1.PAI简介

PAI底层支持多种计算框架：

• 流式计算框架Flink。
• 基于开源版本深度优化的深度学习框架TensorFlow。
• 千亿特征样本的大规模并行计算框架Parameter Server。
• Spark、PySpark、MapReduce等业内主流开源框架。

PAI提供的服务：

• 可视化建模和分布式训练PAI-Designer，详情请参见可视化建模（PAI-Designer）。
• Notebook交互式AI研发PAI-DSW（Data Science Workshop），详情请参见交互式建模（PAI-DSW）。
• 云原生AI基础平台PAI-DLC（Deep Learning Containers），详情请参见训练任务提交（Training）。
• 自动化建模PAI-AutoLearning，详情请参见场景化解决方案。
• 在线预测PAI-EAS（Elastic Algorithm Service），详情请参见模型在线服务（PAI-EAS）。

PAI的优势：

• 服务支持单独或组合使用。支持一站式机器学习，您只要准备好训练数据（存放到OSS或MaxCompute中），所有建模工作（包括数据上传、数据预处理、特征工程、模型训练、模型评估和模型发布至离线或在线环境）都可以通过PAI实现。
• 对接DataWorks，支持SQL、UDF、UDAF、MR等多种数据处理方式，灵活性高。
• 生成训练模型的实验流程支持DataWorks周期性调度，且调度任务区分生产环境和开发环境，进而实现数据安全隔离。

2.PAI产品架构

PAI的业务架构从下至上分别为：

1. 1.基础设施层：涵盖硬件设施、基础平台、计算资源及计算框架。

1. PAI支持的硬件设施包括CPU、GPU、FPGA、NPU、容器服务ACK及ECS。
2. 云原生AI基础平台和计算引擎层支持云原生AI基础平台PAI-DLC，大数据计算引擎包括MaxCompute、EMR、实时计算等。
3. 在PAI上可以使用的计算框架包括PAI-TensorFlow、PAI-PyTorch、Alink、ODL、AliGraph、EasyRL、EasyRec、EasyTransfer及EasyVision等，用于执行分布式计算任务。

2. 2.工作空间层：工作空间是PAI的顶层概念，为企业和团队提供统一的计算资源管理及人员权限管理能力，为AI开发者提供支持团队协作的全流程开发工具及AI资产管理能力。PAI工作空间和DataWorks工作空间在概念和实现上互通。
3. 3.按照机器学习全流程，PAI分别提供了数据准备、模型开发和训练及模型部署阶段的产品：

1. 数据准备：PAI提供了智能标注（iTAG），支持在多种场景下进行数据标注和数据集管理。
2. 模型开发和训练：PAI提供了可视化建模PAI-Designer、交互式编程建模PAI-DSW、训练任务提交，满足不同的建模需求。
3. 模型部署：PAI提供了云原生在线推理服务平台PAI-EAS，帮助您快速地将模型部署为服务。
4. 此外，PAI提供了智能生态市场和AI能力体验中心，您可以获取并体验业务解决方案和模型算法，实现相关业务和技术的高效对接。

4. 4.AI服务层：PAI广泛应用于金融、医疗、教育、交通以及安全等各个领域。阿里巴巴集团内部的搜索系统、推荐系统及金融服务系统等，均依赖于PAI进行数据挖掘。

2.大数据和AI体验教程测评

2.1 图像分类（多分类任务）

动物分类：基于亿万个的模型训练数据，能够精准的识别图片中动物的类别，超强的识别效能为您带来快速、高效的类别名称和识别概率。

2.2 图像检测

能够帮您轻松应对各种图像内容的检测，超强的识别速度和准确率能够识别各种复杂的图像类别，并能精确的定位图像内常见物体的位置，高效返回物体的坐标和类别信息。

识别速度很快

2.3图像实例分割：

强大的识别能力能帮您快速、精准定位图像中每个物体的位置，并能帮助您快速识别图像的类别，提取其像素掩膜，为您提供超强的图像像素级的定位能力。

2.4 新闻分类

通过强大的语义理解能力对新闻文本进行智能分析，并快速返回新闻文本的类目信息，如军事、娱乐、美食、体育等。可广泛应用于文本打标场景。

2.5 ocr识别

为您高效、准确的提取图像中任意角度的文字信息，提取的内容信息可广泛应用于广告、电商、安全、信息电子化等场景。

2.6 内容安全审核

通过强大的语义理解对新闻文本进行智能分析，并返回文本是否为正常或是恶意文本，包含涉黄、涉政、暴恐、恶意推广识别。可广泛应用于任何文本内容审核场景。

3.总结：

阿里云PAI+AI开源项目是一个能够快速构建和管理机器学习模型的强大平台，它可以支持多种AI技术，包括机器学习、深度学习、自然语言处理等。它还可以支持多种类型的数据，支持大规模机器学习场景的构建，并且提供全面的数据可视化、模型建模、实验管理和模型部署等功能