常见的AI模型开发平台
一、简介
近些年来，各大IT公司在人工智能领域投入了大量的开发，开源了Pytorch、Tensorflow、PaddlePaddle等深度学习库。
为了提高开发效率，IT公司在深度学习库的基础上，开发了一系列的AI模型开发平台，包含了深度学习模型开发、训练、部署、应用的全流程，同时开源了包含图像、语音、NLP等领域的预训练模型。
通过使用这些开源平台和开源模型，可以大幅度提高开发效率。
国外平台：OpenVINO（英特尔）、TensorRT（英伟达）、Mediapipe（谷歌）、Azure AI（微软）
国内平台：OpenMMLab、百度AI开放平台、讯飞开放平台、腾讯AI开放平台
二、OpenVINO（英特尔）
OpenVINO官网为英特尔® 发行版 OpenVINO™ 工具套件 (intel.cn)；开发文档为Interactive Tutorials (Python) — OpenVINO™ documentation — Version(2022.3)，开发文档中有许多demo。
可以通过pip install openvino进行安装。
支持Pytorch、Tensorflow、PaddlePaddle等深度学习库。
二、Mediapipe（谷歌）
MediaPipe 是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架。在谷歌，一系列重要产品，如Google Lens、ARCore、Google Home都已深度整合了 MediaPipe。
MediaPipe 不仅可以被部署在服务器端，更可以在多个移动端 （安卓和苹果 iOS）和嵌入式平台（Google Coral 和树莓派）中作为设备端机器学习推理 （On-device Machine Learning Inference）框架。
Mediapipe官网为MediaPipe Studio (google.com)，官网提供了有许多demo，开发过程特别简单。
可以通过pip install mediapipe进行安装。
支持Tensorflow更多一些，其他的深度学习库也支持。
三、Ultralytics
Ultralytics 是一家专注于视觉人工智能领域的公司，致力于将图像转化为有用的人工智能见解。他们提供了一个无代码平台，用户可以通过简单的拖放操作来训练和部署强大的人工智能模型。。
Ultralytics 的核心产品是 Ultralytics YOLO，这是一个智能工具，它能够进行图像分类、物体检测和实例分割。该公司比喻这个工具就像哈佛大学的学生——高智商，永远渴望学习。只需创建课程表，它就能成长¹。
此外，Ultralytics 还提供了 Ultralytics HUB，这是一个云培训平台，用户可以在上面上传图像数据集，选择或创建 ML 模型进行训练，并将模型部署到现实世界中¹。
其中价值较大的是Ultralytics YOLO，提供了目标检测、实例分割、分类、人体关键点检测等功能。
四、OpenMMLab
OpenMMLab 是一个开源的算法体系，旨在为计算机视觉领域的重要方向创建统一且开源的代码库。该项目由 MMLab（香港中文大学多媒体实验室）和商汤科技于2018年年中联合启动。
目前已陆续开源30多个视觉算法库，实现了300多种算法，并包含2000+预训练模型，涵盖2D/3D目标检测、语义分割、视频理解、姿态分析等多个方向。
OpenMMLab 的目标是推进可复现算法生态的建立，为计算机视觉领域的学术研究和工业应用提供支持。
最大的优势是算法的模块化，可以用来快速搭建自己的模型。
五、其他平台
国内平台，比如百度AI开放平台、讯飞开放平台、腾讯 AI 开放平台，一般只提供API，在有网络的情况下还是可以使用的，此外对于快速搭建产品原型也很有帮助。
其中百度AI开放平台和讯飞开放平台的在线语音识别与合成API较为好用。
Azure AI（微软）也是提供了在线API。
TensorRT（英伟达）现价段开发文档不全，部署较为困难，不推荐使用。
六、参考例程
