无需一行代码,完成模型训练和部署,这个AI工具开始公测
本文转载自淘系技术,文末附官网下载链接。
阿里巴巴淘系技术开源轻量级深度学习推理引擎 MNN 以来,得到了业界的普遍认可 —— 数十家企业成为 MNN 的用户,不乏有一线科技企业;此外,MNN 还与上海交大等一线院校展开合作,深度连接产学研。
除 MNN 引擎建设外,MNN 团队还深度参与了阿里内部的端AI应用实践。AI 应用门槛高、算法模型部署链路长是长期困扰我们的问题。为了解决这两个问题,我们将上百次实践中长期积累的方案沉淀为一站式 AI 研发范式 —— MNN 工作台。
今天正式推出 MNN 工作台,这将极大降低AI应用门槛、将AI研发的效率提升数十倍,让“技术小白”也能快速上手,轻松设计自己的AI应用。
要打通AI应用的“任督二脉”,需要“十八般武艺” —— 你需要同时熟悉AI和业务,要搜得到数据、啃得了论文、改得动模型,末了还得会移动开发,打通业务流程。道阻且长,任一环节出了问题,都可能断送AI应用探索之路。
市面上其实不乏有一些云端模型训练平台,但大多只在流程中的数据和模型上下功夫。相较之下,MNN 工作台是第一个同时应对 AI 应用启蒙、无门槛训练和一键多端部署的一站式 AI 平台。
AI 应用启蒙最好的办法是参考行业的最佳实践,并且动手玩一玩。
MNN 工作台中,提供了人像分割、文字识别等主流应用的实例,无需训练就可以直接使用。
通过 MNN 工作台,可以方便地在电脑和手机上体验AI的效果。AI 的视觉效果会直接叠加在相机视频流上,改变相机机位,就可以看到效果的变化。
同时,还可以通过开关、滑块等来调节算法参数,同样可以实时观察到调整的影响。随手改、随心玩的即时体验,可以帮忙用户理解算法,打开想象的空间,更好地寻找AI和业务的结合。
在帮助用户无门槛训练自己的AI算法模型方面,MNN 工作台也下足了功夫。
MNN 工作台支持图像分类、文本分类等模型的训练,而且,所有的操作都可以通过图形化界面来完成。
用户不需要了解模型训练的细节,只需要按照提示,提供训练所需的数据,就可以完成模型的定制。
同时,MNN 工作台使用了迁移学习技术,用户仅仅需要少量的训练数据,就可以训练出效果上佳的专属模型。
MNN 工作台还提供了自动化标注工具和手工标注工具,来进一步简化训练数据的准备工作。
最后,在模型训练完成时,MNN 工作台还会提供模型测试报告,涵盖模型的大小、性能、精度信息,辅助决策。
应用多端部署方面,MNN 工作台为电脑和手机都提供了强大的 Python 运行环境 —— 三端一致的开发体验。
但更友好的,还是 MNN 工作台上所有的模型,都可以在电脑和手机上直接体验。是的,无需任何一行代码,试玩模型或训练模型都有对应的、已经编写好的代码!
如果你需要修改算法实现,我们也提供了 Numpy、OpenCV 等常用库,尽可能降低图片、数据处理的成本。同时,在工作台上,扫码真机调试,断点、console 一应俱全,更有多端文件实时同步这样的黑科技等待你的解锁。
图像分类训练示例:
模型部署示例:
肖像分割推理示例:
官网下载地址:
http://www.mnn.zone/
使用手册:
https://www.yuque.com/mnn/droiug
作者|MNN团队
编辑|橙子君、CV君
出品|阿里巴巴新零售淘系技术
备注:部署
模型压缩与应用部署交流群
模型压缩、网络压缩、神经网络加速、轻量级网络设计、知识蒸馏、应用部署、MNN、NCNN等技术,
若已为CV君其他账号好友请直接私信。
我爱计算机视觉
微信号:aicvml
QQ群:805388940
微博知乎:@我爱计算机视觉
投稿:amos@52cv.net
网站:www.52cv.net
在看,让更多人看到
无需一行代码,完成模型训练和部署,这个AI工具开始公测相关推荐
- 训练代码_无需一行代码,完成模型训练和部署,这个AI工具开始公测
本文转载自淘系技术,文末附官网下载链接. 阿里巴巴淘系技术开源轻量级深度学习推理引擎 MNN 以来,得到了业界的普遍认可 -- 数十家企业成为 MNN 的用户,不乏有一线科技企业:此外,MNN 还与上 ...
- yolov3模型训练并部署到K210(零基础也可)
1.yolov3模型训练 2.部署到K210 文章有点长,是因为很细节. 首先建一个新文件夹(要以英文命名)再在文件夹中建如下两个文件夹(images是用来放原照片的,xml是用来放标志后的照片的). ...
- 【PaddleDetection】基于PaddleDetection的齿轮瑕疵检测:从模型训练到部署中的那些坑
目录 0 题目简介 1 Baseline项目的本地化 1.1 飞桨环境配置 飞桨安装注意事项 1.2 PaddleDetection安装 PaddleDetection注意事项 1.3 数据集下载与配 ...
- 如何基于模型训练平台快速打造AI能力
课程概要 近年来,随着大数据的积累.理论算法的革新.计算能力的提升,人工智能人工智能再次受到学术界和产业界的广泛关注,并在很多应用领域取得了突破性进展.不过,定制模型往往需要 AI算法科学家们搭建深度 ...
- bert中文分类模型训练+推理+部署
文章预览: 0. bert简介 1. bert结构 1. bert中文分类模型训练 1 下载bert项目代码 代码结构 2 下载中文预训练模型 3 制作中文训练数据集 2. bert模型推理 1.te ...
- 轻量化实时语义分割LiteSeg——从算法原理到模型训练与部署
前言 1 . LiteSeg 是实时语义分割算法,论文参见 :DICTA 2019 LiteSeg: A Novel Lightweight ConvNet for Semantic Segmenta ...
- 嵌入式AI-K210篇-硬件-模型训练、部署
K210的其他参数如下: 双核 64-bit RISC-V RV64IMAFDC (RV64GC) CPU / 400MHz(可超频到600MHz) 双精度 FPU 8MiB 64bit 片上 SRA ...
- RKNN模型训练转换部署
1. 背景 做了一个手机版本的人流量计数,显然不能最终真实环境实施,因为数据集不够,并且硬件还需要搭载其他设备,所以使用的是安卓工控机,但推理速度非常慢,接近500ms,换一个好的CPU,比如3568 ...
- 开源神器,无需一行代码就能搞定机器学习,不会数学也能上手
对于机器学习和数据科学的初学者来说,最大的挑战之一是需要同时学习太多知识,特别是如果你不知道如何编码.你需要快速地适应线性代数.统计以及其他数学概念,并学习如何编码它们,对于新用户来说,这可能会有点难 ...
最新文章
- 一次linux服务器load高达600多的异常处理过程
- [zz]Ubuntu10.04源 更新源列表
- 小雷郑重承诺:在2017年之前,对大学毕业4年以来的所有努力和探索,做一个全面客观的总结,技术研究、工作创业、投资理财、朋友感情等...
- oracle的游标cursor
- ASP.NET MVC使用Oauth2.0实现身份验证
- P1040,jzoj1167-加分二叉树【树形dp】
- CSS margin 属性简介
- C++工作笔记-对全局变量的进一步认识(何时适合用,何时不适合用)
- [VB]使用ADO Recordset对象导入Excel
- LeetCode 139. 单词拆分(动态规划)
- Struts2笔记——通配符和动态方法调用
- 如何用微观数据分析玩家流失
- Andromeda OS 来了,Android 再见?
- pdf幻灯片:圆锥曲线中的“三定”问题探究(一)
- 学生信息管理系统软件测试计划,学生信息管理系统软件测试计划书.doc
- The Apostle's Creed
- 二十款漂亮CSS字体样式
- 前端开发者如何快速的把UI撸出来?(讽刺版)
- 门店数字化转型| 美容院管理系统
- 解决Windows 7下IE11无法卸载、无法重新安装,提示安装了更新的IE版本
热门文章
- 用Java写数据到POST请求
- centos查看历史指令记录_CentOS清除SSH登录记录、历史命令及日志缓存
- java URL连接ftp_java – URLConnection FTP列表文件
- Java中的变量分类_开发简单的Java应用
- 开关电源中的磁性元件书籍_总结丨PFC开关电源的效率优化措施
- 【windows】windows 11 安装解决 这台电脑无法运行 Windows 11
- keil运行c语言输入函数,keil 编译器V6 定义函数在ram中运行-和在指定地址定义常量,keil编译器...
- ios 音高测试软件,App Store 上的“绝对音感训练!”
- Java程序中fix time_Java Position.setFixTime方法代码示例
- php验证支付回调,php对微信支付回调处理的方法(合集)