课程实录-EasyDL在膀胱肿瘤识别中的探索
May的山楂木 发布于2020-06 浏览:6249 回复:1
0
收藏

主题:EasyDL软硬一体方案在膀胱肿瘤识别中的探索

时间:2020年6月3日(线上)

讲师:武汉大学人民医院泌尿外科博士杨瑞医生

 

【课程大纲】

1.     膀胱癌介绍

       1.1   膀胱癌的流行病学

       1.2   现有诊断体系

2.     EasyDL和EdgeBoard的应用探索

       2.1   如何使用EasyDL训练模型

       2.2   EdgeBoard FZ9部署演示

膀胱就是储存尿液器官,位于盆腔的前部,耻骨联合的后方。膀胱空虚时,其尖一般不超过耻骨联合上缘;充盈时,膀胱尖上升至耻骨联合以上。膀胱底在男性与精囊腺、输精管末端和直肠相邻,在女性则与子宫颈和阴道相邻。男性的膀胱颈与前列腺相接,女性的膀胱颈直接与尿生殖膈相邻。可以右边这两个图,可以看到膀胱标注的位置,在这个地方,偏下面一点,在盆腔的前部。

这是美国国立卫生研究员NIH的报告,膀胱癌在美国肿瘤发病率排行榜位居第6,预估病历在2020年在美国预估发病应该有8万多人,预计死亡率将近17000多人。肿瘤发病的因素主要是长期接触某些致癌物质,如联苯胺、β-萘胺、4-氨基双联苯,这些人往往从事印染、塑料、油漆等行业,另外吸烟和膀胱肿瘤的相关性现在也得到确认,经常吸烟的男同志要注意,大家知道吸烟和肺癌相关性比较高,但是可能不知道吸烟和膀胱癌相关性也是确认的。还需要说一下膀胱肿瘤中位发病年龄在70+,5年总生存率大约76.9%。

诊断主要是靠膀胱镜检查+活组织病理检查,我们可以看一下左边的图,这是讲膀胱镜,黑色这个就是膀胱镜,前面有一个小摄像头,我们把这个仪器放到膀胱里,它会把看到的画面在旁边的显示器上显示出来,医生直接看显示器上的图像,如果有异常,就用特制的特别长钳子把组织夹一块出来,然后做染色,再到显微镜下看,看组织究竟是不是肿瘤,是肿瘤这个诊断就可以确诊了,是两步确诊的过程。

 

膀胱肿瘤有一个什么特点呢,就是复发率比较高,费用比较高。膀胱肿瘤分为肌层浸润型膀胱癌和非肌层浸润型膀胱癌,这个占将近70%以上,接近一半的非肌层浸润型膀胱癌出现复发,老师说膀胱肿瘤就像韭菜一样,割一茬长一茬,复查方式:膀胱镜检查,发现异常进行活检。有研究说明它是最贵的癌症,每一次手术可能费用都不低。这个图就是欧洲国家的一个研究,显示了膀胱肿瘤增加的负担,这个是膀胱肿瘤,中间这一行是做膀胱切除的费用,这是欧元计算的是5万多,后面这个是做非肌层浸润型膀胱癌的手术。而且还有一点,膀胱肿瘤患者术后都要进行复查,也是用膀胱镜检查,隔一段时间要去观察,这是最准确的检查方式,也有老师可能会问,现在用CT和核磁共振可以吗,这种影像学检查发展虽然很快,但是膀胱镜的优势还是在那里的,优势还是最大的,所以标准的话还是要做膀胱镜。

这里就要说为什么容易复发呢,高复发的原因是什么呢,这里有一个文献是来自BJUI,膀胱肿瘤新发有一种原因就是本身的基因型决定的,这个很好理解,本身的基因就决定了这个肿瘤容易复发。另外手术处理原发肿瘤的时候,我们处理它的时候不可避免会碰到它,这上面的肿瘤是不是可能脱落,在其他的地方出现植入。再就是膀胱肿瘤并没有完全被发现和切除,需要补充一点,膀胱的完全发现和切除都是建立在膀胱镜的基础之上,都是通过膀胱镜看到它并切它的,有这样一个概念。另外,内镜不可见的微小病灶的生长,这也是复发的另外一个可能。

膀胱镜是在膀胱癌整个诊断、治疗和复发随访上面发挥了非常重要的作用。膀胱肿瘤需要依靠膀胱镜做诊断、确诊,治疗也是需要膀胱镜做膀胱肿瘤电切,也是需要在膀胱镜里看到肿瘤,复查随访也是一样用膀胱镜。所以整个膀胱肿瘤的治疗都是以膀胱镜为中心,围绕它做。下面四张图,上面两张是正常的膀胱壁的图像,下面两张图是膀胱肿瘤的图像,第一张图不是很清晰,下面这个是有一个新事物,这个东西可能就是膀胱肿瘤,最终还需要依靠病理确诊。

这里我们有一个想法,用AI加持做膀胱镜下膀胱肿瘤的识别。用AI帮助我们识别判断这个地方是不是膀胱肿瘤,具体而言,通过EasyDL软硬一体方案定制膀胱镜下膀胱肿瘤识别模型。

简单说一下EasyDL的优势,尤其是对我们跨专业、本身不是做计算机方向或者人工智能方向人的优势上,EasyDL的优势比较大。EasyDL的经典版不需要懂得AI算法就可以使用,模型是专门针对我们提供的数据定制出来的模型,精准度相对比较高。另外,整个平台对图片集的管理、标注和训练提供了友好的界面,同样不需要写任何代码。另外,仅仅标注少量图片就可以初步识别,并且可以使用智能标注,几轮标注后标签也会比较准确。另外实施比较容易,操作简单,节省时间。EasyDL有经典版和专业版,在做科研的过程中,觉得经典版满足不了大家的需求,可以选择专业版,可以自主选择多种神经网络,进行更深度的参数调节,使用更加灵活。还有就是部署灵活,可在云端部署,本地部署,以及软硬一体部署。

EasyDL后台技术有这几点,首先是用AI Workflow工作流程,统一大数据工程系统与分布式训练系统掌管整个数据的流动,使用框架是百度的飞桨深度学习平台。另外还有一个超参数的搜索Auto Model Search,自带超参数搜索功能,就隐含了很大一部分数据计算量在里面,帮我们做计算。另外用Transfer Learning迁移学习的工具,如果用户提供数据集比较小,就可以用迁移学习把在其他问题上面得到的权重,迁移到现有的任务上来,这样子来提高训练数据集比较小的时候模型的效果。

EasyDL训练模型也是有四个步骤,第一数据预处理,对图像实现归一化、大小裁剪与数据增强等操作。下一步是模型的训练,在EasyDL的平台上操作。再到模型验证,在验证集上验证效果,最后是模型上线,把模型做云服务直接调用它,或者把模型部署到我们需要的地方去,就是做一个模型的上线。

这里叙述一下我们做的膀胱肿瘤识别模型。开始是做数据收集,这些数据都是从医院里的膀胱镜主机里导出,所有膀胱肿瘤图片都是经过病理确诊的,可以看到左边这批图就是正常的膀胱壁,右边是膀胱肿瘤,这个已经进行了编号。需要提醒大家一下,数据一定要经过医院伦理委员会的审批才能够拿到

我们就把数据直接上传到EasyDL上面,直接把数据按照EasyDL的要求打包好,压缩打包以后直接上传到EasyDL系统里来,可以看到系统显示到图像分类,多少张图片。

接下来是我训练的结果,针对每个不同的部署方式,都训练了一个结果,无论是公有云API、通用设备端SDK还是专项设备SDK,效果都比较好,TOP1是96%,第二是95%,第三是95%,整体的训练效果很优秀。

看一下更详细的训练报告,在公有云上也是用业内常规的几个指标,准确率,精确率和召回率。下面有一个专项硬件识别SDK准确率也是可以的,92%,95%,94%,90%,这个针对EdgeBoard计算卡做了适配,直接将训练好的模型生成SDK,把SDK直接接入EdgeBoard,操作非常简便。

部署的种类与使用,有几种常见的部署方案,第一就是公有云API,直接联网通过云端调用API接口。另外就是通过CPU和GPU,这可以在个人电脑上可以进行的,另外VMX加速卡软硬一体方案,VMX作为加速卡是需要宿主机的。我们采用的方案是FZ9加速卡软硬一体,自带一个接口,功能也比较强大,因为我们需要实时性,因为我们这个项目相当于要实时识别每一张图片有没有膀胱肿瘤,这个对计算卡的要求还是比较高的,我们选的FZLite卡还是可以实现我们的需求。

这个是我们当时拿到EdgeBoard的开机照,有这样几个特点,性能强悍,高通用性和扩展性,开放门槛低,支持硬件定制。这个软硬一体的体积很小。大概说一下部署过程,通过EasyDL训练模型,迭代至模型效果满足业务需求后发布得到SDK,直接拷贝到EdgeBoard,然后用序列号激活SDK,接下来运行SDK就可以了,这个运行过程包括驱动加载,编译,还有运行的几个过程,按照说明书操作就可以了。

这是我们整个流程图,首先是收集了正常和肿瘤膀胱镜的吐心,把这些图像放到EasyDL里训练得到一个模型,就是专用SDK,把这个专用SDK放到EdgeBoard里面,然后把膀胱镜的镜头采集到的图像要进到膀胱镜的主机里进行分析,这个主机会显示视频到显示器上,我们将视频信息分两路,一路是给医生观看的一路,另外的一路把信息输入到EdgeBoard,由EdgeBoard对我们输入的信息进行加工处理计算以后,它会告诉我们,这张图上面有没有膀胱肿瘤,我们把这个信息叠加到原来的膀胱镜的图片之上,放在另外一个显示器上显示,是这样一个流程。

随后我们就进行了验证和探索,这张图是我们首先在实验室里验证这个系统的可行性,主要是采用了拍屏的方案,这是计算卡,旁边是我们的小屏。右边这张图是我们把整个系统拿到手术室里部署的情景,这边是我们的电脑,这边是EdgeBoard计算卡,这边是第二块屏,这是第一块屏。值得说的是,这是打印机,这个地方就是膀胱镜的主机,相当于整个视频的流程,我们的视频信号由膀胱镜主机产生,一路信号放到这个显示屏上面,就是医生看的,另外分出一组信号,经过计算,把分类结果叠加到小的显示器上,达到我们之前项目所设计的要求,就可以用人工智能辅助膀胱肿瘤的诊断,是这样一个过程。

这个图是放大的图,EdgeBoard计算卡正在计算,左上角显示出对这幅图计算的结果,这是一个正常的膀胱壁,这个就是医生操作时候的画面。

最后这是我们拍屏的一个案例,大家可以看到这上面的显示,这其实就是一个膀胱肿瘤,旁边这个也是,上面显示出系统计算得到了膀胱肿瘤的概率,Tumor是0.9,这个准确率还是可以的。当有膀胱肿瘤的时候,就会显示出Tumor。

简单说一下我们探索的心得,首先是跑通了整个模型和部署过程,达到项目设计的要求,就是用人工智能辅助膀胱镜下膀胱肿瘤的诊断。整个项目也有很多需要改进的地方,需要收集更多的临床数据,更多的样本,更多的图片。另外可以考虑尝试采用专业版或者其他的方式提高模型准确率,另外可以尝试系统进行膀胱肿瘤亚型判断,再就是交互界面,就是我们的交互界面的优化。

 

 

【EasyDL和EdgeBoard软硬一体介绍】

训练模型的目的是为了在实际项目中使用,现在项目部署大致分为两种,一种是公有云部署,一种是边缘化部署,公有云是在云端部署,方便、省心省力,集中式托管,有网络即可接入,无需搭建环境,通过API调用,集成便捷。但是有一些限制性,安全,实时性,稳定性,所以很多都是通过边缘部署的方式,让模型更靠近云,无需将数据上传到云端,保障了数据安全和隐私保护,边缘部署需走网络,响应更稳定,更实时,边缘部署无网络搭建成本,硬件成本低,所以今天主要讲的是EasyDL在边缘部署的硬件EdgeBoard。

EdgeBoard是百度面向嵌入式与边缘部署场景打造的硬件加速方案,适用于机器视觉智能化监控与分析,具有高性能、低成本、使用简单等三大优点,可无缝兼容EasyDL模型训练平台。我们和世界上最大的芯片厂家赛灵思,还有英特尔VPU系列,我们和赛灵思合作两个系列,计算卡和计算盒,分为FZ9/FZ5,FZ3两个型号,计算卡是面向低成本的场景打造的一款产品。FZ系列主要特点带有主控,可以很好当成一个小型开发机使用。跟英特尔合作的VMX是加速棒形态,我们叫加速卡,通过USB连接起来,作为一个协处理器,需要连接一台宿主机运行。

下面看到三个产品的图片,左边是最小的FZ3Lite计算卡一体方案,中间是高性能的盒子,右边是软硬一体的VMX的加速方案。

下面介绍一下,FZ9和FZ5计算盒,特点是高性能,适配多路摄像头,规格在三个里面相对做的比较小,FZ计算盒是高性能,12×8厘米,3.6TOPS算力,功耗在10到25W,有些场景下硬件会标成5到10W,但客户一旦把性能跑满,功耗会到10到15W。FZLite功耗是5到12W,FZ系列使用的是FPGA方案,很多是工业级的方案,运行的环境和试运行温度可以在零下40到零上70度,还是比较宽泛的工作温度的支持范围,比较适合用在工业场景(工业质检、视频监控)。这边是价格,FZ Lite是1179元,FZ计算盒是4169元,VMX加速卡是699元。

下面我讲一下几个应用场景,EasyDL和EdgeBoard软硬一体方案可以在非常多的场景应用,我列的这些都是已经落地的项目,安防、工业、医疗、零售、教育、农业和交通,刚才杨老师介绍了医疗场景的案例。

FZ5和FZ9计算盒软硬一体方案看起来是一个带盒子的,就是AI服务器,有FZ5和FZ9两个型号。支持8路1080P摄像头解码,算力高达3.6TOPS,resnet50模型推理全流程可以做到60帧每秒。相较于服务器优点:体积小、质量轻,易携带、功耗低、价格低,适用于视频监控场景的私有化、边缘化部署,如安防巡检、工业质检、农作物监控,交通巡检等。

我下面介绍一下盒子的应用场景,比如安防场景,巡检无人机,是空对地的,就是抓拍,有个特点,它的图像会比较小,特征比较少,这就需要有一些比较高精度的模型做识别,效果比较好。这种高精度模型对硬件性能都要求比较高,所以我们推荐对模型效果要求好,性能要求高的场景可以购买计算盒产品,也可以直接在场景里直接部署安装,是比较好的硬件产品。像无人机这个场景,空对地的识别,可用在边防巡检、岛屿巡检、电力巡检,交通不好到达,也可以非常节省人力的场景里。

第二个应用场景,比如在工业场景里,我们跟质检机器人做了结合,可以用在Iphone产线的质检,最小可以达到0.2毫米以下,手机质检成本要求不是那么敏感,但是对检测的缺陷细微程度会要求比较高。

农业场景,现在和京东方合作,在蔬菜大棚里也做了一些边缘部署,可以做智能化的监控,病虫害等一些情况,在农业场景里有非常高的应用价值,通过智能化监控可以让食品变得更有机,更健康。

交通场景这块,最近国家也在推路边停车,就是交通管制的违章停车管理,以前就是传统的,停车有个人坐在旁边,你开到那个地方对你收费,这样有一个特点,特别耗人力,人管理起来也容易疏漏,成本很高。现在通过EdgeBoard和巡检车结合这种场景,可以动态识别路边的停车,可以识别比人更快,一辆车可以识别很长的距离,有几公里的距离,如果一个人最多只能管肉眼可见范围内的,几十米范围内的停车位。

这款是轻量型的电脑主机,规格非常小,只有7×8厘米,我们用它可以用在学习,因为学习的时候并不需要有非常高的性能,所以拿一款千八块钱的,就像小型电脑主机一样,可以用在智能小车里,我们最近跟国家合作的智能小车竞赛,里面用的就是lite板,还有智能医疗的设备里,如果不是动态的,像眼底筛查,不是动态的,对识别的速度不是那么敏感,反而对功耗,对易集成要求更高一点。这个就是百度做的一款眼底筛查仪,结合EdgeBoard智能分析,可以帮助视网膜病变等疾病的诊断,其实很容易应用落地,比如放在眼镜店,检查近视眼可以在那时候非常方便给市民做一次检查,也可以放在眼科医院,也可以放在公益活动里,可以辅助或替代医生诊断,缓解医疗资源的稀缺。

教育场景中,这个是我们推的智能竞赛小车,集成EdgeBoard lite,实现智能识别,弯道,验证等等,不管是大学生还是K12的学生,都可以买一款这种小车,去做人工智能的学习,是非常不错的选择。

这款是我们和英特尔合作的,VMX方案,这款芯片的特点算力是非常强,这边写的是1TOPS,实际有10TOPS算力,还有做图象处理的,神经网络也有算力,目前大江海康都是用这个做应用,这是协处理器,需要通过宿主机工作云端,比如我们已经支持Linux和Windows,目前只有699元,可以很好的用在学习场景,还有一个是我们在存量设备上,比如已经有了一些设备,主控板换不了,只要有USB口就可以通过这个加速卡直接插上去,就可以实现这个设备的智能化升级。

我们看一下这个设备的应用,比如零售场景中,智能电子秤,可以通过VMX加速卡插进来进行智能化的菜品识别,可应用在超市、农贸市场等地方,对供应链管理,其实AI做的事情大多数都是安全,二是提升效率,三是降低成本,这个智能秤很好的提升了超市的人工效率,降低了人工成本。

这一页讲的是有了EdgeBoard以后,如何一步一步进行部署,刚才杨瑞老师比较细的讲了过程,就是这几步,我们在EasyDL训练模型下载下来,然后购买硬件,可以在EasyDL上获取License,部署激活,然后就可以无限期使用了,可以放在业务里进行集成,非常的方便。

 

【Q&A】

 

Q:感谢两位老师介绍,首先问一下杨瑞医生,这个模型已经到临床使用还是在探索阶段。

A:现在还是处于探索阶段,因为这个东西毕竟涉及到医疗,医疗要更严谨一些,我们希望能够搜集到更多的数据,训练到更高的准确率以后,各方面的情况比较好了再考虑应用,现在还是探索的阶段。

 

Q:您这边使用的是EdgeBoard哪款产品呢?

A:用的是FZ9计算盒。

 

Q:您分出来的那路视频是用什么窗口软件实现的实时结果?

A:因为我感觉EdgeBoard,就我知道的,我对EdgeBoard肯定不是特别了解,就我在使用过程中,我觉得EdgeBoard是自带一个完整的Linux系统,这个东西就是你自己把模型放进去以后自带功能,不需要我们自己特别多的完善,去做窗口什么的,这是我自己一点浅见,可能需要EdgeBoard老师补充一下。

A:现在EdgeBoard内部支持的DB显示方式,购买以后可以通过DB口衔接到显示器上,内部也有相应的显示软件,打开以后在系统内自带的。

 

Q:有同学问膀胱检测使用了多少图像进行训练呢?

A:这个膀胱检测就现在探索的项目,我们使用的图片并不是特别多,一共八九百张吧,因为毕竟膀胱肿瘤说实话它图片搜集很难,比想象中要难,这也是我们下一步想完善的地方。

 

Q:API和SDK训练得分是不同的,有什么原因吗?

A:API和SDK上,因为SDK设计的集成能力不一样,我们设计的时候会选不一样的模型进行训练,最后得到的值是不一样的,但效果差异不会太大。

 

Q:Nano和EdgeBoard有什么区别。

A:两款是定位比较接近的产品,首先价位比较接近,另外就是性能上EdgeBoard会更强一点,EdgeBoard最低这款lite有1.2T算力,Nano应该是一半左右,如果对算力敏感可以选择EdgeBoard,如果对价格敏感可以选择Nano。

具体关于EasyDL软硬一体方案对比包括企业介绍,可以在百度AI市场搜索EasyDL软硬一体方案,可以看到不同的软硬一体方案介绍,可以根据自己的需求选择。

 

Q:肿瘤案例中EasyDL训练模型大概什么样的,层数多吗?

A:这个我们也会根据你输入的数据选择不同的模型,一般都是业界比较经典的模型,不是固定的。

 

Q:有同学问用图片训练模型,最后直接对视频进行分类,这个需要人工对视频进行截帧吗?

A:我可以先说一点我知道的,在训练的时候,膀胱肿瘤图片有一部分是来自于视频的,我们是截帧进行训练的,在应用的时候,我们的同学可能会说这个模型,比如是在图形分类上面训练怎么用到视频,但是视频不就是一帧一帧图像这样子构成的吗,所以只要计算卡的计算速度足够,是可以直接用到视频上面来的,这也是因为EdgeBoard算力很高,计算效果比较好。

如果大家需要对视频进行截帧,可以尝试一下Easy Data这个平台,内置了可以下载的采集数据的SDK,这个SDK可以帮助你进行视频截帧,你可以设计一下时间,并且帮助你进行数据清洗和整理,你可以在Easy Data直接在EasyDL进行训练,如果在视频场景下需要截帧的话,Easy Data还是比较智能的平台,大家可以在百度上面搜索Easy Data就可以找到智能数据服务平台。

 

Q:EdgeBoard是可以放在无人机上的吗?

A:是可以的,EdgeBoard目前已经在无人机的应用中落地了。

 

Q:与嵌入式GPU或者是带NPU的AI芯片相比,使用EdgeBoard有什么优势?

A:首先EdgeBoard在算力这块或者在整体的性价比这块,因为是百度做的硬件,跟很多硬件大厂做的侧重点不一样,我们更侧重的是对百度系的软件平台生态的支持,比如飞桨深度学习平台,还有我们会在EdgeBoard上搭建一些更完整的软件平台,比如EasyDL是可以直接放到里面的,后续还会推像EasyMonitor平台,可实现直接购买做一些视频监控的场景,可以更整合应用。

如果大家对EasyMonitor这个视频监控平台感兴趣,也可以在百度搜索就可以找到。

 

Q:能不能边使用边训练,随着使用的持续,模型训练的越来越好?

A:不是很清楚边训练边使用需要到什么环境,因为EasyDL是支持大家先上传模型进行训练,根据结果的反馈再补充数据进行实际的迭代,这样也可以做到模型效果越来越好。

 

Q:这个是不是我们的数据闭环功能呢?

A:对,数据闭环功能也是补充数据的比较重要的环节,当然也可以自己从额外的渠道重新补充,也是可以的。

 

Q:刚才我们提到自带实时窗口软件是需要购买EdgeBoard才能有的,Nano有类似的软件吗?

A:因为Nano硬件是NVIDIA这边的,NVIDIA相关硬件问题需要咨询NVIDIA相关负责人,你可以在NVIDIA群里提问,NVIDIA工作人员可以给你解答。

 

Q:EdgeBoard能进行最近提出的网络推理吗?

A:EdgeBoard有两个系列,一个是FZ系列,一个是VMX系列,FZ用的是FPA方案,如果对硬件或芯片有过了解的同学,应该会知道FZ是可编程的阵列,就像白板芯片,上面可以做出适合跑我们软件的硬件电路,所以FPA的硬件有很大的优势,例如新推出来的,像YOLOv4,我们可以很快在EdgeBoard里实现,会比像其他的AI芯片快很多。

 

Q:咱们什么时候会预置YOLOV4算法吗?

A:预计会在7月份。

 

Q:膀胱识别模型部署在边端还是云端,医生使用时候是实施计算吗?

A:这个模型是在边缘的,这是EdgeBoard算力比较够,我们就放在边缘,它用的时候是放在手术室里的。也有老师问早期肿瘤筛查可以达到多少精度,这个问题我们现在进行的探索,它的筛查准确度可以达到95%。

 

Q:早期肿瘤筛查精度大概多少?

A:95%准确度。

 

Q:有同学问您这边训练测试的比例大概多少?

A:这个模型训练和测试的比例,EasyDL后台会进行划分,据我所知比例已经是我们常见的7:3左右。

 

Q:大概是7:3左右。有同学问900多张图片是多少病人的?

A:这个是两百多病人,在探索结算,数据量还在不断补充,这也是下一步需要着重解决的问题。

 

Q:确实数据采集比较艰难,耗时比较长。FPGA方案是不是用verilog开发?

A:FPGA是用verilog语言写的,其实我们买的这款板卡可以不用在FPGA层面开发,因为百度已经做好了,大家知道FPGA开发门槛比较高,技术难度比较大,我们把AI相应模型实现封装到了FPGA的底层,我们理解成一个IP,在应用层也和百度平台的大脑工具箱结合,如果用了我们这套EdgeBoard的FPGA方案,理论上说买了硬件,后面可以升级硬件里的软核,随着不断迭代我们可以支持越来越多的算法,越来越多的模型。

 

Q:用户可以自行选择使用什么模型吗?

A:经典版使用什么模型对用户不是透明的,如果用户有强烈的使用某一种模型的需求,可以尝试专业版,可以确定选择某一种模型使用。

 

现在给大家介绍一下EasyDLEdgeBoard软硬一体方案优惠政策,可以看到FZ5和FZ9计算盒,它是高性能的计算盒,中间是FZ3计算卡,小体积,低成本,这边是VMX加速卡,它需要宿主机,超小体积,具有超高性能。如果您想尝试EasyDL软硬一体方案,在5月13到6月13扫描二维码填写信息,可以量身定制获取优惠资源,如果你购买任意一台EasyDL自研软硬一体方案,包括上面提到三款,将获得等价专业版训练时长,软硬一体方案+专业脚本调参26小时GPUV100训练时长/32小时GPUP40训练时长/41小时GPUP4训练时长,折算下来就是五折优惠,也是非常的超值,大家可以扫描二维码填写。如果想更多的了解,也可以私聊小助手,了解EasyDLEdgeBoard软硬一体方案的优惠政策。

同时EasyDL和NVIDIAJetson软硬一体方案已经上架到百度AI市场,推出全网最低限亮优惠的活动,EasyDL Jetson Nano原价1099,现价800。TX2原价3500,现价3200,Xavier原价5999,现价5600,已经是非常低的折扣,可以扫描屏幕下方的二维码了解详情。如果购买这套软硬一体方案。

课后作业,使用EasyDL经典版/专业版,图像分类/物体检测,训练业务审核模型,训练数据可以采用自选数据。如果你想参加最佳布道师评选,可以参加我们的活动贴,地址可以在公告里找到,如果分享自己的读书笔记和使用心得,使用教程和场景方案可以赢得我们百度网盘超级年卡。

下期我们将来到NLP专场及周二晚上8点,主题是如何拥有不断学习高效标注的AI员工,围绕EasyDL文本智能标注产品介绍,讲师是来自百度NLP产品经理夜巡老师,内容是针对企业在数据环节遇到缺少标注数据,人工成本高的问题,重点解释业界领先文本智能标注产品。开发者仅需提供少量的已标注文本数据,即可完成对大规模数据集的智能化标注。下周三晚上8点主题是通过EasyDL为猎头企业实现复杂文本分类,讲师是北京瀚才咨询有限公司负责人谭笑然,内容是猎头行业现状及痛点介绍,知识密集型行业如何进行知识点分类梳理,使用AI技术完成数据“结构化”,提高业务处理效率。

收藏
点赞
0
个赞
共1条回复 最后由186******52回复于2022-07
#2wangwei8638回复于2020-06

巡检无人机有商用吗

0
TOP
切换版块