如今，越來越多的行業都在向產業智慧型化轉型的道路上不斷靠攏。在艾瑞諮詢近期發布的《 2019 中國人工智慧產業研究報告》（以下簡稱《報告》）中指出，當下ai相關技術與傳統行業經營模式和業務流程開始產生實質性融合，智慧型經濟時代的全新產業版圖初步顯現。
「開源開放」促進了全球ai相關技術及產業生態的繁榮，成為產業智慧型化的重要推動力。百度大腦深度學習平台飛槳（paddlepaddle），作為國內唯一功能完備的端到端開源深度學習平台，其兼具靈活和效率的開發機制、工業級應用效果的模型、超大規模並行深度學習能力、推理引擎一體化設計以及系統化的服務支援，是持續加快產業智慧型化程序的重要力量。據《報告》顯示，飛槳已開源 70 多個經過真實業務場景驗證的官方模型，覆蓋視覺、語音、nlp和推薦等ai核心技術領域，已在多個場景落地並獲得了合作夥伴的廣泛認可。
（圖：深度學習平台飛槳在全領域落地應用）
中國ai的普及如何跑出了中國速度？
美國商業雜誌《富比士》近期在專題文章《it』s time to spread ai across the enterprise（是時候在企業裡全面部署ai）》中介紹了如何尋找一種簡單的方式來代替「精通演算法」，從而快速「變成ai奇才」，讓非技術出身的各個企業從業人員都可以使用ai技術。文章指出，如果想要借助企業、平台和移動應用讓ai技術快速落地和擴大，那就不要想著萬事全部都依靠ai專家。此外，文章在提到中國ai技術平台時，程式設計客棧著重介紹了基於百度大腦的定製化訓練和服務平台easydl（ezdl）——讓零演算法基礎的使用者，也可以基於自身業務需求和資料，快速訓練專屬的定製化ai模型。
（《ndcztu富比士》報道）
在產品和技術層面，easydl支援的任務已經覆蓋了影象分類、物體檢測、文字分類、聲音分類四大種類，並且easydl還可支援用離線sdk來部署模型功能，無需聯網就可執行。此外，《富比士》文章在介紹該平台特點時著重介紹到，如果企業有做產品分類的需求，只需上傳 20 張產品**，然後簡單地點選「訓練」按鈕，大約半個小時後，屬於該企業的識別模型就可輕鬆地生成了。
在應用落地方面，據官方資料顯示，截止 2018 年 12 月 31 日，easydl平台總註冊使用者數超過 10 萬名，應用企業覆蓋 22 個行業，包括零售、安防、網際網路內容審核、醫療、法律、會計、餐飲、購物等等。可見，easydl正在為各個行業的智慧型化公升級不斷新增助力。
（百度大腦的定製化訓練和服務平台easydl）
《富比士》在採訪報道中提到，百度ai技術生態部總經理喻友平指出，「如果我們不把ai技術做的盡可能簡單，商業層面是無法有信心進行大規模落地的」，他說，「使用者在模型訓練上通常是缺少耐心的，我們必須讓這個過程盡可能的快。」同時，他還以柳州源創電噴技術****為例，介紹了easydl為企業帶去的實際價值。 程式設計客棧;
柳州源創電噴技術****，是全國唯一一家能為汽車主機廠配套噴油器的企業。該企業在開發mes管理系統的過程中發現了源創在汽車發動機的重要部件——噴油嘴質檢方面，有著迫切的程式設計客棧轉型需求。諸如人工檢測不僅效率低、檢測慢，失誤高，還容易造成員工疲累、視力損傷等問題，在借助easydl定製化訓練和服務平台成功訓練出識別率達95%的質檢識別模型後，之前的所有問題被全部解決。由此程式設計客棧帶來的質檢速度提公升和準確率提公升的結果，預計該企業每年將節省人力成本 60 萬元。
（柳州源創噴油嘴質檢）
在ai技術繼續深入發展的 2019 年，ai規模化落地與應用正在創造著新的「中國速度」。而百度作為國內最早布局人工智慧的企業，也正借助著自身ai技術優勢，為中國乃至全球的ai落地提供可借鑑的經驗。當ai技術更加普及易用、易落地，其所賦能的企業與行業也將為我們帶來更多的驚喜成績。
本文位址:
百度飛槳心得Final 總結
在這次課程之後，我說不上對深度學習，機器學習了解了多深。但這次課程是一次敲門磚，帶我走進了ml,dl的大門，了解到了這個領域是怎麼運作的，對具體知識的要求，以及 數學的美。在這裡我想總結一下本課程的主要內容，分享給大家，同時便於自己日後翻看。這個專案可以看作是機器學習界的 hello world 通...
百度飛槳（Paddle）使用初體驗
該平台有大量的課程 比賽可以參與，也有詳細的新手指導，更有免費的gpu可以蹭，詳細內容大家自己開啟就可以看到了 裡面有飛槳框架使用的詳細教程與說明，也可以搜尋飛槳api埠呼叫的說明，很方便啦 飛槳本地部署快速安裝 install quick 本次的課程是cv入門，我作為一條研二狗感到汗顏 馬上就要找...
paddlepaddle百度飛槳學習心得
還有詳細的安裝模組講解，簡單案例，經典案例，高階內容等等 然後是專案裡自己最近嘗試修改過的部分 1.資料打亂 老師提供的案例是先得到訓練集資料的索引，然後將索引打亂，從而達到打亂訓練集資料的目的。打亂訓練集資料的原因是 網路對最近得到的資料的印象較深，除非特殊任務本身對日期等有限制，都會事先打亂訓練...