ModelMill - 训练与部署边缘AI模型

描述

ModelMill是由Literal Labs开发的基于云的深度学习平台，用于训练、测试和部署基于逻辑的网络（LBN）。它旨在自动化AI模型创建的端到端过程，从数据导入到SDK生成，使用户能够在无需专业AI工程知识的情况下生成边缘就绪的AI模型。

该平台接受CSV、JSON或ZIP格式的数据集，最大可达5GB，并为没有自己数据的用户提供策划的OpenML表格数据集。ModelMill自动预处理数据，执行过滤、归一化和序列填充等操作，以准备高质量的训练。

注释是ModelMill工作流程中的关键步骤。用户可以手动注释数据，或利用ModelMill的AutoML引擎，根据统计分析和结构模式提出注释。该平台支持分类、回归和异常检测任务，能够根据数据注释自动检测任务类型。

一旦数据被注释，用户定义部署目标，包括硬件限制和业务指标。ModelMill随后并行训练数百或数千个LBN配置，进行优化以生成符合部署要求的候选模型短名单。

最后一步是将所选模型转换为C代码SDK，准备集成到嵌入式或服务器代码库中。SDK包括训练好的LBN、推理引擎、构建配置、示例代码和文档，并在包括ARM、ESP、RISC-V和x86在内的各种处理器架构上进行了测试。

ModelMill提供多种定价计划，包括用于评估的演示计划，具有有限的训练运行和数据集大小。该平台旨在为没有专门AI人员的技术团队设计，自动化配置、训练和候选选择。

ModelMill的核心功能

• 自动化深度学习平台

• 基于逻辑的网络训练

• 数据导入和预处理

• AutoML辅助注释

• 并行模型训练

• C代码SDK生成

• 边缘硬件部署

• OpenML数据集集成

• 无GPU要求

• 支持CSV、JSON、ZIP格式

• 分类、回归、异常检测

• 持续性能评估

• 部署版税模型

• 自定义基准可视化

• 团队协作功能

如何使用 ModelMill？

1. 1

   上传数据：导入CSV、JSON或ZIP格式的数据集

2. 2

   注释：使用AutoML引擎进行智能注释

3. 3

   定义部署：指定硬件和业务指标

4. 4

   训练模型：并行训练LBN配置

5. 5

   选择候选：评估并选择表现最佳的模型

6. 6

   生成SDK：将模型转换为C代码以便集成

7. 7

   部署：将SDK集成到边缘硬件中

ModelMill的使用案例

• 边缘AI部署
• 数据注释
• 并行模型训练
• SDK生成
• OpenML数据集使用

ModelMill的常见问题

• 什么是ModelMill？

  ModelMill是Literal Labs的基于云的深度学习平台，用于训练、测试和部署基于逻辑的网络，自动化端到端过程。

• 我需要成为AI工程师才能使用ModelMill吗？

  不需要，ModelMill旨在为没有专门AI人员的技术团队设计，自动化配置、训练和候选选择。

• ModelMill接受什么数据格式？

  ModelMill接受包含CSV或JSON文件的CSV、JSON和ZIP档案，最大上传大小为5GB。

• ModelMill可以训练哪些类型的AI任务？

  ModelMill支持使用结构化数据的分类、回归和异常检测任务，包括传感器、表格、时间序列和音频特征。

• ModelMill与其他机器学习训练平台有什么不同？

  ModelMill使用基于逻辑的网络，并并行训练数百或数千个LBN配置，提供多个合格的候选模型。

• 这些模型可以在什么硬件上运行？

  ModelMill训练的LBN可以在任何32位或64位处理器上部署，经过ARM、ESP、RISC-V和x86架构的测试。

• SDK包含什么？

  每个SDK包括训练好的LBN、其推理引擎、构建配置文件、示例集成代码和文档。

• 我可以从单次训练运行中部署多个候选吗？

  可以，ModelMill在训练过程中生成多个合格的候选，每个候选都能够生成自己的SDK以便进行并行部署。