最近听了intel中国的geti AI平台推广讲座，在这里想把一些有意思的东西给大家分享一下。

为了打破AI训练面临的人员技术水平要求高、数据资源需求量大、工作效率低的瓶颈，英特尔创建了新的英特尔®Geti计算机视觉平台，这是一个直观的协作平台，数据科学家、开发人员和领域专家都可以在这个平台上共同努力，为特定的计算机视觉应用程序训练深度学习模型。英特尔Geti平台通过简化劳动密集型任务和利用团队之间在单一平台上进行数据标注、模型训练、优化和再训练的协作来加速模型开发。

英特尔Geti平台使用一种称为主动学习（active learning）的机器学习来训练卷积神经网络(CNN)模型。有了主动学习，人类专家可以在机器训练时不停地教它。主动学习为用户挑选最有用的数据进行标注，并减少所需的标记样本数量以及样本偏差。这有助于神经网络模型从信息量最大的数据样本中快速学习，从而快速完成数据标注和模型训练，减少人员劳动强度。

1. 上传一个数据集，至少20到30张图片。

2. 第一轮训练结束后，英特尔Geti平台会对数据进行评审，并选择最佳数据进行继续训练。

3. 技术人员继续提供想让平台学习的东西，并给它添加标签。

4. 英特尔Geti平台开始重新训练模型并进行预测。

5. 接受或更正预测并标注更多数据。

6. 模型的准确性迅速提高。

7. 导出模型。

8. 重新训练，上传新图像，将其添加到数据集，并导出更新后的模型。

• 使用相同的GUI微调参数

英特尔Geti平台在模型微调方面非常友好。团队可以在不用Python编程的情况下完全控制微调的参数细节，同时他们还可以立即看到微调后模型的性能变化结果。

• 导出的模型和推理包可应用于任何硬件

英特尔Geti平台可以以多种格式导出训练好的深度学习模型，包括谷歌的开源TensorFlow框架，PyTorch和开源OpenVINO™工具包文件(带有.xml和.bin文件)，可在英特尔®cpu, gpu和vpu上运行。在英特尔Geti平台上训练的模型几乎可以在任何笔记本电脑，台式机，嵌入式PC或服务器上运行。

• 随时使用新数据进行再训练

自动化标注和训练可以节省大量的时间，但它并没有改变深度学习模型在具有挑战性的企业应用中难以有效工作的现状。训练结果有可能会对新的场景做出不准确的反应，或者随着时间的推移而发生漂移。使用英特尔Geti平台，团队则可以使用相同的增量式主动学习方法来重新训练模型。只需上传新的图像，并将其添加到现有的模型中。然后标注并训练，直到模型获得所需的精度。