英特爾發(fā)布開(kāi)源AI參考套件

英特爾正式推出了首套開(kāi)源AI參考套件，旨在讓企業(yè)能夠在本地、云端和邊緣環(huán)境中都更易于部署AI。這些在英特爾On產(chǎn)業(yè)創(chuàng )新峰會(huì )（Intel Vision）上率先公布的參考套件包括AI模型代碼、端到端機器學(xué)習管道說(shuō)明、庫和用于跨架構運行的英特爾oneAPI組件，讓數據科學(xué)家和開(kāi)發(fā)者能夠學(xué)習如何更快速、更簡(jiǎn)單地在醫療、制造、零售和其他行業(yè)部署準確性更高、性能更優(yōu)和總落地成本更低的AI。 

英特爾副總裁兼人工智能和分析部門(mén)總經(jīng)理李煒博士表示：“在開(kāi)放和眾創(chuàng )的環(huán)境中，創(chuàng )新才能蓬勃發(fā)展。不管是包括各種已優(yōu)化的流行框架的英特爾加速開(kāi)放AI軟件生態(tài)，還是英特爾的AI工具，都建立在開(kāi)放的、基于標準的、統一的oneAPI編程模型基礎上。此次推出的參考套件是用英特爾的各項端到端AI軟件產(chǎn)品打造而成，將讓數百萬(wàn)的開(kāi)發(fā)者和數據科學(xué)家能夠輕松快捷地將AI加入應用程序，或改善現有的智能解決方案?！?/span> 

隨著(zhù)視覺(jué)、語(yǔ)音、推薦系統等領(lǐng)域的用例出現，AI工作負載正不斷增長(cháng)并變得更加多樣化。與埃森哲聯(lián)合開(kāi)發(fā)的英特爾AI參考套件旨在加速推動(dòng)AI在各行業(yè)的應用。這些套件是開(kāi)源的預置AI，可針對各種重要企業(yè)應用場(chǎng)景，支持新AI的引入和現有AI解決方案的戰略調整。 

本次英特爾將推出四款套件供下載： 

●          公用設施資產(chǎn)健康：隨著(zhù)全球能源消耗的持續增長(cháng)，電力傳輸資產(chǎn)的數量預計也將增長(cháng)。這一預測分析模型被訓練用于提高公用設施的服務(wù)可靠性。通過(guò)英特爾?oneAPI數據分析庫（Intel? oneAPI Data Analytics Library），它使用經(jīng)英特爾優(yōu)化的XGBoost算法，基于34項屬性和超過(guò)1,000萬(wàn)個(gè)數據點(diǎn)，對電線(xiàn)桿的使用狀況進(jìn)行建模¹。數據類(lèi)型包括資產(chǎn)使用年限、機械性能、地理空間數據、檢查報告、制造商、先前的維修和維護歷史以及斷電記錄。該預測性資產(chǎn)維護模型會(huì )不斷學(xué)習新提供的數據，如新的電線(xiàn)桿制造商、斷電和其他條件變化。 

●          視覺(jué)質(zhì)量控制：質(zhì)量控制是所有制造業(yè)務(wù)中的必需環(huán)節。計算機視覺(jué)技術(shù)的挑戰在于它們在訓練過(guò)程中往往需要大量的圖像算力，且需要隨著(zhù)新產(chǎn)品的推出頻繁地重新訓練。這一AI視覺(jué)質(zhì)量控制模型是用包括英特爾^?PyTorch優(yōu)化版的英特爾?AI Analytics Toolkit和英特爾?發(fā)行版OpenVINO?工具套件訓練而成，二者均由oneAPI提供技術(shù)支持。針對跨CPU、GPU和其它基于加速器的架構的計算機視覺(jué)工作負載，與現有的未經(jīng)英特爾優(yōu)化²的埃森哲視覺(jué)質(zhì)量控制套件相比，這一模型的的訓練和推理速度分別提高了20%和55%。利用計算機視覺(jué)技術(shù)和SqueezeNet分類(lèi)算法，這一AI視覺(jué)質(zhì)量控制模型可通過(guò)超參數調優(yōu)和優(yōu)化檢測藥品缺陷，準確率達95%。 

●          客服機器人：對話(huà)式聊天機器人已成為支持整個(gè)企業(yè)發(fā)展的關(guān)鍵服務(wù)。用于對話(huà)式聊天機器人交互的AI模型是規模龐大且高度復雜的。這款參考套件包含了進(jìn)行意圖分類(lèi)（intent classification）和命名實(shí)體識別（named-entity recognition）的深度學(xué)習自然語(yǔ)言處理模型，使用BERT和PyTorch。英特爾?PyTorch擴展包（Intel? Extension for PyTorch）和英特爾?發(fā)行版OpenVINO?工具對該模型進(jìn)行了優(yōu)化，實(shí)現了跨異構的更高性能，與現有的未經(jīng)英特爾優(yōu)化³的埃森哲客服機器人套件相比，推理速度提高了45%，同時(shí)，還讓開(kāi)發(fā)者通過(guò)最少的代碼改動(dòng)就能重新使用模型開(kāi)發(fā)代碼進(jìn)行訓練和推理。 

●          智能文檔索引：企業(yè)每年需要處理和分析數百萬(wàn)份文檔，許多半結構化和非結構化文檔都需要手動(dòng)操作。AI可以自動(dòng)處理和分類(lèi)這些文檔，以提高速度并降低人力成本。此款套件使用支持向量分類(lèi)（SVC）模型，并通過(guò)oneAPI技術(shù)支持下的Intel?發(fā)行版Modin和英特爾?Scikit-learn擴展包（Intel? Extension for Scikit-learn）進(jìn)行了優(yōu)化。與現有的未經(jīng)英特爾優(yōu)化⁴的埃森哲智能文檔索引工具包相比，這些工具將將數據預處理、訓練和推理的時(shí)間分別提高了46%、96%和60%，能以65%的準確率審閱和分析文檔。 

這些AI參考套件可在英特爾官網(wǎng)的AI參考套件頁(yè)面或Github上免費下載。 

開(kāi)發(fā)者希望能將AI加入其解決方案，英特爾此次發(fā)布的AI參考套件則有助于這一目標的實(shí)現。這些套件建立在英特爾端到端工具和框架優(yōu)化AI軟件的基礎上，并完善了這一產(chǎn)品組合?；?/span>oneAPI開(kāi)放的、基于標準的、異構的，可在多種架構上運行的編程模型開(kāi)發(fā)，這些工具能克服專(zhuān)有環(huán)境限制，幫助數據科學(xué)家以更快的速度和更低的成本訓練模型。 

未來(lái)一年，英特爾還將發(fā)布一系列新開(kāi)源AI參考套件，提供各種已訓練好的機器學(xué)習和深度學(xué)習模型，幫助各種規模的企業(yè)進(jìn)行數字化轉型。

附屬細則：

注意事項與免責聲明

1_{預測性公共設施分析參考套件（Predictive Utility Analytics Reference Kit），測量于2022年6月29日。硬件配置：微軟Azure Standard D4_v5，操作系統：Ubuntu 20.04.4 LTS（Focal Fossa），8 X英特爾?至強?Platinum 8370C CPU @ 2.80GHz，2線(xiàn)程/核, 4核/插槽，1插槽。軟件配置：配置1（Python v3.9，Scikit-learn v 1.0.2，Xgboost v0.81），配置2（英特爾?發(fā)行版Python 3.9.12 2022.0.0，Scikit-learn 0.24.2，英特爾?Scikit-learn擴展包 2021.5.1，Xgboost 1.4.3，daap4py 2021.6.0）。其他詳細信息見(jiàn)https://github.com/oneapi-src/predictive-health-analytics。結果可能有所不同。}

2_{視覺(jué)質(zhì)量檢測套件（Visual Quality Inspection Reference Kit），測量于2022年6月29日。硬件配置：微軟Azure Standard D4_v5，操作系統：Ubuntu 20.04.4 LTS（Focal Fossa），4 X英特爾?至強?Platinum 8370C CPU @ 2.80GHz，2線(xiàn)程/核，2核/插槽，1插槽。軟件配置：配置1（PyTorch v1.8.0），配置2（英特爾?PyTorch擴展包 v1.8.0，英特爾?神經(jīng)網(wǎng)絡(luò )壓縮器v1.12，英特爾?發(fā)行版OpenVINO工具2021.4.2）。其他詳細信息見(jiàn)https://github.com/oneapi-src/visual-quality-inspection。結果可能有所不同。}

3_{客服機器人參考套件（Customer Chatbot Reference Kit），測量于2022年6月22日。硬件配置：微軟Azure Standard D4_v5，操作系統：Red Hat Enterprise Linux Server 7.9，4 X英特爾?至強?Platinum 8370C CPU @ 2.80GHz, 2線(xiàn)程/核, 2核/插槽，1插槽。軟件配置：配置1（PyTorch v1.11），配置2（PyTorch v1.11.0，英特爾?PyTorch擴展包 v1.11.200，英特爾?神經(jīng)網(wǎng)絡(luò )壓縮器v1.12）。其他詳細信息見(jiàn)https://github.com/oneapi-src/customer-chatbot。結果可能有所不同。}

4_{智能索引參考套件（Intelligent Indexing Reference Kit），測量于2022年6月22日。硬件配置：亞馬遜AWS m6i.xlarge，操作系統：Red Hat Enterprise Linux Server 7.9，4 X英特爾?至強?Platinum 8370C CPU @ 2.80GHz, 2線(xiàn)程/核, 2核/插槽，1插槽。軟件配置：配置1（Pandas, Scikit-learn），配置2（英特爾?AI Analytics Toolkit v 2021.4.1，英特爾?Scikit-learn擴展包，英特爾?發(fā)行版Modin）。其他詳細信息見(jiàn)https://github.com/oneapi-src/intelligent-indexing。結果可能有所不同。}

實(shí)際性能受使用情況、配置和其他因素的差異影響。

結果可能有所不同。性能結果基于配置信息中顯示的日期進(jìn)行測試，且可能并未反映所有公開(kāi)可用的更新。

沒(méi)有任何產(chǎn)品或組件能夠保證絕對安全。

您的成本和結果可能有所不同。

英特爾技術(shù)可能需要啟用硬件、軟件或激活服務(wù)。

英特爾不控制或審計第三方數據。在評估數據準確性時(shí)，請參考其它信息源。