近日， 英特尔发布了第一套开源 AI 参考套件，专门设计用于使本地、云和边缘环境中的组织更容易访问 AI。首次在 Intel Vision上推出的参考套件包括 AI 模型代码、端到端机器学习流水线指令、库和用于跨架构性能的 Intel oneAPI 组件。这些工具包使数据科学家和开发人员能够学习如何在医疗保健、制造、零售和其他行业更快、更轻松地部署人工智能，并具有更高的准确性、更好的性能和更低的总实施成本。

“创新在开放、民主化的环境中蓬勃发展。英特尔加速开放式人工智能软件生态系统包括优化的流行框架和英特尔的人工智能工具，建立在开放、基于标准、统一的 oneAPI 编程模型的基础上。这些参考套件采用英特尔端到端 AI 软件组合的组件构建，将使数百万开发人员和数据科学家能够快速轻松地将 AI 引入他们的应用程序或提升他们现有的智能解决方案，”Wei Li 博士说.，英特尔副总裁兼人工智能与分析总经理。

关于 AI 参考套件

随着视觉、语音、推荐系统等领域的用例，人工智能工作负载继续增长和多样化。英特尔与埃森哲合作构建的人工智能参考套件旨在加速人工智能在各行各业的采用。它们是开源的、预构建的人工智能，具有有意义的企业环境，可用于新领域人工智能的引入和对现有人工智能解决方案的战略变革。

今天有四个套件可供下载：

• 公用事业资产健康： 随着全球能源消耗的持续增长，该领域的配电资产预计将增长。这种预测分析模型经过培训，可以帮助公用事业公司提供更高的服务可靠性。它通过 英特尔 oneAPI 数据分析库使用英特尔优化的 XGBoost， 对电线杆的健康状况进行建模，具有 34 个属性和超过 1000 万个数据点1。数据包括资产使用年限、机械性能、地理空间数据、检查、制造商、先前的维修和维护历史以及停机记录。预测性资产维护模型不断学习新数据，如新的电线杆制造商、停电和其他状况变化。
• 视觉质量控制： 质量控制 (QC) 在任何制造操作中都是必不可少的。计算机视觉技术面临的挑战是，它们在训练期间通常需要大量的图形计算能力，并且随着新产品的推出而频繁地进行再训练。AI Visual QC 模型使用 英特尔 AI 分析工具包进行训练，包括针对 PyTorch 的英特尔优化和OpenVINO 工具包的英特尔分发，两者均由 oneAPI 提供支持，与现有的没有英特尔优化的埃森哲视觉质量控制套件2 适用于跨 CPU、GPU 和其他基于加速器的架构的计算机视觉工作负载。使用计算机视觉和 SqueezeNet 分类，AI Visual QC 模型使用超参数调整和优化以 95% 的准确率检测药丸缺陷。
• 客户聊天机器人： 对话式聊天机器人已成为支持整个企业计划的关键服务。支持对话式聊天机器人交互的 AI 模型非常庞大且高度复杂。该参考套件包括使用 BERT 和 PyTorch 进行意图分类和命名实体识别的深度学习自然语言处理模型。 Intel Extension for PyTorch 和 Intel Distribution of OpenVINO toolkit 优化模型以获得更好的性能 - 与没有 Intel 优化3的 Accenture 客户聊天机器人套件的库存实施相比，推理速度提高 45%  - 跨异构架构，并允许开发人员以最少的代码重用模型开发代码训练和推理的变化。
• 智能文档索引： 企业每年处理和分析数百万份文档，其中许多半结构化和非结构化文档是手动路由的。人工智能可以自动处理和分类这些文档，以加快路由并降低人工成本。使用支持向量分类 (SVC) 模型，该套件使用 英特尔 Modin 分发版 和 英特尔 Extension for Scikit-learn进行了优化，该扩展 由 oneAPI 提供支持。这些工具将数据预处理、训练和推理时间分别提高了 46%、96% 和 60%，与没有英特尔优化4的埃森哲智能文档索引工具包的库存实施相比， 以 65% 的准确度查看和排序文档.

来源：https://www.datanami.com/this-just-in/intel-releases-open-source-ai-reference-kits/