2022-04-21 14:08:51 +08:00
2021-10-22 12:31:18 +08:00
2021-10-22 12:31:18 +08:00
2021-10-22 12:31:18 +08:00
2021-10-14 10:52:57 +08:00
2021-09-17 18:27:19 +08:00
2021-10-22 13:13:05 +08:00
2021-10-27 12:06:21 +08:00
2021-05-24 16:29:59 +08:00
2021-10-22 13:31:50 +08:00
2021-10-22 12:31:18 +08:00
2021-05-24 16:29:59 +08:00
2021-10-22 12:31:18 +08:00
2021-08-04 14:07:11 +08:00
2021-05-24 16:29:59 +08:00
2021-06-15 16:49:12 +08:00
b
2021-06-22 09:15:51 -04:00
2021-10-20 22:11:01 +08:00
2021-10-20 22:11:01 +08:00
2021-08-04 17:25:19 +08:00
2021-10-26 20:57:24 +08:00
2021-08-23 15:10:52 +08:00
2022-04-21 14:08:51 +08:00
2022-04-21 14:08:51 +08:00

build license Gitter

Apulis标志

English|简体中文

简介

依瞳人工智能平台旨在为不同行业的用户提供基于深度学习的端到端解决方案,使用户可以用最快的速度、最少的时间开始高性能的深度学习工作,从而大幅节省研究成本、提高研发效率,同时可为中小企业解决私有云难建成、成本高等问题。 提供了模型训练、超参调优、集群状态监控等开发环境方便AI开发者快速搭建人工智能开发环境开展AI开发应用。在监控模块基础上搭建预警模块自动将平台异常通知管理员提升平台的预警效率及安全性能。

安装指导

  • 安装环境须知(统一支持arm64、x86-64指令服务器)
    硬件平台 操作系统 状态
    Ascend 800-9010 Ubuntu-18.04.1 ✔️
    Ascend 800-9000 Ubuntu-18.04.1 ✔️
    Atlas 500-3010 Ubuntu-18.04.1 ✔️
    Ascend CANN 5.0.2 ✔️
    Ascend Driver 21.0.2 ✔️
    GPU CUDA 10.1 Ubuntu-18.04 ✔️
    GPU CUDA 11 Ubuntu-18.04 ✔️
    CPU Ubuntu-18.04 ✔️
  • 集群节点须在同一个局域网LAN

  • 预先开通必要的网络访问端口

  • 建议将etcd数据库存储服务独立业务集群

    支持使用ansible交互式分层部署平台也支持源码配置编译安装。

快速入门

请查看依瞳人工智能平台快速使用指导

文档

有关安装指南、教程和API的更多详细信息请参阅apulis wiki正在筹备更新中~

社区

治理

请查看依瞳人工智能平台开放治理

交流

贡献

欢迎参与贡献。更多详情,请参阅我们的贡献者指引

分支维护策略

依瞳人工智能平台的版本分支有以下几种维护阶段:

状态 持续时间 说明
Planning 1 - 3 months 特性规划。
Development 3 months 特性开发。
Maintained 6 - 12 months 允许所有问题修复的合入,并发布版本。
Unmaintained 0 - 3 months 允许所有问题修复的合入,无专人维护,不再发布版本。
End Of Life (EOL) N/A 不再接受修改合入该分支。

现有分支维护状态

分支名 当前状态 上线时间 后续状态 EOL 日期
v1.6 Release 2021-10-25 Maintained Maintained
2022-03-31 estimated
v1.5 UnMaintained 2020-12-31 Unmaintained
2021-06-30 estimated
2021-09-30
v1.3 End Of Life 2020-10-30 End Of Life
2020-12-01 estimated
2020-11-30
v0.1.6 End Of Life 2020-08-31 2020-09-30
v0.1.0 End Of Life 2020-07-01 2020-09-30

版本说明

Latest Release

  • 支持项目,场景化管理算法模型开发
  • 新增模型工厂,便于转换,蒸馏,迁移,版本,类型管理和共享
  • 升级UI更好的使用体验
  • 支持镜像中心docker.io等公开镜像可以直接拉取使用
  • 支持图像数据标注
  • 支持用户资源配额
  • 支持组织管理
  • 支持云边端推理,一键化部署
  • 修复Bug,平台优化

版本说明请参阅RELEASE

许可证

所有开源代码和文档遵从MIT License

Description
依瞳人工智能平台旨在为不同行业的用户提供基于深度学习的端到端解决方案,使用户可以用最快的速度、最少的时间开始高性能的深度学习工作,从而大幅节省研究成本、提高研发效率,同时可为中小企业解决私有云难建成、成本高等问题。
Readme MIT 128 MiB
Languages
Go 96.4%
Smarty 2.1%
Shell 0.6%
Dockerfile 0.6%
Makefile 0.3%