平安科技奥卡姆AutoML平台斩获“2019年CCF科学技术奖”

2019-10-31 14:55 稿源:用户投稿  0条评论

一、 荣获“ 2019 年CCF科学技术奖”,Occam平台再添重量级奖项

近日,“ 2019 年度CCF科学技术奖”颁奖典礼在江苏苏州举行,平安科技联邦学习团队以“Occam平台:基于AutoML的端到端全栈式AI开发加速平台”项目(以下简称“项目”)首次荣获“ 2019 年CCF科学技术奖科技进步杰出奖”。本次获奖代表着Occam平台作为在计算机领域的优秀成果,得到国内计算机领域权威学术团体的肯定。

图一 评选公示

中国计算机学会科学技术奖是中国计算机学会(CCF)设立的计算机领域重要奖项,由CCF科学技术奖评奖委员会组织评选,嘉奖在计算机科学、技术或工程领域具有重要发现、发明、原始创新,在相关领域有一定国际影响的优秀成果。这是平安科技Occam平台继今年 7 月份在国际权威榜单DAWNBench的Question Answering Inference Latency赛道上摘得桂冠后的又一份殊荣,更是实力的体现。

获奖奖杯

二、 全流程的极简和自动化,Occam平台定义全新的AI开发模式

AI模型的训练过程非常耗时、AI开发部署流程复杂繁琐是AI落地应用全面盛开过程中,首当其冲的制约因素。平安科技联邦学习团队此次获奖的这一项目,即是针对大部分AI模型的精度和速度无法快速输出满足业务需求的产品服务问题,提出了融合分形网络框架、神经架构搜索(NAS)和微服务技术等多种技术的自动化机器学习平台解决方案,可以帮助用户快速构建精准的AI模型。秉承简约化原则,Occam平台为用户提供了从数据处理、算法开发、模型训练、模型优化到模型推理的全周期AI工作流,包含数据标注、数据增强、多元模型自动搜索、超参优化、模型自动压缩、图神经网络、联邦学习、难例自动发现等多种特色服务,支持图像分类、图像检测、语音识别、文本分类等丰富的AI应用场景。目前,Occam平台已在医疗、教育、公共安全和智慧等方面成功应用,为业务带来更加高效的AI赋能。

                              图三 产品功能

值得一提的是,凭借联邦学习团队在模型精度和模型速度方面的不断深耕,Occam平台已硕果累累。不仅在今年 7 月份斯坦福大学深度学习推理DAWNBench竞赛中,力压由康奈尔大学和谷歌组成的豪华联队,以7. 579 毫秒的惊人成绩勇夺冠军,还实现了首个基于神经架构搜索的声纹识别模型Auto-Vector,只需要30GPUh就可以在VCTK数据集搜索一个高精度声纹识别模型,其效果远超过如Xvector、LSTM-GE2E等最先进的顶级专家设计的声纹模型。这背后的硬核技术,主要体现了团队在AS、并行计算、稀疏计算等方面的深厚功力,同时在模型压缩问题上独创了一套仅需少量的无标签数据即可让小模型逼近大模型能力的通用压缩方案DataNAS,使得平台最终能够实现由机器自动化的快速搜索而诞生的且由AI自己炼丹而出的精准模型。

此外,Occam平台还运用了自主研发的面向AutoDL的分布式深度学习框架,通过分级分布式并行体系架构,神经架构搜索的效率可以达到近线性加速。该框架涵盖了各种先进的神经架构搜索算法,在用户自定义的分层的嵌套搜索空间中,对特定问题完成更全面更简洁的搜索。在平台层面,Occam团队也进行了大量的优化工作,包括虚拟化、微服务化、容器调度、并行计算、集合通信、分布式存储。例如,根据数据的访问热度和数据流特性设计了自适应的缓存算法和预取选法,并通过均衡的稀疏策略和算子融合,大幅度提升了数据访问速度。

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户朋友,发现稿件存在不实报道,欢迎读者反馈、纠正、举报问题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能存在的风险,任何后果均由读者自行承担。

声明:本文转载自第三方媒体,如需转载,请联系版权方授权转载。协助申请

相关文章

相关热点

查看更多

关闭