文档首页 > > 产品介绍> 基础知识> 开发环境

开发环境

分享
更新时间: 2020/06/23 GMT+08:00

在 AI 开发过程中搭建开发环境、选择AI算法框架、选择算法、调试代码、安装相应软件或者硬件加速驱动库都不是容易的事情,使得学习 AI 开发上手慢门槛高。为了解决这些问题,ModelArts算法开发平台简化了整个开发过程,以降低开发门槛,算法开发过程如图1所示。

图1 算法开发
  • 支持所有主流的 AI 算法框架

    机器学习和深度学习领域,主流开源的训练和推理计算框架包括TensorFlow、PyTorch、MXNet等。ModelArts平台为适应不同开发者的开发习惯及不同应用场景,支持所有主流AI计算框架,并提供友好易用的开发和调测环境。支持传统机器学习算法运行,如逻辑回归、决策树、聚类算法等;支持CNN、RNN、LSTM等多种类型的深度学习算法执行。

  • 简化面向分布式训练的算法开发

    深度学习需要大规模的加速计算,往往需要大规模GPU集群进行分布式加速。而现有的开源框架需要算法开发者写大量的代码实现在不同硬件上的分布式训练,而且不同框架的加速代码都不相同。为了解决这些痛点,需要一种轻型的分布式框架或者SDK,构建于TensorFlow、PyTorch、MXNet等深度学习引擎之上,使得这些计算引擎分布式性能更高,同时易用性更好,ModelArts的MoXing可以很好地解决这个痛点。开发者基于MoXing开发的代码如图2所示。

    图2 基于MoXing开发
    • 简化调参,集成多种调参技巧包,如数据增强的调参策略,可简化AI算法工程师的模型调优痛苦。
    • 简化分布式,支持将单机代码自动分布式,使算法工程师不需要学习分布式相关的知识,在自动化分布式的同时,也优化了分布式的性能,自动化和高性能是相辅相成的。
分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!

非常感谢您的反馈,我们会继续努力做到更好!

反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

智能客服提问云社区提问