加速AI落地，IBM推深度學習PowerAI Vision

IBM針對AI市場布局，進一步推出能協助客戶更簡便訓練深度學習模型的輔助工具。在它們的PowerAI平台架構上，IBM進一步推出PowerAI Vision深度學習影像分析工具，能協助客戶訓練物件偵測與影像分類模型。

此外，為能協助客戶進行深度學習模型的訓練優化，IBM也推出優化輔助工具Deep Learning Impact，要協助企業客戶大幅縮短訓練深度學習模型所需花費的時間，提升深度學習模型訓練效率，以加速AI在企業的實際導入與推廣。

IBM進一步推出PowerAI Vision，協助客戶以更簡易的方式訓練深度學習圖像分析

IBM針對AI市場布局，再度推出新的軟體服務與工具。在既有PowerAI平台架構上，進一步推出PowerAI Vision深度學習影像分析工具，目的是要協助客戶以更為簡易方式訓練深度學習模型完成「物件偵測」與「影像分類」任務。

其中在「物件偵測」功能方面，只要客戶將持有的照片資料輸入，並進行簡易的物體標註，就能建構屬於自己的深度學習物件偵測模型，且在訓練的過程中，就能以圖形可視化的方式呈現，在訓練過程中就掌握模型的訓練情況。

而在「影像分類」功能方面，目標是要協助客戶能更快速地建構圖像分類，客戶只要簡易給予圖像與這些圖像的分類標籤，就能訓練模型自動學習擷取特徵並進行圖像分類，並依據圖像與數據量的大小，整個訓練過程所需花費時間可大幅縮減至數小時或數十小時不等。

強化AI落地，IBM強化格式轉換、深度學習模型訓練效率與生命周期管理

IBM在2017年12月20日和群環共同舉辦的AI軟體工具發表會上，針對讓深度學習模型更容易被使用與導入企業發表一系列的軟硬體工具。

除了針對圖像分析的軟體工具PowerAI Vision外，IBM也發表他們針對AI工作附載而設計的伺服器產品POWER9，能以異於其他競爭者僅采單機單卡方式，進行平台架構式的多機多卡深度學習模型訓練。

此外，為解除圖像、自然語言、非結構化資料與結構化資料間資料格式應用的壁壘，IBM也推出軟體工具Deep Learning Impact，不僅能將上述那些不同格式的資料皆轉換成開源框架可以識別格式，也能針對不同模型訓練過程提供模型優化調整建議和模型的生命周期管理。

其中在深度學習模型的「生命周期管理」部分，它的重要性在於，當新產生的數據有較大的差異性並且累積到一定程度時，訓練好的模型可能會產生辨識精準度下降的問題，在此時若想要提升模型的辨識精準度回復到原本期望的水平，則需要將模型進行重訓練，因此模型訓練效率將在深度學習模型實際導入應用中扮演非常重要角色，這也是IBM此次推出新型軟硬體工具的鎖定目標方向。

作者丨謝雨珊

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！