来了解一下英特尔的geti AI平台

最近听了Intel中国的Geti AI平台推广讲座，有些有意思的东西，拿出来和大家聊聊。

What's Geti

说到AI训练，大家都知道门槛有多高——既需要高水平的技术人员，又要大量的数据资源，效率还往往上不去。英特尔的做法是推出一个全新的计算机视觉平台，名字叫英特尔®Geti。这个平台的设计初衷，就是要让数据科学家、开发人员，甚至领域的业务专家都能坐到一块儿，协作完成深度学习模型的训练。说白了，它把数据标注、模型训练、优化和再训练这些麻烦事儿串到一起，用一套统一的界面降低协作成本，加快模型开发的节奏。

Intel Geti平台的工作流程

Geti平台用了一种叫主动学习的机器学习方法，专门用来训练卷积神经网络。主动学习的好处在于：机器一边学，人类专家一边在旁边“教”它。平台会自动挑出最有价值的样本让你标注，减少了需要人工标注的数量，也能避免样本偏差带来的问题。这样一来，神经网络从信息量最大的数据里快速学习，数据标注和模型训练的速度明显提升，人的工作量也降了下来。

具体怎么操作？大致流程如下：

• 上传一个数据集，至少20到30张图片。
• 第一轮训练结束后，平台会对数据进行评审，挑出最适合继续训练的数据。
• 技术人员再告诉平台想让它学什么，并添加标签。
• 平台开始重新训练模型，并进行预测。
• 检查预测结果，接受或者更正，再标注更多数据。
• 模型的准确性迅速提升。
• 导出模型。
• 如果要更新，就上传新图像，加到数据集里，重新训练并导出新版模型。

几大优势

通过直观、省时的平台实现任务自动化

Geti平台内置了不少专业图像编辑软件才有的省时功能，专门处理常见的数据科学和图像处理任务。比如清除背景、自动检测相似物体、分割形状，这些功能让批处理、图像分析和标注变得相当顺手。具体来说：

• 提供了多边形、矩形、旋转、圆形边框的绘图工具。
• 有基于GrabCut和分水岭变换的CV注释助手。
• 还有物体检测助手，能自动识别形状相似的物体。

使用相同的GUI微调参数

在模型微调这块，Geti对用户非常友好。团队完全不需要懂Python编程，就能通过图形界面控制所有微调参数细节，而且调完之后马上就能看到模型性能的变化。你能设置的参数包括：

• 训练参数：学习率、批大小、epoch数量。
• 主动学习参数：比如初始训练需要标注的数量、预测和再训练的策略。
• 数据增强参数：旋转、缩放等。
• 预处理和后处理参数：图像大小、软阈值、模糊强度。

导出的模型和推理包可应用于任何硬件

Geti平台训练好的模型可以导出成多种格式，包括谷歌的TensorFlow、PyTorch，以及OpenVINO™工具包文件（带.xml和.bin）。这些模型能在英特尔CPU、GPU和VPU上跑，几乎任何笔记本电脑、台式机、嵌入式PC或者服务器都能用，部署灵活度很高。

随时使用新数据进行再训练

自动标注和训练确实省时间，但深度学习模型在实际企业应用中难免会碰到新场景，或者随着时间的推移出现漂移，效果不如人意。这时团队可以继续用Geti平台的那套增量式主动学习方法重新训练模型。操作很简单：上传新图片，加到现有模型里，再标注、训练，直到精度达标为止。