机器学习平台PAI简测：PAI提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务

2023-03-01 940

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 机器学习平台PAI（Platform of Artificial Intelligence）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。

+关注继续查看

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.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.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.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。