�？礎I開放平臺客戶端是AI�？低�視開放平臺的PC端配套工具，支持物體檢測、圖像分類、檢測分類混合、OCR等應用場景，提供數據標注、模型訓練、模型校驗、模型發布和導出等功能，結合EBG AI模型管理組件，可實現算法模型在AI邊緣設備的部署與應用。

軟件相關

　　下面我將介紹開放平臺提供的這幾種服務能力。

　　我們知道，現在的深度學習算法是數據驅動的，但是用戶很難獲取海量的訓練數據。為了幫助行業用戶突破數據鴻溝，AI開放平臺提供了基于領域模型的遷移學習能力。AI開放平臺訓練了大量不同應用領域的領域模型，根據用戶的任務，開放平臺會自動選擇的一個領域模型作為訓練基礎，然后在這個訓練基礎上利用場景數據進行遷移學習。

　　這張圖表是對船只圖像進行檢測的算法實驗結果，橫坐標是參與訓練的數據量，縱坐標是檢測精度，虛線是遷移學習結果，實線是全量學習結果。從實驗數據可以看到，遷移學習僅用100張左右的訓練樣本，算法就能獲得85%的檢測精度；而從頭開始訓練的話要達到同樣性能則至少需要5000張樣本�；�于領域模型的遷移學習使用戶能夠用極少量的數據得到一個可用算法，極大的降低了用戶在數據上門檻。

　　為了幫助用戶進一步突破數據瓶頸，平臺還開發了虛擬數據引擎，它利用三維建模、光線追蹤、對抗學習等技術生成虛擬數據來豐富訓練樣本。*個視頻展示了虛擬生成的不同擺放位置和角度的貨架商品樣本；第二個視頻展示了通過模擬光斑，字符疊加效果，虛擬生成的制造工件樣本；第三個視頻展示了通過三維建模，虛擬生成的室內場景。

　　虛擬數據引擎可以幫助用戶豐富訓練樣本，大大降低了用戶的數據成本。

　　除了數據準備之外，深度學習算法設計也是一件艱難的工作，它包括神經網絡結構的設計和超參數的調整，一般都需要資深的算法工程師參與。為了幫助算法設計能力不足的用戶，我們開發了模型架構搜索算法，該算法用龐大的計算能力自動尋找神經網絡模型的*優解。由用戶提交任務并設定約束條件，例如算法所消耗的計算資源和內存資源，由檢索引擎自動完成算法設計工作。AI開放平臺投入了大規模并行訓練系統用以支持模型架構搜索服務上線。

　　在完成模型訓練后，算法在產品端的移植工作也需要投入大量研發工作。為了提升從算法到產品的研發效率，開放平臺開發了AI編譯器，AI編譯器利用神經網絡圖優化、匯編優化、指令編譯優化等技術手段實現了算法在各類芯片平臺上的自動優化及部署。由上圖可以看到通過AI編譯器自動優化的算法，其執行效率大幅度優于通用的優化方法。AI編譯器現在已經支持多種云端及邊緣端的計算平臺，使得人工智能算法在�？登昂蠖水a品的移植變得非常便捷。

　　AI開放平臺開放了大量�？狄延械闹悄軕�用能力供行業用戶調用，包括各種視頻感知及跨媒體感知的能力。我們開放的視頻感知能力包括各種目標的屬性識別能力，以及對多種物品和行為的精準感知能力；平臺還提供文字識別和語音識別能力。平臺還提供多種跨媒體信息的融合感知能力。AI開放平臺通過螢石云上線我們的智能應用服務。

　　人工智能技術在我國實體經濟中大規模落地，需要人數眾多的AI從業者進行持續的大眾創新和群智涌現。但是現在AI從業者面臨的一個難題是往往缺少合適的產品來承載他們的算法，為此我們開放了前后端全系列的人工智能硬件產品，以幫助AI從業者，實現他們自己的AI功能及方案。