社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
ChatGPT 助力科研,使您科研创新与效率双提升!
Github霸榜,今年最火后端项目,北大学霸开源,万人催更!
ChatGPT,峰值已过?
2024 ChatGPT最新一区Top文章《ChatGPT+MATLAB 在岩土工程中的应用》快来看...
GitHub(微博搜索)-20240418-1
中国AIGC最值得关注企业&产品榜单揭晓!首份应用全景图谱发布
香港科技大学(广州)机器学习基础实验室招收多名2024Fall/2025Spring博士生、研究助理...
MySQL用得好好的,为啥非要转ES?
杨小渝研究员:高通量多尺度材料计算和机器学习,助力新材料研发“弯道超车”
免费课程:机器学习辅助材料模拟实践
关注
Py学习
»
Git
快到起飞!不用代码!一分钟体验 GitHub 上 20 个开源工具!!!
GitHubDaily
• 3 年前 • 535 次点击
公众号关注 “GitHubDaily”
设为 “
星标
”,每天带你逛 GitHub!
大家好,我是小 G。
今天跟大家分享百度在 GitHub 上开源的一波比较实用的模型工具,共 20 个。
开源模型效果体验,废话不说,先上图:
看到如此神奇,是不是手痒现在就想体验?步骤非常简单!
Step1:
点击
https://ai.baidu.com/easyedge/home
进入百度
EasyEdge 端计算模型生成平台
Step2:
点击 “立即使用” 进入操作中心后,选择 “体验开源模型”,点击想体验的模型,拿出手机(安卓苹果皆可)扫码,自动安装,等待几秒钟,即可打开 APP 实时体验各类模型的效果。
这就是 EasyEdge 平台最近升级给开发者提供的 “开源模型体验” 功能,一行代码不用写,还支持苹果手机,妥妥的开发者福利啊!
除了上面演示的 OCR 模型,公开的模型还有菜品识别,能识别 8416 种菜!
螺
蛳粉也能识别也是没谁了。
动物识别,能识别 7879 种动物:
更有一些通用的物体检测、人脸识别等模型:
什么都别说,扫码就对了。
言归正传,下面正式介绍一下 EasyEdge。
EasyEdge 是百度推出的端计算模型生成和服务平台,可基于多种深度学习框架、网络结构的模型,快捷生成端计算模型及封装 SDK,并灵活适配多种 AI 芯片与操作系统
。
目前 EasyEdge 的全部功能服务已预置在零门槛 AI 开发平台 EasyDL、全功能 AI 开发平台 BML 中,与模型训练环节紧密配合,提供一站式端到端的 AI 开发及离线推理服务。
随着人工智能的不断发展,越来越多的行业和业务场景在应用人工智能来提升效率并降低成本。
一方面,现在可以训练模型的框架非常之多,TensorFlow、PyTorch、飞桨PaddlePaddle 等等,训练模型变得越来越容易,对于框架的选择不同开发者也有各种使用偏好;
而在硬件方面,AI 芯片的种类也越来越多,除了传统的 CPU、GPU、ARM,各种 AI 的 ASIC 芯片也逐渐被推出,如华为的昇腾,算丰科技的比特大陆 SE,英特尔的 Myraid 计算卡等等。
同时,大家使用的手机 CPU 中都开始逐渐配备专门的 AI 芯片用于神经网络计算,如苹果 A 仿生芯片,海思 NPU,高通 DSP 等等。
每一类 AI 芯片都有自己的应用场景与独特的计算框架,然而不同深度学习框架能适配的芯片往往非常有限,如何将训练好的模型高效地部署到设备上,最大化利用芯片能力的同时保持精度无损失,是当前很多 AI 开发者遇到的技术难题。
EasyEdge 输入的是各类深度学习框架的训练好的模型,包括来自零门槛 AI 开发平台 EasyDL 及全功能 AI 开发平台 BML 训练所得的模型,经过转换、面向设备的兼容和加速、封装。输出的是支持各类芯片的端 / 边缘计算服务。
EasyEdge
支持目前所有主流的深度学习框架
PaddlePaddle
PyTorch
TensorFlow
MXNet
Caffe
DarNet
同时拥有目前
最广泛
的芯片支持:
芯片
支持情况
CPU
ARM
armv7、armv8
已支持
x86-64
with Intel® AVX2 and AVX512
已支持
Intel Atom
with Intel® SSE
已支持
GPU
NVIDIA GPU on x86-64
P4、T4、V100..
已支持
NVIDIA GPU on ARM
TX1、TX2、Nano、Xavier
已支持
Mali on ARM
即将支持
ASIC
Kirin NPU (Cambrian)
970、980
已支持
Kirin NPU
990、820
已支持
Snapdragon DSP
660+
已支持
Apple A-Bionic
A12+
已支持
HiSilicon NNIE
Hi3559A、Hi3519A
已支持
Huawei Ascend
Atlas 200、300
已支持
Intel Myriad VPU
M2、MX、NCS
已支持
Baidu XPU
自研昆仑(MPW)
已支持
Bitmain
SE50
已支持
RK NPU
rk1808、rk1806
即将支持
EdgeBoard VMX
自研vmx
已支持
FPGA
EdgeBoard FZ
自研ZU3、ZU5、ZU9
已支持
同时,EasyEdge 支持各类经典的、最新的深度学习网络,从 ResNet、MobileNet 到 Yolo、FasterRCNN,都可以很好的通过 EasyEdge 部署在不同设备之上。
完整的支持列表可以去
E
asyEdge
官网
查看:
https://ai.baidu.com/easyedge/home
为了能实现多种网络在不同芯片的高效部署,EasyEdge 后台提供了非常多的优化,如模型格式转换、图优化、芯片优化、模型低精度量化、模型裁剪和压缩等等。
以
模型转换
为例,为适配各类框架和芯片,EasyEdge 会根据需要
自动转换模型格式
。
模型转换
而
图优化
中,会完成一些
OP 融合、OP 拆解、常量折叠、子图替换
等操作。
op 融合
在
模型压缩
过程中,会进行模型的低精度量化、模型通道裁剪等操作,在不降低模型精度的前提下,减少模型的体积,提升模型的运行速度。
模型压缩
定点量化
完整的 EasyEdge 技术介绍可以去
B 站百度大脑账号
观看 EasyEdge 的各类讲解视频:
https://space.bilibili.com/485230140
以上能力都是 EasyEdge 后台
根据用户的选择自动帮用户完成的
。
开发者只需选择框架,上传自己本地的模型,或者从 EasyDL 或 BML 中选择训练好的模型,选择需要适配的硬件,即可自动生成适配目标芯片的 SDK 和开发者套件。
开发者套件的使用十分简单便捷,无需关注深度学习、具体硬件等底层逻辑,只需关注输入图片和输出的识别结果即可。
还等什么,点击【
阅读原文
】,速来体验 EasyEdge 的开源模型吧!
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/99614
535 次点击
登录后回复