无人猪场，需要EasyDL。
“母猪正在生产中，无法实时知道有几只猪崽，健康情况如何”，一位坐拥上数千头猪的河南养猪大户最近总是陷入这样的焦虑。
席卷全国各地的猪瘟刚刚过去，为了加强防护，他的猪场几乎开启了无人养殖的模式，这也为他带来了很多头疼的问题。
工作人员进出一次猪棚，需要消毒、检测，全副武装，对于大规模养殖来说，成本、耗时不说，更重要的风险很高，他清楚地记得一头猪感染猪瘟，导致猪棚内上百只猪死亡的画面。
在严格的控制人员进出的情况下，像“猪口普查”，“健康检查”等工作也变更难了。
回想起去年这个时候的焦虑，这位养猪大户轻松了不少。现在的他通过AI技术，可以在家中实时监控猪棚内的状况、判断猪崽的健康状态。
不仅降低了管理的风险和成本，提高了效率，而且还避免了因其他工作人员经验不足，而对猪崽健康状况的判断失误，这也是大规模养殖普遍存在的一个痛点。
而这项AI技术就是百度的零门槛AI开发平台—EasyDL。
“零代码”搞定AI需求
EasyDL是基于百度飞桨深度学习平台推出的高效易用的零门槛、一站式AI开发平台，支持智能数据、模型开发、服务部署等全流程服务。目前已经支持图像分类、物体检测、图像分割、音视频分类、语音识别自训练、表格数据预测、文本分类、情感倾向分析等任务类型，可以帮助中小企业结合业务需求，解决效率和成本的问题。
怎么理解呢？
比如，上述猪崽体检方面，用户只需将病猪的图像数据导入EasyDL平台，训练定制化AI模型，就可以将“人为诊断经验”复制为机器学习经验，再经过物体检测技术，无需人眼观察也可以准确判断猪崽的健康状态。
如此来说，EasyDL可以理解成：根据定制化场景需求，通过学习“有经验的专家知识”，来代替人类解决规模化的复杂问题，进而提升成本和效益。
值得一提的是，百度AI平台研发部总经理忻舟，在接受雷锋网采访时多次提到：
“EasyDL的目标是降低AI门槛，让零算法基础的用户，不用一行代码也可以基于需求和数据，定制自己的AI解决方案”。
这一点在AI养猪、肉牛称重，工业质检、桥梁检修等诸多成功案例中都有所体现，而且也普遍受到了用户的好评。
但忻舟也强调：
“简单不意味着妥协，EasyDL会始终秉持最初的研发理念：简单且专业”。
自年底上线，到如今近三年的技术研发和迭代，EasyDL在数据服务、模型精度、部署服务等方面不断升级，已经能够处理更多、更复杂的应用场景。
在这里，忻舟为我们分享了一个典型案例：EasyDL帮助一家专业猎头公司解决了其核心业务问题。
这家公司名为瀚才猎头，自创立以来一直面临着一个核心问题：万条数据的人才库，利用率只有不到10%。
作为一家猎头公司，如何高效地为客户推荐合适的人才是他们的核心业务，也是其在行业发展中的核心竞争力。
瀚才猎头有5位创始人，在业务发展过程中积累了很多重要的客户资源和庞大的人才库，但其非结构化数据库和传统简历初筛方法，让这些资源和优势没有得到很好的发挥和利用。
而这个局面在使用EasyDL后发生了改变。以前按照关键词搜索的方法，每天只能找到60-70份合适的候选者简历，现在经过数据结构化处理后，20分钟就可能达到-份，而且精准度达到了95%以上。
整个效率提升了倍，节省了时间、人力成本的同时，万简历库也得到了充分的利用。
一位创始人坦言，他们之所以选用EasyDL，不仅是因为数据结构化的效果好，更重要的是其零开发门槛、一站式服务的特性，节省了自己配置技术团队，做数据处理、算法研发和算力支持的成本。
那么，无任何开发经验的HR是如何完成AI模型训练和部署的呢？
EasyDL操作流程只需以下四步：创建模型、数据准备、模型训练和应用部署。
他们根据业务需求，按照“职级”和“职能”两级分类对万数据的人才库进行了结构化处理：
创建模型：登录EasyDL平台，完成注册和模型选择。数据方面：万人才数据，手动标记1万条，再通过EasyData智能标注完成剩余万条数据标注。模型训练：导入全部数据，在平台内置的文心（ERNIE）预训练模型基础上进行训练。部署方面：训练好的模型可直接生成供调用的API，而且有完善的SDK代码包可以使用。可以看到，以上操作过程无需任何代码基础，只要按照业务需求，完成数据处理和提交，选择部署方式即可，而且精准度很高。不过1小时的AI模型训练，帮助他们解决了自创业以来最头疼的业务问题。
另外，需要强调的是，以上看似简单，易操作的背后，是其内部复杂、先进的AI技术支持。
降本增效，一站式AI服务
在数据处理环节，EasyData提供了数据采集、清洗、扩充、标注全方位服务。
根据年AI机器学习项目调研的报告，96%的企业都在“数据”一环遇到了难题，尤其是数据标注，耗时，而且准确度不高。
针对这一问题，忻舟介绍称，EasyData提供了丰富的智能标注方案，支持物体检测、图像分割和文本分类三种数据类型的智能标注，只需标注少量数据，其余便可通过“智能标注”自动完成。在相同任务和同等模型效果下，数据标注量平均可以减少70%。
在上述简历库的文本分类中，员工手动标记了1万条，其余万全部是自动完成。
另外，在数据采集、清洗和扩充方面也经常出现问题。忻舟介绍称，一家做果蔬智能识别系统的创业公司，他们的果蔬电子秤，在超市试运营时，经常会出现因物体遮挡、光线不足，导致数据采集质量差的问题。
在使用EasyDL后，通过对图像数据进行相似度的去重去模糊，剪裁，旋转，镜像以及数据增强等处理，在50种水果的测试中，准确率达到了95%以上。
同时，EasyDL还在数据采集方面，提前对端设备进行了测评和适配，免除了使用者在设别选型、调试和集成开发工作上的成本，将采集效率从“周级”提升到了“小时级”。
最后，忻舟重点强调称，EasyDL根据实际的用户需求还提供了数据回流功能，在数据处理上形成了一个完整闭环，使数据处理更加高效。
在模型训练方面，EasyDL内置了基于百度海量数据库的超大规模视觉预训练模型和文心ERNIE2.0。“这也是EasyDL性能远超其他AutoDL产品的独特优势”，忻舟强调称。
瀚才的简历文本分类采用文心（ERNIE）预训练模型，训练效果达到了95%+。预训练相当提前学习了大量NLP语料，在一定的背景知识下，再通过持续学习的语义理解框架，对输入数据进行识别，可以有效提高识别的精准度。
在模型训练上，百度还融合了自研的高性能自动数据增强（AutoAugment）、自动超参搜索（AutoFinetuner）和NAS（自动网络架构搜索）等自动化建模技术，可以进行模型自动调优，降低算法工程师的调优成本，同时，模型精度也可以平均提升10%以上。
在服务部署环节，EasyDL提供了公有云API、本地服务器部署、设备端SDK、软硬一体产品，4大部署方式，用户只需经过简单的设置，就可以将训练好的模型转换为满足业务场景需求的服务。
其中，设备端SDK，适配了NVJetson系列、Intel神经加速棒、华为NPU、华为Atlas、高通DSP、RK等十几种业界主流的端设备。
在软硬件一体部署上，EasyDL适配了市面上6种高性价比的软硬件，覆盖高中低全矩阵，模型识别速度可提升十倍，例如EasyDL加小体积低功耗的英特尔芯片，在轻量级模型MobileNetV2上，25毫秒就可以完成端到端的预测和推理；英伟达Jason可以满足中高性能和超高性能的场景化需求，而它在V2模型上只需要4毫秒。
加速AI落地，直击各行各业
年，EasyDL开始走向加速AI场景化落地的阶段。
AI落地，是近些年人工智能产业发展的主旋律。一方面，计算机视觉、自然语言处理等技术已逐渐趋于成熟，急需走向现实场景发挥价值，另一方面，随着社会的快速发展，中小企业的AI需求空间也在进一步突显。
但要想在AI和需求之间达到最佳匹配，还存在很多挑战。
从年正式上线，实现从0到1的跃迁，到年成功案例的大量出现，EasyDL在AI落地方面已经初见成效。忻舟表示，年，随着技术的逐步成熟，EasyDL会加快落地速度，进一步提升AI落地能力。
具体来讲，将继续从以下三个难点入手：
AI门槛：这是所有企业寻求智能化转型的首要痛点，尤其是对于中小企业而言，一方面不懂技术，不知道哪些场景需求可以通过AI来实现。即使了解，对于复杂的AI技术，学会应用也是一大难点。
另一方面，对于有技术团队的企业来讲，AI底层基础设施要求很高，需要大量的资源、成本投入，而且最终达成的效果可能也未必能够满足需求。
从这两点出发，EasyDL一直致力于开发零算法基础，人人可用的AI开发平台，同时，基于百度的海量数据和研发优势提升模型训练性能，打造从端到端的一站式服务，满足算法工程师们的应用需求。
目前EasyDL的零门槛、专业性强等特性已经被中小企业广泛接收，其