DevOps for AI解决方案亮相百度AI开发者大会

DevOps for AI解决方案亮相百度AI开发者大会

来源:香港服务器 作者:香港服务器 浏览量:149
2019-07-05
0

2019年7月3日,“Baidu Create 2019”百度 AI开发者大会在京召开。百度创始人、董事长兼首席执行官李彦宏与百度各业务板块的领军人物一起,为来自全球各地的开发者与行业合作伙伴展示百度AI最前沿的人工智能技术、产品,并与现场数千名开发者、企业代表共同探讨AI技术落地各行各业及全球产业智能化大趋势。

在今年大会的公开课环节,百度效率云团队联合百度视觉技术部贡献了一堂名为“DevOps for AI: Deploy ML Application via DevOps Pipelines”的公开课。公开课以开发一个著名品牌面包店识别商品、自动生成订单服务为场景,结合现场实操向学员及来宾展示了通过百度效率云及AIFlow开发AI服务的全流程。公开课吸引了众多对AI开发及DevOps感兴趣的工程师以及技术人员的参与。

公开课上提到的AI服务到底是什么?开发一个AI服务和开发其它服务有哪些异同呢?

一、AI服务及开发挑战

01. AI服务是什么,他的开发过程是怎样的?

AI视觉能力为例,一个完整的AI服务包括了基于AI模型的AI基础能力,也包括了对外提供服务的工程代码,最终用户通过不同的客户端对服务进行访问。

AI服务的示例

一个完整的AI服务开发包括了工程代码开发、模型训练以及最终的集成阶段。

在工程代码开发阶段,工程师像开发普通服务一样通过coding, build, test等活动,最终产出发布物

在模型训练部分,工程师经过数据收集与标注、数据处理、模型训练与调优等活动最终产出一个AI模型

接下来,工程师需要将工程部分的发布物和AI模型打包在一起形成最终的产出物,并将最终产出物发布到线上

AI服务开发的过程

02. AI产品研发面临的挑战有哪些?

相对于传统软件开发而言,AI产品的研发面临着诸多挑战:

1、项目协作难:项目涉及开发、测试、运维等多角色,而AI项目往往额外涉及多个AI算法团队,沟通、协调成本高,工作效率低

2、技术要求高:AI研发流程更长且专业性要求更高

3、环境周边成本高:AI数据、模型、服务、工具维护使用成本高、安全风险大

4、技术复用难:业务闭环迭代慢,且无法快速规模化迁移应用已有能力

二、AI服务开发全生命周期解决方案

针对以上问题,百度内部通过多年的探索和实践,最终形成了一套针对AI服务的DevOps解决方案。该方案涵盖了模型训练的部分,以及服务代码开发的DevOps部分,并已经实现了全部的产品化,被百度内部多个AI开发团队所使用。整套方案贯彻了DevOps理念中自动化一切的部分, 包括:

1、服务代码--模型组装--服务部署自动化

2、训练工具源码--训练工具集成自动化

3、训练数据管理--模型训练--模型评估自动化

AI服务全周期解决方案

整个方案包括两大重要工具以及支撑机器学习训练的GPU服务器,他们分别是:

01. 重要工具:百度效率云

百度效率云(以下简称效率云)是百度自主研发的一站式DevOps解决方案,凝聚了百度多年来在软件工程领域的探索和实践经验。效率云在百度内部服务10000+工程师的日常产品管理、开发、测试、发布等研发工作,每天支持百度内部30000+次的云端编译、70000+次的构建、700+次的服务发布。

效率云已经加入百度智能云产品序列,于2019年5月正式对外提供服务。百度效率云目前同时服务外部2000+企业及个人客户的项目管理,研发,测试等研发工作。

效率云的核心理念是: 用先进的软件工程技术使复杂的开发工作更简单!

效率云产品架构

整个效率云包括三大平台类工具和四大主要功能模块,分别是产品和项目管理工具iCafe、代码托管和协同开发平台iCode、持续交付平台iPipe;

四大主要功能模块包括静态代码扫描工具iScan、容器化构建工具iBuild、构建产物管理工具iRepo和由aiXcoder提供的智能开发助手iXcoder。

效率云主要功能模块

和其他研发平台相比,效率云具备以下几个独特的差异化功能:

基于用户故事地图的产品规划

代码入库前的云端流水线:

部分文章来源与网络,若有侵权请联系站长删除!