通用人工智能产学研实践平台
本设计方案的宗旨是力图拉近学校研习内容与企业设计研产的差距和不同,基本实现和贯穿人工智能与深度学习从“学习” → “研习”→ “实作”→“产品原型”的生命周期全过程,是贴近生产实践最为有效的教学途径之一。
解决方案的设计同时兼顾到学习、研究和产业化的主要目标要求。 目标是期望从相对“弱”的基础也可以出发,通过不断的迭代, 直到做出符合需求目标的(预研)产品,为最后的产品化提供所有的前期基础。
来源: | 作者:xyt | 发布时间:2019-05-15 | 7466 次浏览 | 分享到:

硬盘:三星M.2 256G + 希捷2TB

显卡:技嘉GTX2070 8G

机箱 长城电源1250W


4.1.2 软件部分:  软件部分则包括几个部分,分述如下:

4.1.2.1 公配环境: 公配环境是指业界通常用于人工智能开发应用的环境。例如, tensorflow, caffe等。 这些环境一般用python语言。

4.1.2.2 数据环境: 数据环境则是指我们提供的数十种人工智能模型、相应的训练和测试数据, 以及部分原型产品的完整软件套件。

系统预装Postgresql数据库系统(可选装Mysql等其它数据库系统),用于存储和管理各型数据;

4.1.2.3 开发与部署:开发部署是使用我们的SmartAgent二次开发暨部署平台。 该平台另有详细介绍。 该平台支持多个构架(从PC、移动设备到ARM)的直接开发部署, 支持人工智能模型图形化显示, 支持编译人工智能模型并自动发布到前端ARM设备执行和应用等等。


深度学习机示意图


4.2 结构化原型机:

结构化原型机通常是配合产品原型验证使用的。 是产品化前的必须阶段。


目前实践中,最为常用的结构形式是ARM + 深度学习加速模块。例如, 大疆无人机、海康威视的产品采用的就是这样的形式。 因此, 我们提供的结构化原型机是按照这个思路准备的。



结构化原型机示意图


   4.2.1  硬件:

          硬件采用工业级的4核 ARM


图片7


图片8


CPU: Freescale i.MX6D Cortex A9

内存: 2GB DDR3

Flash: 8GB EMMC

网络:2 * 10/100/1000Mbps , 1 * WIFI

显示: 1 * HMDI, 1 * VGA, 2 * 24bit双通道LVDS

触摸屏: 10.3寸电容触摸屏