爱因儿科技|英特尔AI软硬结合守护城市「良心」，不让你的AJ被雨水淹没( 二 ) 机器之心转载来源：头部科技在后摩尔定

不止是这个案例，任何领域的视觉数据都可利用OpenVINO进行加速推理，帮助企业更快速地实现高性能计算机视觉与深度学习的开发。
填补大数据分析与AI结合的空白点：AnalyticsZoo ，英特尔又一AI底气
事实上，大数据与人工智能早已是你中有我，我中有你的关系，大数据正是人工智能的基础。
不少公司都开始尝试在他们的数据分析流程中添加AI功能，但实际上，深度学习模型的训练和推理只是整个流程的一部分。
如果真正应用到生产环境中，需要构建和应用深度学习模型，还需要数据导入、数据清洗、特征提取等多个工作流程，这些工作能够占据机器学习或者深度学习这样一个工业级生产应用开发大部分的时间和资源。
那么，人工智能从实验室到落地需要统一的数据分析流水线，填补大数据分析与AI结合的空白点，英特尔软件平台AnalyticsZoo应运而生。

文章图片
AnalyticsZoo总体架构
英特尔AnalyticsZoo是一个统一的大数据分析和人工智能平台，它可以将Tensorflow、Keras、PyTorch、Spark、Flink和Ray程序等集成在一个统一的流水线中，并且可以从笔记本环境透明地扩展到大规模集群，对生产数据进行处理。
那么，通过AnalyticsZoo可以实现什么？
首先，用户可以轻松地创建端到端的人工智能应用，并加以部署，例如在Spark程序中书写TensorFlow或者PyTorch代码，并进行分布式的训练和推理；
其次，用户可以使用高级机器学习流水线，来实现大规模机器学习应用程序开发过程的自动化；
此外， AnalyticsZoo还提供了用于构建推荐、时序数据、计算机视觉和自然语言处理程序等不同应用场景的各种算法和模型。
在实际应用中，英特尔与腾讯的机器学习团队通过深度技术合作，将AnalyticsZoo集成到腾讯云智能钛机器学习平台。该平台是基于腾讯云强大计算能力的一站式机器学习生态服务平台。

文章图片
AnalyticsZoo中的AutoML框架
此项合作也使该平台获得了更强大的AutoML特性，让AI初学者也能轻松使用。使用AnalyticsZoo的AutoML ，可以很方便地进行时间序列分析，如时序预测，异常检测等。
除此之外，不变的仍然是软硬能力的携手合作。腾讯云将先进的第二代英特尔至强可扩展处理器应用于腾讯云智能钛机器学习平台。第二代英特尔至强可扩展处理器支持英特尔深度学习加速技术，提升了人工智能负载，特别是深度学习负载性能。
想要大数据分析与AI结合的空白点，确实需要跨越几大难关：如何将数据与ML/DL算法结合在一起？如何跨越AI技能组合的供需之间存在巨大的鸿沟？
AnalyticsZoo的出现正是希望帮助开发者解决问题——「无缝」地从笔记本的生产原型扩展到集群或生产化部署。

文章图片
如今AnalyticsZoo也已经在GitHub上开源，开源地址：https://github.com/intel-analytics/analytics-zoo
硬件革命性创新，突破AI模型训练的内存瓶颈
回归到硬件，英特尔早已有一系列处理器助力企业释放AI效能，例如支持深度学习加速技术的第二代英特尔至强可扩展处理器。
谈到助力释放AI效能的硬件基础时，算力通常是最先被考虑的因素，然而对于处理工作负载极高的AI应用来讲，内存的容量更是不容忽视。
医疗保健工作负载（尤其是医学成像）常常需要采用高分辨率的3D图像，因此内存占用量就要比其他AI工作负载大，此类模型在训练和推理过程中内存占用量也是格外大。