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。
