深度学习不懂AI的我，是如何搞开发的？ |AI|平台|

金磊发自凹非寺
量子位报道 | 公众号 QbitAI
高达86% ，这就是目前市场对「定制开发AI模型」需求的占比。
但在这个过程中，企业用户和开发者往往存在着以下诸多问题：
缺少模型训练经验
数据采集和标注成本较高
模型适配与部署流程非常繁琐
模型优化迭代周期长
那么，是否存在一种工具，能够「一站式解决」上述问题呢？
百度EasyDL了解一下。
简单来说， EasyDL极大降低了深度学习的应用门槛：
把AI开发这件事情，搞得像使用「家用电器」一样简单。而且训练产出的AI模型质量，如同高级工程师产出的一样专业。

本文插图
但其实，百度早在2017年底便推出了EasyDL ， 2018年初正式开放，与此同时提出了一个愿景——Everyone can AI 。
那么时隔近三年，这一愿景走到了哪一步呢？
像用家电一样的AI ，能有多靠谱？
先来整体看下EasyDL所具有的三大特点：
极简的交互和使用流程，最快15分钟即可完成模型训练；
高精度的训练效果，比如图像分类模型的线上平均准确率在99%以上；
部署方式丰富，全面支持云、端、边部署。

本文插图
首先是EasyDL的易用性、低门槛。
使用流程只有简单的四步，分别是「创建模型」、「准备数据」、「训练模型」和「部署应用」。
并且，在整个过程当中，都是可视化图形操作，这就大大降低了企业、开发人员的使用门槛。
用百度AI平台研发部技术总监忻舟的话来说就是：
不用一行代码也可以基于需求和数据，定制自己的AI解决方案。
在工业制造的生产质检领域，以「爱包花饰」为例，在监测箱包生产过程中的残留异物（针、金属零部件等）时，使用EasyDL训练箱包质检模型，在完全无需了解AI算法细节前提下，也训练出了准确率90%的模型。
再以「瀚才猎头」为例，几名人力资源专家在不了解AI算法的情况下，使用EasyDL ，完成了简历数据的结构化处理和自动分类模型，大大提升了工作人员在简历检索方面的效率。
但简单，并不意味着会忽略掉专业性。相反，二者是「兼容且并行」。
依旧是「瀚才猎头」的案例，作为一家高级管理人员代理招募机构，其储备了200万条不同行业的企业和人才信息。
但一个非常「致命」的问题就是：200万条数据因简历检索的低下，使人才库的利用率不足10% 。

本文插图
而在使用EasyDL之后训练多个模型推进简历数据的结构化处理，仅在「候选人职能」和「候选人职级」两个模型上的识别率便达到了95%以上。
而以关键词搜索的任务中，瀚才猎头以往每天只能找到60-70份合适的简历。但现如今， 20分钟就可能达到600-1000份，而且精准度达到了95% 。
一言蔽之，百度EasyDL不仅让企业在「定制AI模型」上，使用起来像家用电器一般简单，并且还能像高级AI工程师一样专业。
除此之外， EasyDL还支持公有云API、私有服务器部署、设备端SDK、软硬一体方案等丰富的模型部署方式。
例如在软硬一体方案部署上， EasyDL提供了6款软硬一体方案，支持专项适配与加速，覆盖高中低全矩阵，模型识别速度可提升10倍。
不仅丰富，还非常快——最快仅5分钟即可集成。
而EasyDL这一切的优异特性，离不开其背后的技术硬实力。