|
3.2版本的Sophon通过以数据和模型为中心，提供“六易三仓两中心”的功能服务，让用户能够基于自身需求构建紧密贴合其业务场景的新一代AI应用。 一、六易——实现新一代AI平民化 Sophon 3.2从数据接入获取、模型构建训练、模型运维管理、模型发布迭代等AI应用全生命周期的相关流程出发，考虑用户可能遇到的问题后，从样本管理、场景开发、模型获得、模型管理、效果迭代及系统运维六大方面降低用户使用的门槛，实现新一代AI平民化。
图：Sophon智能分析工具 v3.2架构图 * 样本“易”管理：提供样本仓库，让数据资产易管理 * 场景“易”开发：提供Vlab、Discover、AutoCV多个模块，通过可视化、编程式、流程式的建模服务，以及内置的开源建模框架、自研的Sophon ZenGraph图计算框架、Sophon TS 时间序列计算库及基础机器学习算法库，让建模场景易搭建； * 模型“易”获得：提供模型仓库，支持将NLP、OCR、CV、基础机器学习等多框架多源模型进行统一纳管，并在模型上线前提供静态评估，让高性能的模型服务易被挖掘； * 模型“易”管理：提供MLOps及XAI模块，支持将高性能模型进行统一可视化部署、统一全方位监控、统一多维度评估；提供一键部署以及可视化的服务推理搭建部署的模式，并从模型调用情况、模型使用资源情况、模型数据偏移情况等方面提供全方位监控，同时从模型预测性能、模型可解释、模型输入输出偏移等方面提供多维度的评估，让模型易管理，全面掌握模型服务运行状态； * 效果“易”迭代：提供MLOps模块，支持可视化持续训练pipeline，让模型迭代时，模型效果易提升； * 系统“易”运维：支持无需侵入式代码改造的分布式python机器学习计算框架Ray、基于GPU池化的GPU分组管理服务、基于Spark on K8s的资源统一调度等，让GPU资源易用、分布式能力易用、系统运维易用。 二、三仓——实现多模态数据管理 Sophon 3.2基于“三仓一平台”的框架，围绕数据开发全流程，以数据流视角分别建设“样本仓、模型仓和场景仓”，实现全流程、多模态数据的统一纳管。 * 样本仓库：新版本Sophon提供的样本仓功能模块，可实现对数据的精细化管理，输出高质量多模数据，驱动高质量模型的迭代。
图：Sophon样本仓库 样本仓库支持数据接入、智能标签和数据洞察。样本仓库支持文本、视频、图像、时间序列等多模态的数据统一接入和管理；智能标签方面，平台预置2种前沿风格迁移算法、20+多模态数据预处理算法、10+标注类型以及20+灵活的数据增强方式，支持数据准备、生成、标注及扩增等一系列过程；在快速完成原始数据的实体、关系、文本类型、图片设备状态、图片异物状况等要素提取的同时，并建立智能化标签及相关索引，便于精细化查找对应样本数据；此外，针对非机构化数据，结合预置分析模型，自动输出分析报告，帮助用户更清晰的洞察数据质量。 * 模型仓库：新版本Sophon提供的模型仓库功能模块，作为模型开发与模型应用的中间环节，统一纳管多源模型，让模型管理和应用人员能快速找到最适合业务场景的模型，实现组装与评估输出高质量模型服务。
图：Sophon模型仓库 模型仓库支持对模型的纳管、组装和评估。模型纳管功能支持NLP、结构化二维表、图像、OCR等模型以镜像或文件的镜像一键上架到模型仓库进行统一纳管；模型组装功能支持用户将两个或以上的单任务模型，自由组合形成更贴近需求的多模态模型方案；模型评估功能支持用户在模型部署上线前，在模型仓库种进行冒烟测试，并生成模型测试评估报告，并横向对比多份评估报告，保证输出部署上线高质量的模型服务。 |
