主题：EasyDL软硬一体方案在膀胱肿瘤识别中的探索

时间：2020年6月3日（线上）

讲师：武汉大学人民医院泌尿外科博士杨瑞医生

【课程大纲】

1.     膀胱癌介绍

       1.1   膀胱癌的流行病学

       1.2   现有诊断体系

2.     EasyDL和EdgeBoard的应用探索

       2.1   如何使用EasyDL训练模型

       2.2   EdgeBoard FZ9部署演示

膀胱就是储存尿液器官，位于盆腔的前部，耻骨联合的后方。膀胱空虚时，其尖一般不超过耻骨联合上缘；充盈时，膀胱尖上升至耻骨联合以上。膀胱底在男性与精囊腺、输精管末端和直肠相邻，在女性则与子宫颈和阴道相邻。男性的膀胱颈与前列腺相接，女性的膀胱颈直接与尿生殖膈相邻。可以右边这两个图，可以看到膀胱标注的位置，在这个地方，偏下面一点，在盆腔的前部。

这是美国国立卫生研究员NIH的报告，膀胱癌在美国肿瘤发病率排行榜位居第6，预估病历在2020年在美国预估发病应该有8万多人，预计死亡率将近17000多人。肿瘤发病的因素主要是长期接触某些致癌物质，如联苯胺、β-萘胺、4-氨基双联苯，这些人往往从事印染、塑料、油漆等行业，另外吸烟和膀胱肿瘤的相关性现在也得到确认，经常吸烟的男同志要注意，大家知道吸烟和肺癌相关性比较高，但是可能不知道吸烟和膀胱癌相关性也是确认的。还需要说一下膀胱肿瘤中位发病年龄在70+，5年总生存率大约76.9%。

诊断主要是靠膀胱镜检查+活组织病理检查，我们可以看一下左边的图，这是讲膀胱镜，黑色这个就是膀胱镜，前面有一个小摄像头，我们把这个仪器放到膀胱里，它会把看到的画面在旁边的显示器上显示出来，医生直接看显示器上的图像，如果有异常，就用特制的特别长钳子把组织夹一块出来，然后做染色，再到显微镜下看，看组织究竟是不是肿瘤，是肿瘤这个诊断就可以确诊了，是两步确诊的过程。

膀胱肿瘤有一个什么特点呢，就是复发率比较高，费用比较高。膀胱肿瘤分为肌层浸润型膀胱癌和非肌层浸润型膀胱癌，这个占将近70%以上，接近一半的非肌层浸润型膀胱癌出现复发，老师说膀胱肿瘤就像韭菜一样，割一茬长一茬，复查方式：膀胱镜检查，发现异常进行活检。有研究说明它是最贵的癌症，每一次手术可能费用都不低。这个图就是欧洲国家的一个研究，显示了膀胱肿瘤增加的负担，这个是膀胱肿瘤，中间这一行是做膀胱切除的费用，这是欧元计算的是5万多，后面这个是做非肌层浸润型膀胱癌的手术。而且还有一点，膀胱肿瘤患者术后都要进行复查，也是用膀胱镜检查，隔一段时间要去观察，这是最准确的检查方式，也有老师可能会问，现在用CT和核磁共振可以吗，这种影像学检查发展虽然很快，但是膀胱镜的优势还是在那里的，优势还是最大的，所以标准的话还是要做膀胱镜。

这里就要说为什么容易复发呢，高复发的原因是什么呢，这里有一个文献是来自BJUI，膀胱肿瘤新发有一种原因就是本身的基因型决定的，这个很好理解，本身的基因就决定了这个肿瘤容易复发。另外手术处理原发肿瘤的时候，我们处理它的时候不可避免会碰到它，这上面的肿瘤是不是可能脱落，在其他的地方出现植入。再就是膀胱肿瘤并没有完全被发现和切除，需要补充一点，膀胱的完全发现和切除都是建立在膀胱镜的基础之上，都是通过膀胱镜看到它并切它的，有这样一个概念。另外，内镜不可见的微小病灶的生长，这也是复发的另外一个可能。

膀胱镜是在膀胱癌整个诊断、治疗和复发随访上面发挥了非常重要的作用。膀胱肿瘤需要依靠膀胱镜做诊断、确诊，治疗也是需要膀胱镜做膀胱肿瘤电切，也是需要在膀胱镜里看到肿瘤，复查随访也是一样用膀胱镜。所以整个膀胱肿瘤的治疗都是以膀胱镜为中心，围绕它做。下面四张图，上面两张是正常的膀胱壁的图像，下面两张图是膀胱肿瘤的图像，第一张图不是很清晰，下面这个是有一个新事物，这个东西可能就是膀胱肿瘤，最终还需要依靠病理确诊。

这里我们有一个想法，用AI加持做膀胱镜下膀胱肿瘤的识别。用AI帮助我们识别判断这个地方是不是膀胱肿瘤，具体而言，通过EasyDL软硬一体方案定制膀胱镜下膀胱肿瘤识别模型。

简单说一下EasyDL的优势，尤其是对我们跨专业、本身不是做计算机方向或者人工智能方向人的优势上，EasyDL的优势比较大。EasyDL的经典版不需要懂得AI算法就可以使用，模型是专门针对我们提供的数据定制出来的模型，精准度相对比较高。另外，整个平台对图片集的管理、标注和训练提供了友好的界面，同样不需要写任何代码。另外，仅仅标注少量图片就可以初步识别，并且可以使用智能标注，几轮标注后标签也会比较准确。另外实施比较容易，操作简单，节省时间。EasyDL有经典版和专业版，在做科研的过程中，觉得经典版满足不了大家的需求，可以选择专业版，可以自主选择多种神经网络，进行更深度的参数调节，使用更加灵活。还有就是部署灵活，可在云端部署，本地部署，以及软硬一体部署。

EasyDL后台技术有这几点，首先是用AI Workflow工作流程，统一大数据工程系统与分布式训练系统掌管整个数据的流动，使用框架是百度的飞桨深度学习平台。另外还有一个超参数的搜索Auto Model Search，自带超参数搜索功能，就隐含了很大一部分数据计算量在里面，帮我们做计算。另外用Transfer Learning迁移学习的工具，如果用户提供数据集比较小，就可以用迁移学习把在其他问题上面得到的权重，迁移到现有的任务上来，这样子来提高训练数据集比较小的时候模型的效果。

EasyDL训练模型也是有四个步骤，第一数据预处理，对图像实现归一化、大小裁剪与数据增强等操作。下一步是模型的训练，在EasyDL的平台上操作。再到模型验证，在验证集上验证效果，最后是模型上线，把模型做云服务直接调用它，或者把模型部署到我们需要的地方去，就是做一个模型的上线。

这里叙述一下我们做的膀胱肿瘤识别模型。开始是做数据收集，这些数据都是从医院里的膀胱镜主机里导出，所有膀胱肿瘤图片都是经过病理确诊的，可以看到左边这批图就是正常的膀胱壁，右边是膀胱肿瘤，这个已经进行了编号。需要提醒大家一下，数据一定要经过医院伦理委员会的审批才能够拿到。

我们就把数据直接上传到EasyDL上面，直接把数据按照EasyDL的要求打包好，压缩打包以后直接上传到EasyDL系统里来，可以看到系统显示到图像分类，多少张图片。

接下来是我训练的结果，针对每个不同的部署方式，都训练了一个结果，无论是公有云API、通用设备端SDK还是专项设备SDK，效果都比较好，TOP1是96%，第二是95%，第三是95%，整体的训练效果很优秀。

看一下更详细的训练报告，在公有云上也是用业内常规的几个指标，准确率，精确率和召回率。下面有一个专项硬件识别SDK准确率也是可以的，92%，95%，94%，90%，这个针对EdgeBoard计算卡做了适配，直接将训练好的模型生成SDK，把SDK直接接入EdgeBoard，操作非常简便。

部署的种类与使用，有几种常见的部署方案，第一就是公有云API，直接联网通过云端调用API接口。另外就是通过CPU和GPU，这可以在个人电脑上可以进行的，另外VMX加速卡软硬一体方案，VMX作为加速卡是需要宿主机的。我们采用的方案是FZ9加速卡软硬一体，自带一个接口，功能也比较强大，因为我们需要实时性，因为我们这个项目相当于要实时识别每一张图片有没有膀胱肿瘤，这个对计算卡的要求还是比较高的，我们选的FZLite卡还是可以实现我们的需求。

这个是我们当时拿到EdgeBoard的开机照，有这样几个特点，性能强悍，高通用性和扩展性，开放门槛低，支持硬件定制。这个软硬一体的体积很小。大概说一下部署过程，通过EasyDL训练模型，迭代至模型效果满足业务需求后发布得到SDK，直接拷贝到EdgeBoard，然后用序列号激活SDK，接下来运行SDK就可以了，这个运行过程包括驱动加载，编译，还有运行的几个过程，按照说明书操作就可以了。

这是我们整个流程图，首先是收集了正常和肿瘤膀胱镜的吐心，把这些图像放到EasyDL里训练得到一个模型，就是专用SDK，把这个专用SDK放到EdgeBoard里面，然后把膀胱镜的镜头采集到的图像要进到膀胱镜的主机里进行分析，这个主机会显示视频到显示器上，我们将视频信息分两路，一路是给医生观看的一路，另外的一路把信息输入到EdgeBoard，由EdgeBoard对我们输入的信息进行加工处理计算以后，它会告诉我们，这张图上面有没有膀胱肿瘤，我们把这个信息叠加到原来的膀胱镜的图片之上，放在另外一个显示器上显示，是这样一个流程。

随后我们就进行了验证和探索，这张图是我们首先在实验室里验证这个系统的可行性，主要是采用了拍屏的方案，这是计算卡，旁边是我们的小屏。右边这张图是我们把整个系统拿到手术室里部署的情景，这边是我们的电脑，这边是EdgeBoard计算卡，这边是第二块屏，这是第一块屏。值得说的是，这是打印机，这个地方就是膀胱镜的主机，相当于整个视频的流程，我们的视频信号由膀胱镜主机产生，一路信号放到这个显示屏上面，就是医生看的，另外分出一组信号，经过计算，把分类结果叠加到小的显示器上，达到我们之前项目所设计的要求，就可以用人工智能辅助膀胱肿瘤的诊断，是这样一个过程。

这个图是放大的图，EdgeBoard计算卡正在计算，左上角显示出对这幅图计算的结果，这是一个正常的膀胱壁，这个就是医生操作时候的画面。

最后这是我们拍屏的一个案例，大家可以看到这上面的显示，这其实就是一个膀胱肿瘤，旁边这个也是，上面显示出系统计算得到了膀胱肿瘤的概率，Tumor是0.9，这个准确率还是可以的。当有膀胱肿瘤的时候，就会显示出Tumor。

简单说一下我们探索的心得，首先是跑通了整个模型和部署过程，达到项目设计的要求，就是用人工智能辅助膀胱镜下膀胱肿瘤的诊断。整个项目也有很多需要改进的地方，需要收集更多的临床数据，更多的样本，更多的图片。另外可以考虑尝试采用专业版或者其他的方式提高模型准确率，另外可以尝试系统进行膀胱肿瘤亚型判断，再就是交互界面，就是我们的交互界面的优化。

【EasyDL和EdgeBoard软硬一体介绍】

训练模型的目的是为了在实际项目中使用，现在项目部署大致分为两种，一种是公有云部署，一种是边缘化部署，公有云是在云端部署，方便、省心省力，集中式托管，有网络即可接入，无需搭建环境，通过API调用，集成便捷。但是有一些限制性，安全，实时性，稳定性，所以很多都是通过边缘部署的方式，让模型更靠近云，无需将数据上传到云端，保障了数据安全和隐私保护，边缘部署需走网络，响应更稳定，更实时，边缘部署无网络搭建成本，硬件成本低，所以今天主要讲的是EasyDL在边缘部署的硬件EdgeBoard。

EdgeBoard是百度面向嵌入式与边缘部署场景打造的硬件加速方案，适用于机器视觉智能化监控与分析，具有高性能、低成本、使用简单等三大优点，可无缝兼容EasyDL模型训练平台。我们和世界上最大的芯片厂家赛灵思，还有英特尔VPU系列，我们和赛灵思合作两个系列，计算卡和计算盒，分为FZ9/FZ5，FZ3两个型号，计算卡是面向低成本的场景打造的一款产品。FZ系列主要特点带有主控，可以很好当成一个小型开发机使用。跟英特尔合作的VMX是加速棒形态，我们叫加速卡，通过USB连接起来，作为一个协处理器，需要连接一台宿主机运行。

下面看到三个产品的图片，左边是最小的FZ3Lite计算卡一体方案，中间是高性能的盒子，右边是软硬一体的VMX的加速方案。

下面介绍一下，FZ9和FZ5计算盒，特点是高性能，适配多路摄像头，规格在三个里面相对做的比较小，FZ计算盒是高性能，12×8厘米，3.6TOPS算力，功耗在10到25W，有些场景下硬件会标成5到10W，但客户一旦把性能跑满，功耗会到10到15W。FZLite功耗是5到12W，FZ系列使用的是FPGA方案，很多是工业级的方案，运行的环境和试运行温度可以在零下40到零上70度，还是比较宽泛的工作温度的支持范围，比较适合用在工业场景（工业质检、视频监控）。这边是价格，FZ Lite是1179元，FZ计算盒是4169元，VMX加速卡是699元。

下面我讲一下几个应用场景，EasyDL和EdgeBoard软硬一体方案可以在非常多的场景应用，我列的这些都是已经落地的项目，安防、工业、医疗、零售、教育、农业和交通，刚才杨老师介绍了医疗场景的案例。

FZ5和FZ9计算盒软硬一体方案看起来是一个带盒子的，就是AI服务器，有FZ5和FZ9两个型号。支持8路1080P摄像头解码，算力高达3.6TOPS，resnet50模型推理全流程可以做到60帧每秒。相较于服务器优点：体积小、质量轻，易携带、功耗低、价格低，适用于视频监控场景的私有化、边缘化部署，如安防巡检、工业质检、农作物监控，交通巡检等。

我下面介绍一下盒子的应用场景，比如安防场景，巡检无人机，是空对地的，就是抓拍，有个特点，它的图像会比较小，特征比较少，这就需要有一些比较高精度的模型做识别，效果比较好。这种高精度模型对硬件性能都要求比较高，所以我们推荐对模型效果要求好，性能要求高的场景可以购买计算盒产品，也可以直接在场景里直接部署安装，是比较好的硬件产品。像无人机这个场景，空对地的识别，可用在边防巡检、岛屿巡检、电力巡检，交通不好到达，也可以非常节省人力的场景里。

第二个应用场景，比如在工业场景里，我们跟质检机器人做了结合，可以用在Iphone产线的质检，最小可以达到0.2毫米以下，手机质检成本要求不是那么敏感，但是对检测的缺陷细微程度会要求比较高。

农业场景，现在和京东方合作，在蔬菜大棚里也做了一些边缘部署，可以做智能化的监控，病虫害等一些情况，在农业场景里有非常高的应用价值，通过智能化监控可以让食品变得更有机，更健康。

交通场景这块，最近国家也在推路边停车，就是交通管制的违章停车管理，以前就是传统的，停车有个人坐在旁边，你开到那个地方对你收费，这样有一个特点，特别耗人力，人管理起来也容易疏漏，成本很高。现在通过EdgeBoard和巡检车结合这种场景，可以动态识别路边的停车，可以识别比人更快，一辆车可以识别很长的距离，有几公里的距离，如果一个人最多只能管肉眼可见范围内的，几十米范围内的停车位。

这款是轻量型的电脑主机，规格非常小，只有7×8厘米，我们用它可以用在学习，因为学习的时候并不需要有非常高的性能，所以拿一款千八块钱的，就像小型电脑主机一样，可以用在智能小车里，我们最近跟国家合作的智能小车竞赛，里面用的就是lite板，还有智能医疗的设备里，如果不是动态的，像眼底筛查，不是动态的，对识别的速度不是那么敏感，反而对功耗，对易集成要求更高一点。这个就是百度做的一款眼底筛查仪，结合EdgeBoard智能分析，可以帮助视网膜病变等疾病的诊断，其实很容易应用落地，比如放在眼镜店，检查近视眼可以在那时候非常方便给市民做一次检查，也可以放在眼科医院，也可以放在公益活动里，可以辅助或替代医生诊断，缓解医疗资源的稀缺。

在教育场景中，这个是我们推的智能竞赛小车，集成EdgeBoard lite，实现智能识别，弯道，验证等等，不管是大学生还是K12的学生，都可以买一款这种小车，去做人工智能的学习，是非常不错的选择。

这款是我们和英特尔合作的，VMX方案，这款芯片的特点算力是非常强，这边写的是1TOPS，实际有10TOPS算力，还有做图象处理的，神经网络也有算力，目前大江海康都是用这个做应用，这是协处理器，需要通过宿主机工作云端，比如我们已经支持Linux和Windows，目前只有699元，可以很好的用在学习场景，还有一个是我们在存量设备上，比如已经有了一些设备，主控板换不了，只要有USB口就可以通过这个加速卡直接插上去，就可以实现这个设备的智能化升级。

我们看一下这个设备的应用，比如零售场景中，智能电子秤，可以通过VMX加速卡插进来进行智能化的菜品识别，可应用在超市、农贸市场等地方，对供应链管理，其实AI做的事情大多数都是安全，二是提升效率，三是降低成本，这个智能秤很好的提升了超市的人工效率，降低了人工成本。

这一页讲的是有了EdgeBoard以后，如何一步一步进行部署，刚才杨瑞老师比较细的讲了过程，就是这几步，我们在EasyDL训练模型下载下来，然后购买硬件，可以在EasyDL上获取License，部署激活，然后就可以无限期使用了，可以放在业务里进行集成，非常的方便。

【Q&A】

Q：感谢两位老师介绍，首先问一下杨瑞医生，这个模型已经到临床使用还是在探索阶段。

A：现在还是处于探索阶段，因为这个东西毕竟涉及到医疗，医疗要更严谨一些，我们希望能够搜集到更多的数据，训练到更高的准确率以后，各方面的情况比较好了再考虑应用，现在还是探索的阶段。

Q：您这边使用的是EdgeBoard哪款产品呢？

A：用的是FZ9计算盒。

Q：您分出来的那路视频是用什么窗口软件实现的实时结果？

A：因为我感觉EdgeBoard，就我知道的，我对EdgeBoard肯定不是特别了解，就我在使用过程中，我觉得EdgeBoard是自带一个完整的Linux系统，这个东西就是你自己把模型放进去以后自带功能，不需要我们自己特别多的完善，去做窗口什么的，这是我自己一点浅见，可能需要EdgeBoard老师补充一下。

A：现在EdgeBoard内部支持的DB显示方式，购买以后可以通过DB口衔接到显示器上，内部也有相应的显示软件，打开以后在系统内自带的。

Q：有同学问膀胱检测使用了多少图像进行训练呢？

A：这个膀胱检测就现在探索的项目，我们使用的图片并不是特别多，一共八九百张吧，因为毕竟膀胱肿瘤说实话它图片搜集很难，比想象中要难，这也是我们下一步想完善的地方。

Q：API和SDK训练得分是不同的，有什么原因吗？

A：API和SDK上，因为SDK设计的集成能力不一样，我们设计的时候会选不一样的模型进行训练，最后得到的值是不一样的，但效果差异不会太大。

Q：Nano和EdgeBoard有什么区别。

A：两款是定位比较接近的产品，首先价位比较接近，另外就是性能上EdgeBoard会更强一点，EdgeBoard最低这款lite有1.2T算力，Nano应该是一半左右，如果对算力敏感可以选择EdgeBoard，如果对价格敏感可以选择Nano。

具体关于EasyDL软硬一体方案对比包括企业介绍，可以在百度AI市场搜索EasyDL软硬一体方案，可以看到不同的软硬一体方案介绍，可以根据自己的需求选择。

Q：肿瘤案例中EasyDL训练模型大概什么样的，层数多吗？

A：这个我们也会根据你输入的数据选择不同的模型，一般都是业界比较经典的模型，不是固定的。

Q：有同学问用图片训练模型，最后直接对视频进行分类，这个需要人工对视频进行截帧吗？

A：我可以先说一点我知道的，在训练的时候，膀胱肿瘤图片有一部分是来自于视频的，我们是截帧进行训练的，在应用的时候，我们的同学可能会说这个模型，比如是在图形分类上面训练怎么用到视频，但是视频不就是一帧一帧图像这样子构成的吗，所以只要计算卡的计算速度足够，是可以直接用到视频上面来的，这也是因为EdgeBoard算力很高，计算效果比较好。

如果大家需要对视频进行截帧，可以尝试一下Easy Data这个平台，内置了可以下载的采集数据的SDK，这个SDK可以帮助你进行视频截帧，你可以设计一下时间，并且帮助你进行数据清洗和整理，你可以在Easy Data直接在EasyDL进行训练，如果在视频场景下需要截帧的话，Easy Data还是比较智能的平台，大家可以在百度上面搜索Easy Data就可以找到智能数据服务平台。

Q：EdgeBoard是可以放在无人机上的吗？

A：是可以的，EdgeBoard目前已经在无人机的应用中落地了。

Q：与嵌入式GPU或者是带NPU的AI芯片相比，使用EdgeBoard有什么优势？

A：首先EdgeBoard在算力这块或者在整体的性价比这块，因为是百度做的硬件，跟很多硬件大厂做的侧重点不一样，我们更侧重的是对百度系的软件平台生态的支持，比如飞桨深度学习平台，还有我们会在EdgeBoard上搭建一些更完整的软件平台，比如EasyDL是可以直接放到里面的，后续还会推像EasyMonitor平台，可实现直接购买做一些视频监控的场景，可以更整合应用。

如果大家对EasyMonitor这个视频监控平台感兴趣，也可以在百度搜索就可以找到。

Q：能不能边使用边训练，随着使用的持续，模型训练的越来越好？

A：不是很清楚边训练边使用需要到什么环境，因为EasyDL是支持大家先上传模型进行训练，根据结果的反馈再补充数据进行实际的迭代，这样也可以做到模型效果越来越好。

Q：这个是不是我们的数据闭环功能呢？

A：对，数据闭环功能也是补充数据的比较重要的环节，当然也可以自己从额外的渠道重新补充，也是可以的。

Q：刚才我们提到自带实时窗口软件是需要购买EdgeBoard才能有的，Nano有类似的软件吗？

A：因为Nano硬件是NVIDIA这边的，NVIDIA相关硬件问题需要咨询NVIDIA相关负责人，你可以在NVIDIA群里提问，NVIDIA工作人员可以给你解答。

Q：EdgeBoard能进行最近提出的网络推理吗？

A：EdgeBoard有两个系列，一个是FZ系列，一个是VMX系列，FZ用的是FPA方案，如果对硬件或芯片有过了解的同学，应该会知道FZ是可编程的阵列，就像白板芯片，上面可以做出适合跑我们软件的硬件电路，所以FPA的硬件有很大的优势，例如新推出来的，像YOLOv4，我们可以很快在EdgeBoard里实现，会比像其他的AI芯片快很多。

Q：咱们什么时候会预置YOLOV4算法吗？

A：预计会在7月份。

Q：膀胱识别模型部署在边端还是云端，医生使用时候是实施计算吗？

A：这个模型是在边缘的，这是EdgeBoard算力比较够，我们就放在边缘，它用的时候是放在手术室里的。也有老师问早期肿瘤筛查可以达到多少精度，这个问题我们现在进行的探索，它的筛查准确度可以达到95%。

Q：早期肿瘤筛查精度大概多少？

A：95%准确度。

Q：有同学问您这边训练测试的比例大概多少？

A：这个模型训练和测试的比例，EasyDL后台会进行划分，据我所知比例已经是我们常见的7：3左右。

Q：大概是7：3左右。有同学问900多张图片是多少病人的？

A：这个是两百多病人，在探索结算，数据量还在不断补充，这也是下一步需要着重解决的问题。

Q：确实数据采集比较艰难，耗时比较长。FPGA方案是不是用verilog开发？

A：FPGA是用verilog语言写的，其实我们买的这款板卡可以不用在FPGA层面开发，因为百度已经做好了，大家知道FPGA开发门槛比较高，技术难度比较大，我们把AI相应模型实现封装到了FPGA的底层，我们理解成一个IP，在应用层也和百度平台的大脑工具箱结合，如果用了我们这套EdgeBoard的FPGA方案，理论上说买了硬件，后面可以升级硬件里的软核，随着不断迭代我们可以支持越来越多的算法，越来越多的模型。

Q：用户可以自行选择使用什么模型吗？

A：经典版使用什么模型对用户不是透明的，如果用户有强烈的使用某一种模型的需求，可以尝试专业版，可以确定选择某一种模型使用。

现在给大家介绍一下EasyDLEdgeBoard软硬一体方案优惠政策，可以看到FZ5和FZ9计算盒，它是高性能的计算盒，中间是FZ3计算卡，小体积，低成本，这边是VMX加速卡，它需要宿主机，超小体积，具有超高性能。如果您想尝试EasyDL软硬一体方案，在5月13到6月13扫描二维码填写信息，可以量身定制获取优惠资源，如果你购买任意一台EasyDL自研软硬一体方案，包括上面提到三款，将获得等价专业版训练时长，软硬一体方案+专业脚本调参26小时GPUV100训练时长/32小时GPUP40训练时长/41小时GPUP4训练时长，折算下来就是五折优惠，也是非常的超值，大家可以扫描二维码填写。如果想更多的了解，也可以私聊小助手，了解EasyDLEdgeBoard软硬一体方案的优惠政策。

同时EasyDL和NVIDIAJetson软硬一体方案已经上架到百度AI市场，推出全网最低限亮优惠的活动，EasyDL Jetson Nano原价1099，现价800。TX2原价3500，现价3200，Xavier原价5999，现价5600，已经是非常低的折扣，可以扫描屏幕下方的二维码了解详情。如果购买这套软硬一体方案。

课后作业，使用EasyDL经典版/专业版，图像分类/物体检测，训练业务审核模型，训练数据可以采用自选数据。如果你想参加最佳布道师评选，可以参加我们的活动贴，地址可以在公告里找到，如果分享自己的读书笔记和使用心得，使用教程和场景方案可以赢得我们百度网盘超级年卡。

下期我们将来到NLP专场及周二晚上8点，主题是如何拥有不断学习高效标注的AI员工，围绕EasyDL文本智能标注产品介绍，讲师是来自百度NLP产品经理夜巡老师，内容是针对企业在数据环节遇到缺少标注数据，人工成本高的问题，重点解释业界领先文本智能标注产品。开发者仅需提供少量的已标注文本数据，即可完成对大规模数据集的智能化标注。下周三晚上8点主题是通过EasyDL为猎头企业实现复杂文本分类，讲师是北京瀚才咨询有限公司负责人谭笑然，内容是猎头行业现状及痛点介绍，知识密集型行业如何进行知识点分类梳理，使用AI技术完成数据“结构化”，提高业务处理效率。