IBM针对AI市场布局,进一步推出能协助客户更简便训练深度学习模型的辅助工具。在它们的PowerAI平台架构上,IBM进一步推出PowerAI Vision深度学习影像分析工具,能协助客户训练物件侦测与影像分类模型。
此外,为能协助客户进行深度学习模型的训练优化,IBM也推出优化辅助工具Deep Learning Impact,要协助企业客户大幅缩短训练深度学习模型所需花费的时间,提升深度学习模型训练效率,以加速AI在企业的实际导入与推广。
IBM进一步推出PowerAI Vision,协助客户以更简易的方式训练深度学习图像分析
IBM针对AI市场布局,再度推出新的软件服务与工具。在既有PowerAI平台架构上,进一步推出PowerAI Vision深度学习影像分析工具,目的是要协助客户以更为简易方式训练深度学习模型完成「物件侦测」与「影像分类」任务。
其中在「物件侦测」功能方面,只要客户将持有的照片资料输入,并进行简易的物体标注,就能建构属于自己的深度学习物件侦测模型,且在训练的过程中,就能以图形可视化的方式呈现,在训练过程中就掌握模型的训练情况。
而在「影像分类」功能方面,目标是要协助客户能更快速地建构图像分类,客户只要简易给予图像与这些图像的分类标签,就能训练模型自动学习撷取特征并进行图像分类,并依据图像与数据量的大小,整个训练过程所需花费时间可大幅缩减至数小时或数十小时不等。
强化AI落地,IBM强化格式转换、深度学习模型训练效率与生命周期管理
IBM在2017年12月20日和群环共同举办的AI软件工具发表会上,针对让深度学习模型更容易被使用与导入企业发表一系列的软硬件工具。
除了针对图像分析的软件工具PowerAI Vision外,IBM也发表他们针对AI工作附载而设计的服务器产品POWER9,能以异于其他竞争者仅采单机单卡方式,进行平台架构式的多机多卡深度学习模型训练。
此外,为解除图像、自然语言、非结构化资料与结构化资料间资料格式应用的壁垒,IBM也推出软件工具Deep Learning Impact,不仅能将上述那些不同格式的资料皆转换成开源框架可以识别格式,也能针对不同模型训练过程提供模型优化调整建议和模型的生命周期管理。
其中在深度学习模型的「生命周期管理」部分,它的重要性在于,当新产生的数据有较大的差异性并且累积到一定程度时,训练好的模型可能会产生辨识精准度下降的问题,在此时若想要提升模型的辨识精准度回复到原本期望的水平,则需要将模型进行重训练,因此模型训练效率将在深度学习模型实际导入应用中扮演非常重要角色,这也是IBM此次推出新型软硬件工具的锁定目标方向。
作者丨谢雨珊
长
按
识
别
领取专属 10元无门槛券
私享最新 技术干货