浪潮信息开发AutoMLSuite解决方案，实现企业模型自动

　　2020年浪潮数据中心合作伙伴大会近日成功举行，在这次的会议上，企业级一站式模型的自动构建已经不再是理想，浪潮的AutoMLSuite自动机器学习算法平台推出了三大自动化引擎。想要提升AI的开发效率就需要智能化工具的帮助，而自动超参调整引擎AutoTune、自动建模引擎AutoNAS、自动模型压缩引擎AutoPrune，的出现实现了这个目标并降低了人工成本。而且行业用户可以免费申请对AutoMLSuite进行试用。
　　AutoMLSuite借助自动化方式释放专家资源降低建设成本
　　通常而言，构建优良的机器学习流程是一个非常复杂的任务，需要精通机器学习算法的数据科学家和具有长期经验的领域专家通力协作，并在不断试错与迭代中完成对模型的微调和优化，才能得到出色的预测能力，这往往要耗费漫长的时间和高昂的成本。
　　浪潮AIHPC总经理刘军表示：浪潮AutoMLSuite的目标是借助自动化方式改进人工智能模型的构建方法，将宝贵的专家资源从模型构建、超参数优化、模型压缩等繁琐任务中释放出来，在降低对数据科学家资源占用的同时，让领域专家得以自行构建出色的机器学习流程，从而实现更高的AI生产效率。
　　浪潮AutoMLSuite可实现企业级一站式模型自动构建
　　浪潮AutoMLSuite可实现企业级一站式模型自动构建，支持本地化和云端部署、并行高效模型搜索，全面支持图像分类回归目标检测CV场景应用，模型大小与计算量极致压缩。这意味着用户仅需提供原始图片数据和标注数据，经过AutoMLSuite处理后，即可自动生成所需的AI算法模型，实战表现超出专家模型水平。
　　而之所以可实现上述功能，来源于AutoMLSuite的三大核心引擎：AutoNAS可根据数据特性，从无到有构建网络模型，实现AI模型与用户应用场景的最佳匹配；AutoTune可进行超参自动调整，使数据科学家从繁琐耗时的手动调参中解放出来；AutoPrune基于元学习技术，可对任意网络进行无损压缩，使生成的模型满足用户应用生产部署要求。
　　浪潮AutoMLSuite性能出彩
　　强大的引擎使得浪潮AutoMLSuite具备极其出色的性能表现，在256块GPU的集群上，可实现高达4000个模型天的搜索效率。同时，浪潮AutoMLSuite也支持对AI模型的高效压缩，针对RestNet50神经网络模型进行的一项测试显示，通过AutoPrune压缩后，能够将计算量从4GFLOPS大幅降低到1。52GFLOPS，推理性能可提升两倍以上。
　　浪潮AutoMLSuite高准确率应用在智慧城市、铁路、公路等场景
　　目前，浪潮AutoMLSuite已在智慧城市、铁路、公路等场景中得到应用。针对智慧城市车辆分类，浪潮AutoMLSuite基于40万数据集自动生成的模型日间识别准确率达91。5，夜间识别准确率为83。6，高于专家手动设计模型精度；在铁道设备故障检测中，运用浪潮AutoMLSuite自动生成的模型实现了81。8的召回准确率；在高速公路特殊天气识别场景，对14000张图片进行搜索训练后，自动生成模型对团雾的检出准确率率为99。25，模型效果符合生产应用水平。
　　浪潮AutoMLSuite是释放AI算力的重要工具
　　AI计算需求正呈指数级增长，未来将占据80以上的计算需求，承载这种需求的就是AI算力中心即智算中心，它是人工智能新基建。浪潮围绕AI算力的四大关键作业环节持续创新，即生产算力、聚合算力、调度算力、释放算力，实现AI计算力的全流程、一体化的高效交付，通过AI计算生产方式的变革促进人工智能应用的效率变革，加速人工智能新基建建设。浪潮AutoMLSuite是释放AI算力的重要工具，推动AI快速进化落地。