米文动力联合百度飞桨推出AI模型部署加速方案

今天，在「WAVE SUMMIT 2020」深度学习开发者峰会上，百度飞桨发布了——训练部署全流程开发工具 Paddle X，同时，百度飞桨与米文动力达成深度合作，联合推出基于米文嵌入式计算平台的AI模型部署加速方案，旨在帮助开发者简化流程，提升开发效率。

AI算法在各行各业的应用前景十分乐观，但是算法部署整体方案仍然是比较复杂的工程，门槛依旧很高，使得AI算法落地部署进展缓慢，亟待有简便易用的系统级方案推出，来加速AI落地部署。

当前，系统部署流程中有几个方面的问题需要解决。

• 应用场景分析：根据部署场景选择合适的算法；

• 数据采集标注：获取适量的数据集进行标注；

• 模型训练：针对该场景进行算法模型训练；

• 模型测试：训练完成后，测试算法是否可以实现该场景应用；

• 平台选择：选择适合的硬件平台进行部署；

• 模型优化：针对选择的平台，进行算法模型优化；

• 工程实现：选择合适的系统框架，集成自己的算法和工程实现；

• 迭代优化：部署后需要进一步收集数据，进行数据的标准，模型训练，经过多次的迭代之后才能得到合适的算法模型，

• 批量化：完成以上步骤之后进行批量化生产。

上述各步骤的衔接和实现，工程量非常大，一般用户很难一项项自己完成。为降低AI部署门槛，米文动力联合百度飞桨—Paddle X，搭建了一套基于米文嵌入式计算平台的AI模型部署加速方案。该方案可为用户提供完整的应用流程，降低从训练到部署各个步骤的门槛，增加系统的易用性，减少用户开发维护的成本。

Paddle X 是一款开发、训练、部署全流程开发工具，具有打通全流程、可快速集成、支持多端部署的特点。用户只需要根据自己的算法标注数据集进行训练，不需要对算法实现有很深的理解就可以完成该操作，使得算法模型的迭代更加易用方便。

米文提供的一键部署方案，将训练出来的算法模型通过可视化一键部署工具，就可以将算法部署到设备上运行。在项目前期大大缩减了算法验证的成本投入；在项目后期做算法迭代升级同样方便易用。

工程开发框架，该框架是基于模块化的深度学习架构DeepStream，已经实现了视频接入和视频解码、算法接入、数据上传服务器/处理结果显示，并支持远程控制。

米文动力与百度飞桨联合开发的AI模型部署加速方案，借助深度学习技术的赋能，大大降低了AI算法的门槛，缩短用户开发周期，后续项目的维护和优化也更加方便。