智慧眼:构建【星辰】,探索视界

人工智能的迅速发展正在深刻改变着人类生活 , 人工智能已经成为国际竞争的新焦点和经济发展的新引擎 。 经过60多年的演进 , 目前的人工智能呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征 。

2020年6月18日 , 智慧眼AILab正式发布并启用新一代人工智能训练推理框架--星辰 , 以更好地服务各垂直行业对机器视觉场景的需要 。 研发框架 , 进而开源 , 是智慧眼AILab自成立初的使命之一 , 目前我们完成了坚实的第一步 。


智慧眼:构建【星辰】,探索视界

----智慧眼:构建【星辰】 , 探索视界//----

人工智能从理论研究到产品化的过程涉及多个不同步骤和工具 , 使得人工智能开发的相关环境纷繁复杂 。 为了简化和优化这个过程 , 学术界和工业界共同努力 , 开发并完善了多个基础平台和通用工具 , 框架由此而来 。 对人工智能技术体系来说 , 框架意味着坚实的地基 , 是原点基石 , 更是持续健康发展的前提 。

为什么智慧眼要自主开发框架?

目前比较受开发者认可的框架多半来自国外 , 如Google领导的TensorFlow、Facebook打造的pyTorch等 , 国内也开发了一些深度学习框架 , 如百度的PanddlePaddle , 华为的MindSpore等等 。

这些框架的强大毋庸置疑 , 但也有一定的局限性 , 比如TensorFlow、pyTorch等框架 , 对于机器视觉类问题来说 , 没有针对性的调优 。

随着任务复杂度的不断提高 , 由于架构设计和不断更新等原因 , 导致这些主流框架变得繁杂 , 架构优化和移植愈加困难 , 模型的实际性能还有待提升 。 同时大部分框架忽略了多平台移植 , 这使得算法跨平台落地困难重重 。

针对这些问题 , 智慧眼AILab根据机器视觉的基本任务(检测、分割和识别)出发 , 构建了一个高效的基于组件式训练和自动选择基本模型的人工智能训练平台AEVis 。


智慧眼:构建【星辰】,探索视界

----智慧眼:构建【星辰】 , 探索视界//----

智慧眼同时配套研发了能适用各种硬件和各种系统平台的推理框架AEBax,使得AEVis训练模型能无缝快速地部署到各个平台 。

由此 , AEVis与AEBax共同组成了一款针对机器视觉场景的人工智能训练推理框架 , 名曰:星辰 。

星辰—智视(AEVis):训练端

AEVis基于三大新的设计理论进行开发 , 包括视觉相关且可定制、深度优化且自动调参、视觉任务直接融合 。 该训练框架采用多级分层技术构成 , 并深度优化内存 , 能有效提升模型训练效率及系统运行性能 。

AEVis的框架由元算子、基模型、视觉件构成 。 机器视觉采用的卷积神经网络是由算子组成的一个计算网络 , 当前深度学习框架拥有上千种算子 。 AEVis将算子运算进一步分解 , 形成了两大类共十来种算子基石 , 目前神经网络常用的算子均可以使用元算子的组合进行表达 。


推荐阅读