百度推出无程式码机器学习平台EZDL

随着机器学习技术发展，使用机器学习的门槛渐渐降低，Lobe在今年5月时，发表了深度学习介面视觉化工具，让没有机器学习知识技术基础的开发人员，不需要撰写任何程式码，只要透过介面拖拉点击等操作，就能为应用程式加入图像或是声音辨识等功能。

而EZDL则是一个与Lobe服务相似的机器学习服务平台，也能让使用者可以透过拖放等介面操作，自定义机器学习模型，现在提供图像以及声音辨识服务。

百度EZDL技术负责人谢永康表示，即使没有接触过程式开发的使用者，也能在EZDL平台上没有障碍的建立机器学习模型，而这对于资源有限的中小型企业来说特别有帮助，在缺少人工智慧专家或是运算资源的情况下，只要有资料，仍然有办法完成深度学习模型训练与应用部署。

EZDL主打4大特点，简单、快速、高效能以及安全。训练机器学习总共只需要4个步骤，从初始模型开始，接着上传标籤资料诸如影像或是声音物件，第三步训练并测试模型，最后输出模型。百度强调，他们最佳化过的演算法，平均15分钟就能完成训练，而且三分之二的模型，其正确率超过90％，而他们的用户资料不只加密且隔离，并且有完备的授权机制控管。

训练完成的模型，使用者可以选择发布成云端API或是离线SDK两种方法。百度提供云端API使用者企业级的云端服务，具有毫秒回应时间，还能应付高并行的存取流量，保证99％可靠性。而离线使用者可以选择将模型输出成客户端的SDK，支援离线在作业系统执行，甚至是iOS与Android中运作，能结合行动装置、照相机与其他终端装置使用。

EZDL官网给出了使用範例以及数据指标，一般影像分类，对影像中的物件或是场景进行分类，在影像中只有一个物件或是场景时使用，训练约需要20到100张照片，每张照片都需要有标籤，整体训练时间约为10分钟。另外，在物件侦测的案例上，识别图像中多个目标物件的位置、标籤以及数量，适用于图像中有多个物件，同样需要20到100张具有标籤的图像，训练时间将会超过30分钟。而在声音辨识上，用来辨识各种动物的声音或是安全监控，最少需要超过50个标籤音讯档案，一千个音讯档案集约需要1小时的训练时间。

製作标籤资料是机器学习的困难之一，但目前EZDL不支援多台电脑同时使用同一个帐户上传资料，但使用者如有已经标记好的训练影像，可以直接与百度连络，申请直接上传服务。另外，即便模型训练完成，在往后的任何使用阶段，也可以持续的进行模型最佳化。

官方介绍影片：