随着人工智能应用不断被教育和普及,我们生活中越来越多的重复的范式化行为可以使用智能视觉来替代,对于很多个人开发者,如何低成本、高效率的进行原型验证就很有意义,这个低成本不仅是硬件BOM的费用,更多的是前期的学习曲线,时间成本。自己在日常系统解决方案设计中,也面临很多这样的困惑,为此花些时间做了些调研和实践。
从实用角度出发,需要从以下几个基本原则去选择和设计方案:
- 深度学习模型的迁移学习和推理部署
现在深度学习框架已经比较成熟,像tensorflow、caffe、pytorch和百度的paddlepaddle.模型训练完成如何高效简单在端侧部署,是我们是否能够快速适应不同场景的重要因素。既要开花也要结果,中国开发者是务实的。
- 是否具备二次开发和开源社区支持
个人开发者,脑子里总有些自己独特的想法,让自己生活可以那么有点与众不同。如果不支持二次开发,怎么可以让我们从芸芸大众凸显开发人的特点。开发又是那么枯燥、寂寞,如有开源和社区大法支持,让我们站在巨人肩膀上,摘星逐月不是黄粱一梦。
- 硬件是否是准产品化
开发人,想法很多,硬件动手能力不敢直视。能有个硬件妈妈已经料理好日常,能让我的开发品多带些现代工业范,那也是极美的一件事。