訂閱
糾錯
加入自媒體

中科創(chuàng)達副總裁兼智能視覺事業(yè)全執(zhí)行總裁孫力:解析深度學(xué)習(xí)的前沿研究以及應(yīng)用出口

由中國高科技行業(yè)門戶OFweek維科網(wǎng)和高科會主辦、OFweek人工智能網(wǎng)承辦“OFweek(第二屆)國際人工智能產(chǎn)業(yè)大會”于8月30日盛大召開。此次大會,隨著上千名AI學(xué)術(shù)領(lǐng)袖、政府領(lǐng)導(dǎo)、領(lǐng)軍企業(yè)與業(yè)界精英的到來,會場氣氛持續(xù)高漲。

大會持續(xù)兩天,其中中科創(chuàng)達副總裁兼智能視覺事業(yè)全執(zhí)行總裁孫力作為演講嘉賓之一出席了第一天的主論壇,給大家?guī)砹恕督馕錾疃葘W(xué)習(xí)的前沿研究以及應(yīng)用出口》的主題演講,介紹了嵌入式人工智能人工智能的挑戰(zhàn)與實踐。

image.png

孫力先生

中科創(chuàng)達副總裁兼智能視覺事業(yè)全執(zhí)行總裁孫力首先分享了建筑設(shè)計的三個主題, 分別是嵌入式AI方面的發(fā)展趨勢、嵌入式人工智能的挑戰(zhàn)與落地、中科創(chuàng)達做的一些實踐。

其次分享了嵌入式人工智能的一些應(yīng)用、落地挑戰(zhàn)、壓縮網(wǎng)絡(luò)和常見技術(shù)。最終再介紹了中科創(chuàng)達在人工智能視覺方面的工作。

以下是中科創(chuàng)達副總裁兼智能視覺事業(yè)全執(zhí)行總裁孫力的現(xiàn)場演講內(nèi)容,OFweek小編作了不改變原意的整理和編輯:

各位業(yè)界的朋友,大家好,我今天分享的主題是嵌入式人工智能的挑戰(zhàn)和實踐。 因為大家都說到,人工智能最后免不了要落地,不管你跑到云上還是跑到設(shè)備上,或者是跑在邊緣側(cè)。

今天我要聚焦的是一個建筑設(shè)計方面的一個分享,大約有三個主題,第一個是嵌入式AI方面的發(fā)展,因為你不管叫它什么,總而言之人工智能要落地,你得跑在這些設(shè)備上。第二個是嵌入式人工智能的一些挑戰(zhàn),還有應(yīng)用的落地上遇到的一些經(jīng)驗分享。第三個是中科創(chuàng)達做的一些實踐。

在嵌入式AI發(fā)展這塊,大約有三個話題,首先我們看看嵌入式和云端的區(qū)別,它們二者是共存的,并不矛盾,根據(jù)需要以及所處場景,有一些需要跑在端側(cè),有的可以純粹跑在云端。

嵌入式能帶來一些好處,比如說更快的響應(yīng)或者更低的功耗,還有更好的數(shù)據(jù)隱私,因為有些數(shù)據(jù)并不希望被傳到云端。

另外大家都知道,目前的物聯(lián)網(wǎng)雖然非常碎片化,但是從整體來講的話,其數(shù)量還是相當(dāng)龐大。而對于AI來說,未來這些物聯(lián)網(wǎng)的硬件設(shè)備,再加上AI的算法,還有云端的結(jié)合,便可以使人工智能滲透到越來越多的場景里。

對于整個視覺市場和嵌入式這一塊,首先中科創(chuàng)達做了很多關(guān)于視覺這塊的業(yè)務(wù),目前視覺方面都是指視覺的終端,比如帶攝像頭的設(shè)備,并且數(shù)量呈現(xiàn)快速增長的趨勢,語音方面更不用說了,已經(jīng)取得了非常大的成就。

那么接下來,不管是在安防、汽車、小機器人等很多的設(shè)備上面,攝像頭都會快速地增加。而且大家看到,不管是給開發(fā)者還是企業(yè)用的,邊緣側(cè)的智能視覺設(shè)備也越來越多,有的為了投放教育市場,有的是可以用來做開發(fā)的一些設(shè)備,當(dāng)然很多設(shè)備的工業(yè)設(shè)計或者結(jié)構(gòu)等會不一樣,可能針對不同的場景需要定制化。

為此,中科創(chuàng)達推出了我們自己的TurboX AI Kit,來做這些人工智能的開發(fā),設(shè)計基于高通驍龍845平臺來安置,我們提供豐富的嵌入式 AI 開發(fā)、分析、優(yōu)化和調(diào)試工具,加速端側(cè) AI 的實現(xiàn)與普及,助力生態(tài)系統(tǒng)構(gòu)建。

我再說一些嵌入式人工智能的應(yīng)用和落地挑戰(zhàn)。實際上人工智能最后要落地到嵌入式這一塊,市場上有那么多的芯片,密度不同,操作系統(tǒng)不同,但運算力卻那么有限,甚至有的人在挑戰(zhàn)一些操作系統(tǒng)來部署人工智能生態(tài)系統(tǒng),這樣做對于一些比較小的封閉的生態(tài)系統(tǒng)來說的話,對于算法的開發(fā)者就會比較困難。

對于嵌入式AI算法的部署本身,比較簡單,你要做訓(xùn)練,訓(xùn)練完要轉(zhuǎn)換模型,要把它放入嵌入式,然后讓它跑起來。最麻煩的就在于當(dāng)你放到不同的芯片上,你到底是放在CPU,還是DSP上,或者GPU上?所以這些都帶來非常大的一些挑戰(zhàn)。

對于嵌入式算法的優(yōu)化策略,無非就是說要針對你所使用的tag的芯片硬件,來做深度的硬件和軟件的優(yōu)化。那么對于硬件的話,你先要考慮的就是它的功耗和成本。你不能把芯片給吹爆了,因為它的算力是有限的。但是如果你把這些網(wǎng)絡(luò)裁剪太厲害,它的精度又不夠了,實際上這就是一個迭代的流程,要不停的去迭代,而且一定要壓榨干所有芯片上的DSP、GPU。首先就要跟芯片平臺有非常深度的合作,另外在軟件方面一定要降低算法模型的運算量。

實際上不管什么樣的嵌入式終端,首先你都要根據(jù)你要落地的芯片,先看這個算力有多少,而后才能知道你的神經(jīng)網(wǎng)絡(luò)的層數(shù)、神經(jīng)網(wǎng)絡(luò)的大小。然后你再看它的KPI是多少,根據(jù)這些給你的目標(biāo)平臺和芯片做一個性能的評估。最終你要看到你的算法復(fù)雜度的上限,并且你一定要摸到底,但是基于限制的神經(jīng),網(wǎng)絡(luò)神經(jīng)模型可能會很大,這樣在嵌入式里面會跑不動,接著你要把它進行裁剪。

你要給網(wǎng)絡(luò)做很多的裁剪和壓縮。之后利用一些工具來測量它的真實性能,也即檢測你裁剪完之后跑的效果。如果不能滿足性能,裁剪就沒有用。如果在滿足這些性能之后,然后再進行迭代,不停的迭代,一定不要浪費掉你的DSP和GPU。

另外在嵌入式這一塊的算法進行優(yōu)化,一定要對網(wǎng)絡(luò)的模型進行 paper上的重訓(xùn)練,然后使用不同參數(shù)進行反復(fù)的調(diào),再測量它的性能。另外還要修改神經(jīng)網(wǎng)絡(luò)的一些通道,找到準(zhǔn)確率和速度的最佳平衡點。

再跟大家分享一些關(guān)于嵌入式上的壓縮網(wǎng)絡(luò)和常見技術(shù),網(wǎng)絡(luò)上大家都能看得到一些工友的paper,大家可以針對這些模型進行一些深度優(yōu)化,在類似的精度上面,大家可以去做裁剪嘗試。另外就是所謂的裁剪,不管你剪的什么也好,網(wǎng)絡(luò)太復(fù)雜,就意味著大腦太大。那么你在嵌入式的設(shè)備上就跑不動,那就還需要進行減值。

最后,我再分享一下中科創(chuàng)達在視覺方面的一些工作,因為我們有非常龐大的視覺團隊,包括圖像整理團隊,我們整體加起來有四五百人,我們跟高通是戰(zhàn)略合作關(guān)系,還有跟ARM等公司都有在平臺層面的深度合作。中科創(chuàng)達有AI平臺架構(gòu),我們有自己的算法。

但是各種操作系統(tǒng)太碎片化了,有的客戶說我一定要跑在DSP上,因為功耗比GPU要好。有的客戶說我就跑到GPU上。面對各種不同的操作系統(tǒng),故視覺工作面臨非常大的挑戰(zhàn)。在這種情況下,實際我們公司擁有有非常多的經(jīng)驗,我們在很多的芯片,很多的操作系統(tǒng)的碎片化上進行服務(wù)。加上中科創(chuàng)達是服務(wù)型公司,所以我們接觸的這些案例相當(dāng)多。

我分享幾個比較有趣的案例給大家,我們在今年剛交付給我們一個歐洲的客戶,其公司是做微波爐的, 產(chǎn)品是用高通的芯片,但是芯片算力太差。比如微波爐想要要識別里邊的食物,從而自動選擇加熱的方法,其實這種情況下對算法的精度要求不是很高的。比如你到底是三皇雞還是土雞不重要,是個雞就可以了,你是黃牛肉還是澳洲產(chǎn)的牛肉也不重要,能識別出牛肉就可以,所以在那種情況下,你要先知道客戶的需求,你就可以將很差的芯片進行裁剪,從而滿足客戶的要求。

但是其實解決這些面臨挺大挑戰(zhàn)的,假如你真的要做食物方面的識別。其實有很多東西很難,因為有時候人都看不太出來,你到底是一個小狗還是個餅干,所以實際上,真正的一個算法,從一個demo給大家秀一下到商用化,其中“最后一公里”是特別困難的,測試過程總是能夠找到bug,所以必須來反復(fù)的調(diào)整。

如果再將這些產(chǎn)品放到市場,那挑戰(zhàn)更大。我們曾做了這些產(chǎn)品給食堂,包括關(guān)于面包店的一些解決方案,雖然這個面包,看起來很容易,但是有各種不同的面包,你不能說光把面包識別出來就完了,如果說今天新推出一個面包,你怎么辦?

另外其實我們還接到大量的工業(yè)上的一些需求,比如說瑕疵的檢測,現(xiàn)在有很多的工廠,比如說液晶面板,有的工廠里還有大量工人在做質(zhì)檢。雖然實際上現(xiàn)在的人工智能不是萬能的,他必須得結(jié)合傳統(tǒng)的圖像處理的方法,不能純粹用人工智能,但這樣就可以把部分人類解放出來。雖然說有些人要失業(yè),但是他可以做更有趣的一些工作,因為質(zhì)檢要輪班,并且對視力、對精神實際上都有很大的壓力。

好,這就是我今天的分享,謝謝。

聲明: 本網(wǎng)站所刊載信息,不代表OFweek觀點?帽菊靖寮,務(wù)經(jīng)書面授權(quán)。未經(jīng)授權(quán)禁止轉(zhuǎn)載、摘編、復(fù)制、翻譯及建立鏡像,違者將依法追究法律責(zé)任。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號