1. Al项目的开发过程
通常包括以下环节:
- 数据采集:现场数据采集、数据标定、数据集校验;
- 模型训练:设计模型、训练模型;
- 模型部署:模型转化、模型量化、模型裁剪、模型微调;
- 业务开发:根据项目的需求,设计业务规则,完成相应业务逻辑处理代码的编写调试;
- 项目部署:制作安装包或者docker镜像,安装部署在目标平台上;
- 模型优化:根据现场的应用采集数据,优化模型
整个流程有两个难点:一是数据,二是需求。
2. Al产品常见的三种交付形态
(1) 服务Service:Al模型的部署服务,客户端可以通过HTTP/REST或GRPC的方式来请求服务。输入一张图片/一段视频,输出图片/视频的分析结果,通常按次数收费或者按时间段授权;
(2) 开发包SDK或者功能组件:提供一套封装了深度学习算法能力的SDK或者功能组件,向业务系统赋能AI算法能力;
(3) 应用Application:通常面向的是某个场景的最终用户,是一整套包括交互界面在内的软件系统,有时也会将硬件一起捆绑交付。