無人豬場，需要EasyDL“母豬正在生產中，無法實（shí）時知道有幾隻豬崽，健康情況如（rú）何”，一位坐擁上數千頭豬（zhū）的河南養（yǎng）豬大戶最近總是陷入這樣（yàng）的焦慮（lǜ）席卷全國各地的豬（zhū）瘟剛剛過去，為了加強防護，他的豬場幾（jǐ）乎開啟了無人養殖的（de）模式，這也為他帶來了很多頭疼的問（wèn）題。

    工作人員進出一次豬棚，需要消毒、檢測，全副武裝，對於大規工業模型模養殖（zhí）來（lái）說，成本、耗時（shí）不說，更重要的風險很高，他清楚（chǔ）地記得一頭豬感染豬瘟，導致豬棚內上百隻（zhī）豬死亡的畫麵在嚴格的控製人員進出的（de）情況下，像（xiàng）“豬口普查”，“健康檢查”等工作也變更難了。

    回想起去年這（zhè）個時候的焦（jiāo）慮，這位養豬大戶輕鬆了不少。現在（zài）的他通過AI技術，可以（yǐ）在家中（zhōng）實時監控豬棚內的狀況、判斷豬崽（zǎi）的健康狀態工業模型。

    不僅降低了管理的風險和成本，提高了效（xiào）率，而且還避免了因其他工作人員經（jīng）驗不足，而（ér）對豬崽健康狀況的判斷失誤，這也是大規模養殖普遍（biàn）存在的一個痛點而這項AI技術就是百度（dù）的零門檻AI開發平台—EasyDL“零代碼”搞定AI需求。

    EasyDL是基於百（bǎi）度飛（fēi）槳深（shēn）度學習平台推（tuī）出的（de）高效易用的零門檻、一站式AI開發平台工業模型，支持智能數據、模型開發、服務部署等全流程服務（wù）目前（qián）已經（jīng）支持圖像分類、物體檢測、圖像分割、音視頻分類、語音識別自訓練（liàn）、表格數據預（yù）測、文本分（fèn）類、情感傾向分析等任務類型，可（kě）以（yǐ）。

    幫助中小企業結合業務需求，解決（jué）效率（lǜ）和（hé）成本的問（wèn）題怎麽理解呢（ne）？比如，上述豬崽體（tǐ）檢方麵，用戶隻需（xū）將病豬的圖像數據導入EasyDL平台，訓工（gōng）業模型練定製化AI模型，就可以將“人（rén）為診斷經（jīng）驗”複製為機器學習（xí）經驗，再經過（guò）物體檢測技術，無需人眼（yǎn）觀察也可以準確判斷豬崽（zǎi）的健康狀態。

    如此（cǐ）來說，EasyDL可以理解成：根據定（dìng）製（zhì）化場景需求，通過學習“有經驗的專家知識”，來代替人類（lèi）解（jiě）決規模化的複雜問題，進而提升成本和效益值得一提的是，百度AI平台研發部總經理忻舟工業（yè）模型，在接（jiē）受雷鋒網采訪（fǎng）時多次提到：。

    “EasyDL的目（mù）標是降低AI門（mén）檻，讓零算法基礎的用戶，不用一行代碼也可以基於需求和數據（jù），定製自（zì）己的AI解決方案（àn）”這一點（diǎn）在AI養豬、肉牛稱重，工業質檢、橋梁檢修等諸多成功（gōng）案例中都有所體（tǐ）現，而且也普遍受到了用戶的好評。

    但（dàn）忻舟也（yě）強調：“簡單不意味著妥協（xié），EasyDL會始終工業模型秉持最初的研發理（lǐ）念：簡單且專業”自2017年底上線（xiàn），到如今近三年（nián）的技術研發和迭代，EasyDL在（zài）數據服務、模型精度、部署服務等方麵不斷升級，已經能夠處理更多、更複雜的應用場景。

    在這裏，忻舟為www.17C.com分享了一個典型案例：EasyDL幫助一家專業獵頭公司解決了其核心（xīn）業務問題這家公司名（míng）為瀚才獵頭，自創立（lì）以來一工業（yè）模型直麵臨著一個核心（xīn）問題：200萬條數據的人才庫，利用率隻有不到10%作為一家獵頭公司，如何高效地（dì）為客戶推薦合適的人才是他們的核（hé）心業務，也是（shì）其在行業發展中的核心競爭力。

    瀚才獵頭有5位創始人，在業務發展過程中（zhōng）積累了很多重要的（de）客戶資源和龐（páng）大的人才庫，但（dàn）其（qí）非結構化數據庫和傳統簡曆初篩方法，讓這些（xiē）資源和優勢沒有工業模型（xíng）得到很好的發揮和利用而這個局麵在（zài）使用EasyDL後發生了改變以前按照關鍵詞搜索的方法，每（měi）天隻（zhī）能（néng）找到60-70份合適的候選者簡曆，現在經過（guò）數據結構化處理後，20分鍾就（jiù）可能達到600-1000份，而且。

    精準度（dù）達（dá）到了95%以上整個效率提升了200倍，節省了（le）時間（jiān）、人力成（chéng）本的同時，200萬簡曆庫也得到了充分的工業模型利用一位創始人坦言，他們之所以（yǐ）選用EasyDL，不僅是（shì）因為數據結構化的效（xiào）果好，更重要的是其（qí）零開發門檻、一（yī）站式服務的特性，節省了自己（jǐ）配置技術團隊（duì），做數據處理、算法研發和算（suàn）力支持的成本。

    那麽，無任何開發經驗（yàn）的HR是如（rú）何（hé）完成AI模型訓練和部署的呢（ne）？EasyDL操作流程隻需以下四（sì）步：創建模型、數據準備、模型工業模型（xíng）訓練和應用部署。

    他們根據業務（wù）需求（qiú），按照“職（zhí）級”和“職（zhí）能”兩級分類對200萬數據的人才庫進行了結構（gòu）化處理：創建模型（xíng）：登錄EasyDL平台，完成注冊和模型選擇數（shù）據方麵：200萬人才數據，手動標記1萬條，再通過EasyData智能標注完成剩餘199萬條數據標注。

    模型訓練：導入全部數據，在平台內置的文心（E工業模型RNIE）預訓練模型基礎上進行訓練部（bù）署方麵：訓練好的（de）模（mó）型可直接生成供調用的（de）API，而且有完善的SDK代碼（mǎ）包可以使用可以看到，以上操作過程無需任何代碼基礎，隻要按照業務需求，完成（chéng）數據處理和提交，選擇部署方式（shì）即可，而且精準度很高。

    不過1小時的（de）AI模型訓練，幫助他們解決了自創（chuàng）業以來最頭疼的業務問題另外，需工業模型要強調的是（shì），以上看似簡單，易操作的（de）背後，是其內（nèi）部複雜、先進的AI技術支持。降本增（zēng）效，一站式AI服務

    在（zài）數據處理（lǐ）環節（jiē），EasyData提供了數據采集、清洗、擴充、標注全（quán）方位服務根據2019年（nián）AI機器學習項（xiàng）目調研的（de）報告，96%的企業都在“數據”一環遇到了難題，尤其是數據標注，耗（hào）時，而且準確度（dù）不高（gāo）針對這一問工業模型題，忻（xīn）舟介紹稱，EasyData提（tí）供了豐富的智能標注（zhù）方案，支持物體檢測（cè）、圖像分割和文本分類三種數據類（lèi）型的智能標（biāo）注，隻需標注少量數據，其餘便（biàn）可通（tōng）過“智能標（biāo）注”自動完成。

    在相同任務和同等模型效果下，數據標注量平均可以減少70%在上述簡曆庫的（de）文本分類中，員工手動標記了1萬條，其餘199萬（wàn）全（quán）部是自動完成另外工業模型，在數據采集、清洗（xǐ）和擴充方麵也經常出現（xiàn）問題（tí）忻（xīn）舟介紹稱，一家做果蔬智能識別係統的創業公司，他們的果蔬電子秤，在超市試（shì）運營時，經常會出現因物體遮擋、光線不足，導致數據采集質量差的問題。

    在（zài）使用EasyDL後，通過對圖像數據進行相似度的（de）去重（chóng）去（qù）模糊（hú），剪裁，旋轉，鏡像以及（jí）數據增強等處理，在50種（zhǒng）水果的測試中，準工業模型確率達到了95%以上同時，EasyDL還在數據采集方麵（miàn），提前對端設備進行了測評和適配，免除了使用者在設別選型、調試和集成開發工作上的成本，將采（cǎi）集效（xiào）率從“周級”提升到了“小時級”。

    最後，忻舟重點（diǎn）強調稱，EasyDL根據實際的用戶需求還提供了數據回流功能，在數據處理上形成了一個完整閉環（huán），使數據處理更加（jiā）高工業模（mó）型效在模型訓練方麵，EasyDL內置了基於百度海量（liàng）數據庫的超大規模視覺預（yù）訓練模型和文心ERNIE 2.0。

    “這也是EasyDL性能遠超其他AutoDL產品的獨特優勢”，忻舟強調稱（chēng）瀚才的簡曆文本分類采（cǎi）用文心（ERNIE）預訓練（liàn）模型，訓練效果達到了95%+預（yù）訓練相（xiàng）當提前學（xué）習了大量NLP語料（liào），在一（yī）定的背景知工業（yè）模型識下，再通過持續學習的語義理解（jiě）框（kuàng）架，對輸入數據進行識別，可以有效提高識別的（de）精準（zhǔn）度。

    在模型訓練上，百度還融合了自研的高性能自動數據增強（Auto Augment）、自動超參搜索（Auto Finetuner）和NAS（自動網絡架構搜索（suǒ））等自動化建模技術，可以進行模型自動調優，降低（dī）算法工程師的調優成（chéng）本，工業模型同時（shí），模型精度也可以平均（jun1）提（tí）升10%以（yǐ）上。

    在服務部署環（huán）節，EasyDL提（tí）供了公有雲 API、本地服務器部署、設備（bèi）端 SDK、軟硬一體產品，4大部署方式，用戶隻需經過簡單的設置，就可以將訓（xùn）練好的模型轉換為滿足業務場景需求的服務其中，設備（bèi）端 SDK，適配了NV Jetson 係列、Intel 神經加（jiā）速棒、工業（yè）模型華為 NPU、華為 Atlas、高通 DSP、RK 等十幾種業（yè）界主流的端設（shè）備。

    在軟硬件一體部署上，EasyDL適配（pèi）了市麵上6種高性價比的軟硬件，覆蓋高中（zhōng）低全矩陣，模型識別速度可提升十倍，例如EasyDL加（jiā）小體積（jī）低功耗的英（yīng）特爾芯片（piàn），在輕量級模型mobilesNet V2上，25毫秒就可以完成端到端的預測工業模型和推理；英偉達Jason可（kě）以（yǐ）滿足（zú）中高性（xìng）能和超高性能的（de）場景化需求，而它在V2模型上隻需要4毫秒。

    加速AI落地，直擊各行各業2020年，EasyDL開始走向加速（sù）AI場景化落地的階段AI落地，是近些年人工智能產業（yè）發展的主旋律一方麵，計算機視覺、自（zì）然（rán）語言處（chù）理等技（jì）術已（yǐ）逐漸趨（qū）於成熟，急需走向現實（shí）場景（jǐng）發揮價值，另工業模（mó）型一方麵，隨著（zhe）社會的快速發（fā）展（zhǎn），中小企業（yè）的AI需求空間也在進一步突顯。

    但要想在AI和需求之間達到最佳匹（pǐ）配，還存在很多（duō）挑戰從2017年正式上線（xiàn），實現（xiàn）從0到1的躍遷，到2018年成功案例的（de）大量出現，EasyDL在AI落地方（fāng）麵已（yǐ）經初見成效忻（xīn）舟表示，2020年，隨（suí）著技術的逐步（bù）成熟，EasyDL會加快落地速度，進工業模型一步提升AI落地能力。

    具體（tǐ）來講，將繼續從以下三個難點入手：AI門檻：這是所（suǒ）有企業尋求智能化轉（zhuǎn）型的首要痛點，尤其是對於中小企業而言，一方麵不懂技術，不知道哪些場景需求可以通過（guò）AI來實現即使了解，對於複（fù）雜的AI技術，學（xué）會應用也是一大難（nán）點（diǎn）。

    另一方麵，對於有技術團隊的企業來講（jiǎng），AI底層基礎設（shè）施要求很高，需要工業模型大量的資源、成（chéng）本投入，而（ér）且最終達成的效果可能（néng）也未必（bì）能夠滿足需求從這兩點出發，EasyDL一直致力於開發零算法基礎，人人可用的（de）AI開發平台，同時，基於百度的海（hǎi）量數據和研發優勢提升模（mó）型訓練性能（néng），打造從端（duān）到（dào）端的（de）一站式服務，滿足算法工程（chéng）師們的應用需求。

    目前EasyDL的零門檻、專（zhuān）業性強等特性已經（jīng）被中小（xiǎo）企（qǐ）業廣工業模型泛接收，其官（guān）網（wǎng）顯示，使用EasyDL的用戶數已經（jīng）超過70萬，覆蓋20多個行業場景，包（bāo）括互聯（lián）網、工業、農業、醫（yī）療、物流、零售、教育、交通（tōng）等；定（dìng）製化（huà）需求：

    各行各業有著豐富的定製化場（chǎng）景需求，其中，最為明顯可以說是零售行業，如商品（pǐn）檢測中的相（xiàng）似、遮擋檢測（cè），智能結算中（zhōng）的 SKU 快速更新等，都需要定製化的AI解工業模型決（jué）方案在這方麵，EasyDL除了提（tí）供（gòng）通用版本外，還開發了零售行業版。

    為了應對更複雜場景的檢測需求，零售版（bǎn）主要新增了以下核心功能：打造軟硬一體的全自動 SKU 采集箱，降低（dī） SKU 數據采集成本，讓采集數據更加標準、規（guī）範自（zì）動圖像合成技術，基於SKU 單品圖和貨架圖，自動合成各類實景圖，模擬真實場景中物工業模型品的遮擋、旋轉、重（chóng）疊等狀（zhuàng）況，提高模（mó）型的泛（fàn）化能力。

    提供除商（shāng）品（pǐn）檢測（cè）外的翻拍識別、貨架拚接、貨架層數識別、價簽（qiān）識別等增值功（gōng）能，並提供完善的 SDK基於以上技術，零售版已經在商品陳列審核、無人（rén）藥（yào）櫃等多個場景下被廣泛使（shǐ）用（yòng）百度團隊透露，接下來，還會針對農業、工業等行業推出更（gèng）多定製化版本。

    AI技術能力（lì）：它（tā）是任何A工業模型I產品應用落地的基礎，也是核心在這方（fāng）麵，基於（yú）百度飛槳開源深度學習平台的（de）EasyDL具（jù）備獨特的（de）領先優勢（shì）一（yī）般來講，市場上AutoDL產品的核心競爭力，無外乎兩個方麵：一是效率（lǜ）問題，AI應用最基礎的訴求就是如何幫助企業降（jiàng）低時間成本，搶占市場先機。

    圍繞這一點，EasyDL在模型方麵（miàn），基（jī）於飛槳的（de）超大規（guī）模預訓練（liàn）工業模型、並行訓練，顯著（zhe）提升模型訓練速度；在數據（jù）服務方麵（miàn），為數據采集提前適配主流硬件，並（bìng）提供從采集到回流的完整解決方案，節省數據處理時間EasyDL是業內（nèi）首個（gè）提供一站式智能數據服務的產品。

    最（zuì）後值得一體的是，設備（bèi）端的部署服務忻舟（zhōu）介紹稱，邊緣端部署因為算力低、內（nèi）存（cún）小的特性，近些年在行業內非常火爆，用戶需求非常大工業模型因此（cǐ），為企（qǐ）業提供高性能的邊緣端部署方案也是EasyDL的重點研發方向二是使用效果，這是滿足（zú）企業AI需求的關鍵性指標。

    從技術層麵來看，可以具體理解為文本（běn）分類的準確（què）性，物體檢測的精準度在這方麵，EasyDL內置的基於飛槳的文心ERNIE和超大規模圖像預訓練模型發揮了獨特優勢，經檢測，在視覺任務中，通過百工業（yè）模型（xíng）度數據庫10萬（wàn）+分類、6500萬張圖片訓練的預訓練模型，平均精度可（kě）提升 3.24%-7.73%；在物體檢測任務中，經過800+標簽、170萬圖片，1000萬（wàn）+檢測框訓練的預訓練（liàn）模型，平均精度可提升1.78%-4.53%。

    除此（cǐ）之外（wài），百度團隊還升級了模型壓縮技術，通過降低端側模型體積，進一步提升模型（xíng）性能工業模型最後談到EasyDL的進一步研發方向，忻舟表示，將繼（jì）續圍繞簡單、但更專業的理念來開展，具體來說涉及以下幾個方麵：覆蓋（gài）範圍：除了擴展已有的算法類型，如 CV、NLP,傳統ML方向，語言識別方向外，還將推出OCR、視頻追蹤等定製化能（néng）力。

    技術優化：持續（xù）提升模型效（xiào）果，提（tí）高訓練速度和精度，加速模型推理（lǐ）同時結合工業模型不（bú）用場景，推出更多類型的預訓練模型易用性：在數據、模型、服務（wù）等方麵，持續降低使用（yòng）門檻另外，忻舟還（hái）重（chóng）點提及了EasyDL的共享生態（tài）建設（shè）他表示，希望更多企業能夠加入到EasyDL落地中來，通過真實的業務需求，探（tàn）索更多AI應用空（kōng）間，由此，EasyDL也能夠根據實際場景，不斷（duàn）提升技術能（néng）力，為更（gèng）多（duō）企（qǐ）業賦能。

    出工業模型於這一目的，百度團隊（duì）近日還推出了“萬有引力計劃”，進一步降低AI門（mén）檻，助力中小企業降（jiàng）本增效削平“AI門（mén）檻”，挖掘（jué）潛在場景毋庸置疑的是，AI應用場景（jǐng）巨大且豐富，但需要深度的探索和挖掘此次，為了顛覆各行各業對AI高門檻的認知，百（bǎi）度（dù）EasyDL麵（miàn）向所有中小（xiǎo）企業推（tuī）出了（le）——萬有引力計劃。

    該計劃旨在（zài）為萬家（jiā）有AI工業（yè）模型需求的（de）企業各提供一萬（wàn）元專項基金，推動其智能化（huà）轉型（xíng）通過EasyDL經典（diǎn）版免費完成模型定（dìng）製、部署與應用，即可領取萬元專項代金券無需了解（jiě）算（suàn）法細節，最快10分鍾就可以訓練出高精度AI模型如果AI落地效果突出（chū），還有機會獲得（dé）最高十萬元的特殊補貼！。