
Conecta-se ao PAI Smart Labeling. Converta dados rotulados para o formato TFRecord para treinamento usando a ferramenta de conversão integrada. Inclui módulos de aumento de dados para expandir dinamicamente os conjuntos de treinamento.
-
Previsão offline eficiente
Sistema de pipeline multiservidor para previsão offline com aceleração multithread em cada etapa. O processamento assíncrono do pipeline maximiza o throughput. Cada etapa é personalizável.
-
Conexão com o EAS
O treinamento gera um arquivo SavedModel para integração com seu sistema de previsão online. O EAS fornece serviços de previsão online por meio do PAI-EasyVision EAS Python Processor. Configure o endereço e o tipo do modelo no arquivo de configuração para processamento em tempo real.