Brightics 深度学习
非结构化的数据分析平台 — 深度学习服务让一切变得轻松迅捷
自动推荐最佳模型和为数据添加标签，以在深度学习开发流程中获得最大生产力
通过实现标签添加流程（这是AI模型开发阶段最耗费时间的工作）自动化，以及批量提升学习节奏和数据的分布式处理，为AI开发提供加速技术。
主要服务
探索深度学习领域的最快训练速度
- 节省图像标签添加时间 70% 自动标签添加速率全球领先
- 提升模型选择速度 2~8 倍 自动DL模型推荐
-
自动完成学习数据的标签添加流程
得益于Brightics深度学习的自动标签添加技术，标签添加时间将减少70-80%。此外，还可以减少成本以及试验次数和错误率。
-
在早期阶段推荐学习模型
通过在早期阶段提供学习模型的推荐函数（已针对学习数据进行优化）来加快学习节奏。
-
批量分布式数据处理
确保高性能分布式处理，并在随后以分布式方式进行批量数据收集/预处理/学习流程，从而将批量数据处理的速度提升8倍以上。
01
04
使用案例
-
-
通过分析基因组数据，预测疾病的风险水平，提供早期疾病预防通过以临床方式彻底检查由Genomics提供的目标基因型变异清单，检查具有遗传癌症风险的人员(例如家族病史)在出生时是否具有癌症的基因型变异。 -
功能
-
高性能分布式处理引擎
通过采用世界领先的高性能分布式处理方法，可将批量数据处理的速度提升8倍以上，该处理方式将对公司的自有专利数据库和分析服务器应用最优的负载分布方法。
-
最佳模型建议
使用预先训练的模型可以为特定的学习数据自动推荐最优的深度学习模型，从而让现场专家或技能不熟练的 AI开发人员将选择深度学习模型所需的时间缩短2–8倍。
-
自动添加标签
采用最先进的主动学习技术，可最大程度实现标签添加自动化比率，从而自动执行80%的数据标签添加工作，其余的20%则可人工完成，最终将标签添加时间缩短多达80%。
规格
推荐的规格
-
深度学习分析平台
x86服务器，含2个或更多节点
- GPU：NVIDIA V100 1EA/节点
- CPU：16核/节点
- 内存：32GB/节点
- 操作系统：Linux 64 位 -
平台使用者的PC配置
- 浏览器：Chrome（版本 50.0 或更高）
- 屏幕分辨率：1280 x 900（推荐） -
适用的云环境
SDS Cloud、Amazon Web Service、MS Azure、Google Cloud 等
相关产品
了解更多关于我们产品的信息
如有问题，请随时垂询
无论是咨询解决方案，还是其它问题，我们都会尽心为您解答
