人工智能AI实训平台
发布者:唯众
布时间:2020-12-22 10:11:00
点击量:
产品简介
人工智能AI实训平台是一套以“AI+X”为理念的多功能综合教学实训平台,包含了完整的边缘计算人工智能设备的架构。既能满足人工智能实训所需的算法构建、模型训练、模型部署、模型推理等要求,又能将人工智能的模型通过唯众融合云平台和各类的终端节点设备进行联动,让人工智能实训变成看得见、摸得着的典型项目应用。
第一代产品外观:
升级版产品外观:
技术规格
教学
以职业院校人工智能技术服务专业人才培养的目标和方法为基础,在实训教学上进行优化和设计,提出从人工智能基础知识技术的认知,到人工智能项目实操技能的训练,最终达到人工智能技术服务专业岗位能力提升的教学理念。
技术
平台设计上对主流的人工智能深度学习框架进行了适配,包括TensorFlow、keras、Caffe、Mxnet、Pytorch,整合了人工智能项目开发中所需用到的各种环境和依赖,让用户能够脱离服务器和PC进行人工智能的项目开发。另外平台的开发环境也支持诸如“AI+X(物联网)”综合项目的开发。
应用
系统以智能家居、智慧门禁、智能监控三大应用场景,及基于三大应用场景的多种业务子项,体现了人工智能智慧生活主题。所有的应用场景及业务子项功能,均来自真实的人工智能行业应用。
扩展
软硬件系统采用平台化、模块化设计,结合通用化、标准化设计的人工智能实训工位,除了可完成配套实训内容的演示训练,还可以基于人工智能实训工位以及系统的软硬件模块,外接、扩展更多的技术或业务。
配套
该产品除完整的软硬件系统外,还配备针对设备完整的人工智能实训指导书、完整丰富的教学实训素材资源、以及基于设备系统的人工智能教学视频光盘。本产品提供免费的安装部署服务和设备实训培训服务。
技术优势
1)、硬件功能强大
核心板CPU采用了六核ARM 64位处理器(双核Cortex-A72+四核Cortex-A53),主频高达1.8GHz,GPU为四核ARMMali-T860 MP4 GPU,另外配备有人工智能专用NPU,支持8bit/16bit运算,运算性能高达3.0TOPs。内存方面配备了6GB LPDDR3,储存为32GB eMMC。通信方面支持TCP/IP、WIFI、蓝牙、MQTT、Socket、ssh、串口等。并且配备有丰富的外设接口(SPI、IIC、UART、GPIO等),可以满足学生和老师不同的学习和开发需求。
2)、支持各种主流的深度学习框架
唯众人工智能AI实训平台支持TensorFlow、Keras、Caffe、Mxnet、Pytorch等主流深度学习框架,并在基础环境中提供TensoFlow、Keras、YoLov3的开发环境和依赖。
3)、支持零编程
终端节点使用的是ESP32模块,开发语言为MicroPython,该开发语言和Python3类似,配合唯众图形化编程工具可以让学生和老师在不需要了解任何底层知识的情况下结合人工智能AI实训平台核心板的识别结果做出AIoT的典型行业应用的小型模型。
4)、完美融合物联网
唯众人工智能AI实训平台的对硬件进行了兼容性设计,在硬件上可以同时满足物联网、人工智能和嵌入式三个专业的实训需求。这样大大提高了实训设备在学习不同专业的复用率,能够大大减少学校实训室场地不足的带来的问题,同时也能够为解决学校建设多个实训室资金不足的问题。
5)、支持可视化界面设计工具
唯众可视化界面设计工具是辅助师生用来构建AIoT应用程序的教学工具,它采用图形化界面来代替代码开发界面,通过拖拽、移动控件与控件节点,来完成页面设计。在学生和老师学习AIoT完整项目时,可以通过唯众可视化界面设计工具进行控制页面的辅助构建。
6)、支持模型转换
唯众人工智能AI实训平台提供模型转换工具,可以将学生和老师在X86架构的计算机中生成的hdf5、pb、onnx人工智能模块转化为ARM64架构的平台能够运行的人工智能模型,解决学生和老师的人工智能项目跨平台部署的问题。
7)、配套完整的开发环境
唯众人工智能AI实训平台基础资源包中就包含了人工智能完整的开发环境,包括TensorFlow 、Kreas、Python、OpenCV、PIL、gcc、scipy等。学生和老师不需要自己动手搭建复杂的人工智能开发环境,可以直接进行实训项目案例的学习。同时唯众提供了基础环境镜像包,可以帮助学生和老师随时恢复初始状态。另外唯众的人工智能技术团队会不定期对开发环境进行扩展以适配新的业务场景。
产品功能
操作使用说明
按下主板电源键即可进入开机界面(默认不设置登录密码),界面如下:
可以看到桌面右上角有6个文件,以智能家居系统为例。该文件夹中包含了运行该系统的所有动态链接库和依赖,Python相关的依赖在用户的site-packages中。进入文件夹,界面如下:
点击执行文件,选择“执行”即可开启智能家居系统。该系统为示例项目,以智能家居的应用背景为依托综合演示了智能家居的模型结构和实现流程。学生可以通过前期的学习、编程、人工智能模型训练、构建完成该项目的示例效果,也可以在该项目的基础上进行扩展。
该系统可以采集用户的语言信号进行识别,对于识别的结果进行解析然后构建相应的数据包发送给融合云平台,终端节点模拟智能家居系统中家用电器,当收到云平台发送相关指令后对指令进行解析而后控制继电器操作家用电器开关。在智能家居中类似:智能窗帘、智能电视、智能空调等均基于该项目的基础模型。
性别识别项目效果示例如下:
表情识别项目效果示例如下:
综合识别项目是基于著名的YOLO v3算法,YOLOv3是YOLO (You Only Look Once)系列目标检测算法中的第三版,相比之前的算法,尤其是针对小目标,精度有显著提升。我们可以在此算法框架下利用自己的数据集,训练自己需要的人工智能视觉识别模型。
网络结构:
综合识别项目效果示例如下:
上一篇:第一页
下一篇:最后一页