mlops产品调研方案

automl（架构、数据和超参数自动化找到理想模型配置的过程）

核心能力：模型结构搜索超参数搜索

MLOps（任务编排工具和工作流程）

重点能力： pipeline、Jupyter Notebooks

Kubeflow 解决了基础架构编排和实验跟踪，但设置和维护要求相当高，而 MLflow 仅解决了实验跟踪（和模型版本控制）

开源平台：

商用AI平台：

	ManuVision	BML	hikvision
公司	创新奇智	百度	海康
描述	工业制造领域的深度学习机器视觉检测软件系统	全功能AI开发平台	一站式训练平台是面向行业个性化场景的零门槛模型定制开发平台
阶段	内部使用	免费+收费	体验版+商业版
领域	半导体、3c	农业、工业、城市、体育等	数字能源、卫生医疗
架构	训练器、设计器及运行器	PaddlePaddle+Paddle套件	sdk+算子库+简易版本+云
主要功能	提供涵盖图像标注、深度学习模型训练、模型测试、算法模型流水线及线上检测的全方位解决方案	智能数据服务、模型训练（通用模型和行业模型）（自定义训练、可视化建模）模型管理和部署	提供全面的数据采集咨询和支持服务；智能标注；数据筛选；内置模型架构搜索服务；可视化模型管理工具；业务对接；设备对接；算法调用

思考：

自动搜索网络和超参搜索技术是否成熟可用？

在线code能力和任务pipline是否实用？

算法封装调用的灵活性以及参数暴露和使用是否友好？

流程优化的重点？

数据 or 模型 or 训练?

数据挖掘、小样本学习、大模型和预训练等技术可行？

基于图像视觉训练平台架构设想：