2024年教育行業(yè)AI實戰(zhàn)手冊-英特爾

ai 15英特爾攜手合作伙伴持續(xù)探索優(yōu)化方案設(shè)計、提升推理性能，助力智能課堂行31英特爾與合作伙伴共同探索課堂行為分析在智慧教育35?針對行為分析的英特爾產(chǎn)品優(yōu)化方案以先進(jìn)人工智能技術(shù)助力語言教學(xué)，打造更優(yōu)口45英特爾與合作伙伴共同探索基于人工智能的智能口語50基于英特爾優(yōu)化方案的應(yīng)用案例50?一起教育科技：基于英特爾的產(chǎn)品與技術(shù)，打造先進(jìn)人工55英特爾攜手合作伙伴探索基于語音識別的智能教學(xué)輔55?語音識別等人工智能技術(shù)在智慧教育場景56?基于語音識別能力構(gòu)建教學(xué)輔61基于英特爾優(yōu)化方案的應(yīng)用案例61?思必馳：與英特爾攜手打造精準(zhǔn)、高效的語音識別應(yīng)用， 作者（排名不分先后，按姓氏首字母排序）崔爽，賴美璇，陸禮明，邱亮，溫?zé)?，吳緣，夏磊，徐焰慶，顏彥，伊紅衛(wèi)，于超，俞巍，臧戰(zhàn)，趙6667697071百年大計，教育為本。教育是民族振興、社會進(jìn)步的基石，強國必先強教。多年來，中國以教育信息化支撐和引領(lǐng)教育加強網(wǎng)絡(luò)教學(xué)資源體系建設(shè)，以及構(gòu)建適合信息時代的教與學(xué)模式，作為推進(jìn)教育創(chuàng)新發(fā)展以及推動人才培養(yǎng)模式改革為抓住新一輪科技革命帶來的新機遇，加速教育現(xiàn)代化，代人工智能等重大戰(zhàn)略任務(wù)安排，提出實施《教育信息化2.0提出了為國際教育信息化發(fā)展提供中國智慧和中國方案的目標(biāo)，在新時代賦予了教育信息化新的使命，以真正走出一條中國特色的教育信息化發(fā)展之路。步入“十四五”，中國開啟了建設(shè)教育強國的新征程，利用新一代信息技術(shù)，推動信息化時代教育創(chuàng)新，實施教育新基建工程，大力開發(fā)優(yōu)質(zhì)數(shù)字教育資源，被確定為推動教育改革創(chuàng)新與建設(shè)高質(zhì)量教育體系的根本動力2。在國家政策引領(lǐng)推動、新一代信息技術(shù)不斷迭代更新，以及教育治理能力日益優(yōu)化的教育發(fā)展新格局下，“信息技術(shù)與教育教學(xué)的深度融合”已經(jīng)成為共識。隨著“三通兩平臺”建設(shè)取得巨大成就，國家數(shù)字教育公共服務(wù)體系建設(shè)日趨完善，教育信息化基礎(chǔ)設(shè)施建設(shè)已全面覆蓋，數(shù)字化教育資源得到極大豐富，師生網(wǎng)絡(luò)學(xué)習(xí)空間已達(dá)6,300多萬個3，中小學(xué)網(wǎng)絡(luò)接入率達(dá)99.7%，擁有多媒體教室的中小學(xué)校比例達(dá)95.2%，已接受過不同程度信息技術(shù)應(yīng)用能力培訓(xùn)的教師人數(shù)也超過1,000萬4，基于網(wǎng)絡(luò)開展教與學(xué)的大環(huán)境已經(jīng)基本在信息技術(shù)應(yīng)用規(guī)?？焖贁U展的同時，K12和高等教育領(lǐng)域的信息化基礎(chǔ)環(huán)境和教師信息化素養(yǎng)也已得到全面提升。新進(jìn)一步推動了信息技術(shù)與教育教學(xué)深度融合與應(yīng)用，展現(xiàn)了信息技術(shù)與教學(xué)融合創(chuàng)新帶來的強大合力，加速了中國教育2017年國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃的通知》中程應(yīng)用。2018年教育部印發(fā)的《教育信息化2.0行動計劃》市場規(guī)模已達(dá)數(shù)千億5。近年來，相關(guān)市場融資總量亦達(dá)數(shù)百億元，涵蓋了K12階段教育、職業(yè)培訓(xùn)、學(xué)前教育等不同的?精準(zhǔn)化教學(xué)規(guī)劃?課堂教學(xué)與遠(yuǎn)程教學(xué)結(jié)合?課堂教學(xué)與遠(yuǎn)程教學(xué)結(jié)合?數(shù)字課件教學(xué)?多媒體學(xué)習(xí)終端?……?老師板書講授?學(xué)生被動接受?書面練習(xí)為主《教育信息化2.0行動計劃》/srcsite/A16/s3342/201804/t20180425_334188.html/xwfbh/xwbfbh/wqfbh/44687/45183/zy45187/Document/1701372/1701372.htm教育信息化從1.0到2.0——走具有中國特色的發(fā)展之路，/news/jrgz/xxhdt/n20200509_67683.sh中央電教館與英特爾聯(lián)合推出的《2020教育信息化年度藍(lán)皮書》千億級AI+教育市場規(guī)模，會是下一個風(fēng)口嗎？/a/435798627_1204116152020年中國AI+教育行業(yè)投融資熱度不減，http://market.c特特戰(zhàn)趨勢篇7特特戰(zhàn)趨勢篇8大規(guī)模的投入加快了智能技術(shù)在教育行業(yè)的創(chuàng)新應(yīng)用，語音識別、自然語音理解、深度學(xué)習(xí)、AR/VR等前沿技術(shù)和相關(guān)教育教學(xué)解決方案正在更多場景落地，包括自適應(yīng)學(xué)習(xí)系統(tǒng)、智能導(dǎo)師系統(tǒng)、智能測評系統(tǒng)、基于虛擬現(xiàn)實/增強現(xiàn)實的場景式教學(xué)都正在成為現(xiàn)實。而這又推動了以智能技術(shù)為代表的新一代信息技術(shù)，更全面深入地滲透到教育多環(huán)節(jié)以及教與學(xué)模式的融合創(chuàng)新過程之中，為面向未來打造智能型泛在學(xué)習(xí)環(huán)境，構(gòu)建智能化、網(wǎng)絡(luò)化、個性化、終身化的現(xiàn)代化教育體系添加了新動力。人工智能在教育行業(yè)各場景中的應(yīng)目前，在教育行業(yè)各場景中，如圖1-1-2所示，由數(shù)據(jù)驅(qū)動，基于各類機器學(xué)習(xí)/深度學(xué)習(xí)方法構(gòu)建，涵蓋計算機視覺（CV）、自然語言處理（NLP）以及等技術(shù)領(lǐng)域的人工智能應(yīng)用探索和方案部署，可以分為教學(xué)?教學(xué)環(huán)節(jié)場景：與傳統(tǒng)教學(xué)模式相比，智慧教育工智能應(yīng)用來提升教學(xué)環(huán)節(jié)中的互動性和精準(zhǔn)性。一方面，通過交互式電子白板、雙師課堂、AR/VR教學(xué)等應(yīng)用，不僅可通過增強師生間的交互來提升線上線下課堂的教學(xué)效果，也能有效縮小區(qū)域、城鄉(xiāng)、校際間的教 ?練習(xí)測評場景：人工智能技術(shù)的引入大大豐富了練習(xí)測評的形式。一方面，師生可將教學(xué)練習(xí)與測評的場景延展至課堂之外，并獲得來自智能系統(tǒng)和教師的雙重反饋；另一方面，在NLP、ASR等人工智能技術(shù)的幫助下，課程評測的內(nèi)容得到大幅擴展，評測結(jié)果也能更加精準(zhǔn)和科學(xué)，并幫助學(xué)生依據(jù)評測結(jié)果制定和優(yōu)化后續(xù)學(xué)習(xí)過程。目前，諸如口語測評等測評類人工智能應(yīng)用已在各級教育機構(gòu)獲?教學(xué)管理場景：數(shù)據(jù)驅(qū)動的智慧教育場景更注重數(shù)據(jù)的快教育機構(gòu)得以在校園部署更多的人工智能應(yīng)用，進(jìn)而能夠通過更為快捷的數(shù)據(jù)交互和處理方式來對教學(xué)過程實施靈活的調(diào)度和管理。例如，通過智能教學(xué)輔助能力，學(xué)校管理人員可以快速遠(yuǎn)程巡課、智能排課、獲取教學(xué)大數(shù)據(jù)，教師可以進(jìn)行智能備課，以及基于知識點地圖和資源庫開?答題機器人?智能教育輔助?智能教育輔助在教育領(lǐng)域也同樣如此。隨著更多教育機構(gòu)變道切向新的智能?人工智能應(yīng)用對算力的高要求：與學(xué)校已?人工智能應(yīng)用如何與教學(xué)環(huán)節(jié)無縫對接：與教學(xué)環(huán)節(jié)的緊密?對校園既有IT設(shè)備兼容性需求：與互聯(lián)網(wǎng)、通信、軟件等始終站在新技術(shù)潮頭的企業(yè)不同，教育機構(gòu)的常是基于實際需求而不斷增補，同時校園環(huán)境的其軟硬件基礎(chǔ)設(shè)備紛繁復(fù)雜，因此對新的人工?對校園既有IT系統(tǒng)架構(gòu)的要求：由數(shù)據(jù)驅(qū)動的智慧教育系統(tǒng)也給傳統(tǒng)校園IT架構(gòu)帶來挑戰(zhàn)。部署在教室等系統(tǒng)末端的設(shè)備通常處理能力較弱，而全部通過遠(yuǎn)端數(shù)據(jù)中進(jìn)行處理，又容易受到網(wǎng)絡(luò)因素的影響。為應(yīng)對這些挑戰(zhàn)往往伴隨著機遇。面對以上挑戰(zhàn)，各教育行業(yè)解決方案廠選擇與英特爾攜手，大膽引入更多、性能更強勁的軟硬件設(shè)備和更全面、更前沿的系統(tǒng)架構(gòu)設(shè)計。事實上，采用一系列英特爾先進(jìn)產(chǎn)品與技術(shù)的解決方案已在諸多教育場景中獲得了驗?全方位的軟件產(chǎn)品助力，包括OpenVINO?工具套件、低高高低特特戰(zhàn)趨勢篇9特特戰(zhàn)趨勢篇為了讓人工智能技術(shù)在落地過程中更好地與教育教學(xué)融合創(chuàng)新，從而在教育行業(yè)智能化轉(zhuǎn)型過程中發(fā)揮其強大的驅(qū)動作用，英特爾積極發(fā)揮性能領(lǐng)導(dǎo)者、軟硬件創(chuàng)新引領(lǐng)者以及在人工智能領(lǐng)域領(lǐng)先的全棧解決方案提供商的優(yōu)勢，釋放多年通過系統(tǒng)化的投入和生態(tài)力量，推動教育變革的經(jīng)驗，運用創(chuàng)新技術(shù)，與眾多合作伙伴一起擁抱智能化教育潮流，針對不同的教育場景，打造多個適應(yīng)普遍性需求，且經(jīng)過實踐部署驗證的成功案例，為學(xué)生與老師提供更加簡潔高效的教育如圖1-1-5所示，這些案例圍繞著教師與學(xué)生、教學(xué)過程與效果評估這兩組核心關(guān)鍵詞展開，并由此形成人才培養(yǎng)、教育教學(xué)、教學(xué)管理和考核測評等四種典型的場景象限。在本手冊中，將為每個象限選取一個專門的人工智能應(yīng)用方向與讀者探討，同時在每個方向中也選取了數(shù)個實際應(yīng)用案例。?人才培養(yǎng)：本手冊在人才培養(yǎng)象限將以人工智能教學(xué)與實訓(xùn)作為方向。探討在K12與高等教育階段的人工智能教學(xué)與實訓(xùn)過程中，如何在既有校園環(huán)境下，通過英特爾高?教育教學(xué)：本手冊在教育教學(xué)象限將以課堂行為分析作為在英特爾軟硬件產(chǎn)品和技術(shù)的支持及優(yōu)化下，對教學(xué)過程進(jìn)行實時性分析評估，全面實現(xiàn)師生教與學(xué)模式、情緒狀態(tài)等信息的量化統(tǒng)計和可視化呈現(xiàn)，在有效降低教師工作?教學(xué)管理：本手冊在教學(xué)管理象限將以智能教學(xué)輔助作為方向。探討如何將基于語音識別的智能輔助能力引入教育機構(gòu)的日常管理及師生的教學(xué)環(huán)節(jié)，以提高教學(xué)質(zhì)量和效考核測評考核測評率。后文將以語音識別技術(shù)在智能會議、智慧課堂等場景中的應(yīng)用為例，闡述師生如何從基于英特爾產(chǎn)品與技術(shù)的?考核測評：本手冊在考核測評象限將以口語測評作為探討如何有效利用英特爾先進(jìn)軟硬件產(chǎn)品帶來和深度學(xué)習(xí)加速能力，用深度學(xué)習(xí)方法為教育發(fā)音準(zhǔn)確度、流暢度、自然度、完整度維度和合測評智能系統(tǒng)，從而高效、快速和準(zhǔn)確地幫推動教育與科技深度融合是順應(yīng)智能環(huán)境下教育發(fā)展的必然選擇，其核心是充分激發(fā)信息技術(shù)的革命性影響，解決數(shù)字教育資源開發(fā)與服務(wù)能力不強、信息化學(xué)習(xí)環(huán)境建設(shè)與應(yīng)用水平不顯不足，以及高端研究和實踐人才依然短缺等問題，推動教育觀念更新、模式變革和體系重構(gòu)。以上由英特爾與其眾多合作要以可落地的方案，幫助各級各類教育機構(gòu)顛覆傳統(tǒng)教與學(xué)模在下一篇章中，本文將就以上四個教育領(lǐng)域場景象限內(nèi)的案例，圍繞人工智能技術(shù)在其中的部署情況，特特戰(zhàn)趨勢篇育行業(yè)冊戰(zhàn)篇育行業(yè)冊戰(zhàn)篇英特爾攜手合作伙伴持續(xù)探索隨著人工智能逐漸進(jìn)入技術(shù)成熟度曲線（TheHypeCycle）中的生產(chǎn)成熟期（PlateauofProductivity人工智能已在各領(lǐng)域得到廣泛的應(yīng)用，對行業(yè)的發(fā)展速度、內(nèi)涵與此同時，技術(shù)的飛速發(fā)展也帶來了巨大的人才缺口。數(shù)據(jù)表明，目前我國人工智能人才需求缺口達(dá)500萬人7，在為此，無論是教育行政主管部門，還是科研院校、中小學(xué)以及培訓(xùn)學(xué)校等各級各類教育機構(gòu)，都把打造高質(zhì)量的人工智能教育體系做為面向未來人才培養(yǎng)的重要方向和目標(biāo)之一。國務(wù)院在2017年7月印發(fā)的《新一代人工智能發(fā)展指出，人工智能成為國際競爭的新焦點，要完善人工智能教育在政策激勵和需求驅(qū)動下，眾多教育機構(gòu)積極落實行動。在段，許多省市已經(jīng)啟動了人工智能教育的實驗性建設(shè)。在高等教育階段，已有數(shù)百所本科院校和高職院校開設(shè)了人工關(guān)專業(yè)，并建立起一大批人工智能實驗室供師生開展人工智能感性引導(dǎo)興趣實踐創(chuàng)新應(yīng)用在人工智能教育的不同階段，對教學(xué)目標(biāo)和教學(xué)環(huán)節(jié)的設(shè)置也有所不同。在K12階段，如圖2-1-1所示，人工智能教學(xué)主要是通過一系列基于場景實驗的感性引導(dǎo)和動手實驗，讓中小學(xué)生通過感知、認(rèn)知、創(chuàng)造和應(yīng)用的初體驗，了解典型的人工智能實現(xiàn)過程，提升AI素養(yǎng)，并在此基礎(chǔ)上推動創(chuàng)新思在高等教育階段，如圖2-1-2所示，人工智能教育則更多是注重針對人才需求實施分級培養(yǎng)。圍繞著人工智能三個層次：算法科學(xué)家、技術(shù)專家和應(yīng)用工程師，在設(shè)計和開展教學(xué)時，通常遵循產(chǎn)業(yè)分析、課程建設(shè)、綜合實訓(xùn)和就業(yè)認(rèn)證四個主要環(huán)節(jié)展開。其中，產(chǎn)業(yè)分析是通過對企業(yè)細(xì)化和分析，確定熱門領(lǐng)域以及亟需的人工智能崗位；課程建設(shè)是根據(jù)崗位需要，有針對地進(jìn)行課程設(shè)置，確定一般專業(yè)課和核心專業(yè)課，打造完備的線上/線下培訓(xùn)體系；綜合實訓(xùn)是設(shè)置貼近不同行業(yè)生產(chǎn)運行環(huán)境的真實案例應(yīng)用的綜合實訓(xùn)；就業(yè)認(rèn)證是指導(dǎo)學(xué)生獲取由人工智能龍頭企人工智能從誕生伊始，就是一門需要將理論與實踐充分融并在實際應(yīng)用場景中開展實訓(xùn)論證的學(xué)科。比如，算法演進(jìn)通常都是為了解決某一場景中的具體需求，應(yīng)用場景的變化以及對更高訓(xùn)練、推理效率和精度的要求，使更多新模型、新算法被提出。而新算法在提出后，也需要在實不斷進(jìn)行實踐應(yīng)用，才能積累更多的結(jié)果數(shù)據(jù)，進(jìn)而對算法實所以人工智能教育的本質(zhì)，也是通過合理的課程設(shè)置和實訓(xùn)環(huán)境，科學(xué)引導(dǎo)學(xué)生完成從理論到實踐，再到創(chuàng)新應(yīng)用的過程。數(shù)據(jù)援引自工業(yè)與信息化部人才交流中心發(fā)布的《人工智能產(chǎn)業(yè)人才發(fā)展報告（2019-2020年版）》一文特特戰(zhàn)實戰(zhàn)篇特特戰(zhàn)實戰(zhàn)篇場景實施實操訓(xùn)練理論聯(lián)系場景實施實操訓(xùn)練理論聯(lián)系?從感知到認(rèn)知：通過場景實驗幫助學(xué)生感性地了解人工智能在生活生產(chǎn)中的應(yīng)用，觸發(fā)學(xué)生的思考，揭開人工智能的神秘面紗，了解人工智能背后的基礎(chǔ)理論，進(jìn)而引導(dǎo)學(xué)?從認(rèn)知到應(yīng)用：通過動手實驗體驗人工智能實現(xiàn)過程，讓學(xué)生習(xí)得的知識得到實踐，從而體會人工智能技術(shù)帶來的?從應(yīng)用到創(chuàng)新：通過理論聯(lián)系實際的教學(xué)活動，幫助學(xué)生進(jìn)一步掌握知識和工具的實際應(yīng)用方法，采用項目式教學(xué)等方式為學(xué)生搭建貼近實際場景的人工智能應(yīng)用，在此基技術(shù)基礎(chǔ)無論是在K12階段，還是在高等教育階段的人工智能教學(xué)，面向不同應(yīng)用場景開展人工智能課程設(shè)計和實訓(xùn)都是確保教學(xué)質(zhì)量的關(guān)鍵環(huán)節(jié)。但在當(dāng)前各類教育機構(gòu)中，這兩個環(huán)節(jié)還處于相對薄弱的狀況。在課程設(shè)計上，由于人工科，因此教育機構(gòu)往往欠缺完善的課程體系，課程特色不足，同時理論知識設(shè)置分散，針對不同層次人才的專指性課程欠缺；在師資層面上，由于人工智能技術(shù)不斷推陳出新，新的算法、模型、技術(shù)和產(chǎn)品出現(xiàn)后，教師也需要大量時間重新進(jìn)行體系建設(shè)，加之授課教師水平參差不齊，使人工智能專業(yè)師資隊伍的建設(shè)也成為其推進(jìn)過程中的一大難點。為改變這一現(xiàn)狀，許多教育機構(gòu)正與英特爾等人工智能行業(yè)先行者攜手合作，利用他們在人工智能領(lǐng)域豐富的經(jīng)驗，實現(xiàn)知識點與技能點之間的完整鏈接，并構(gòu)建起從理論到硬件，再到如圖2-1-4所示，在某教育機構(gòu)的人工智能課程設(shè)計中，不僅納入了機器學(xué)習(xí)、深度學(xué)習(xí)、時間序列分析等人工智能領(lǐng)域常見技術(shù)方向，也在英特爾提供的軟硬件基礎(chǔ)之上，開設(shè)了使擴展平臺進(jìn)行人工智能設(shè)計，以及利用Op在人工智能實訓(xùn)階段，從零起步的中小學(xué)、高校等教往缺乏適用于人工智能教育的實訓(xùn)環(huán)境，相關(guān)的實訓(xùn)實驗室通常是在原有的電教室、微機室基礎(chǔ)上改造而成，在應(yīng)對大規(guī)模ll機器學(xué)習(xí)ll深度學(xué)習(xí)使用AnalyticsZoo進(jìn)行分布式訓(xùn)練或推理基于使用AnalyticsZoo進(jìn)行分布式訓(xùn)練或推理進(jìn)行深度學(xué)習(xí)推理進(jìn)行深度學(xué)習(xí)推理?缺乏規(guī)?；斯ぶ悄苡?xùn)練、推理所需的算力儲備，傳統(tǒng)PC在執(zhí)行人工智能訓(xùn)練、推理時效率低下，而要大規(guī)模采購?可選實驗場景、器材和軟件套件混亂，無法滿足真實場景為應(yīng)對以上挑戰(zhàn)，英特爾與眾多人工智能教教育機構(gòu)一起，引入一系列英特爾先進(jìn)產(chǎn)品與技術(shù)，并通過針對K12階段和高等教育階段的不同教學(xué)目標(biāo)進(jìn)行專門優(yōu)化，傳統(tǒng)的教育機構(gòu)信息化系統(tǒng)，如校園網(wǎng)、課程管理系統(tǒng)、多媒體教室等通常采用煙囪式、島嶼式的系統(tǒng)架構(gòu)，能教學(xué)需求時顯現(xiàn)明顯短板。一方面，校園內(nèi)各IT系統(tǒng)數(shù)據(jù)實踐場景進(jìn)行課程編排、開發(fā)/運行環(huán)境部署和配置，以及對同時，教育機構(gòu)部署在教室等處的IT設(shè)備在以往大多用于支持課件演示、課程管理等應(yīng)用，在算力輸出上很難應(yīng)對規(guī)模化大并發(fā)的人工智能實訓(xùn)所需，而依賴云端數(shù)據(jù)中心又很容易受為助力打造更高效的人工智能教育實訓(xùn)環(huán)境，英特爾憑借其不斷創(chuàng)新的產(chǎn)品與技術(shù)體系，以及在“云邊協(xié)同”上積累的豐富實戰(zhàn)經(jīng)驗，與人工智能教育解決方案廠商一起為教育機構(gòu)打造供高性能、高可用和靈活可擴展的人工智能動手實踐平臺。特特戰(zhàn)實戰(zhàn)篇特特戰(zhàn)實戰(zhàn)篇架構(gòu)的云邊協(xié)同環(huán)境。其中，數(shù)據(jù)中心/私有云主要承載實訓(xùn)任務(wù)調(diào)配、模型訓(xùn)練支持，以及算法學(xué)習(xí)、教學(xué)管理等功能，并可通過容器等虛擬化方式，為師生提供相互獨套件、開發(fā)套件以及推理任務(wù)等，對師生的實訓(xùn)過程直接提供算力支持。此外，將實訓(xùn)任務(wù)直接部署到邊緣平臺還有另一個基于數(shù)據(jù)中心/私有云與邊緣平臺提供的云邊協(xié)同能力，教育機構(gòu)可以在其上掛載各個人工智能實訓(xùn)任務(wù)終端，例如智能交同時，邊緣平臺還可借助互聯(lián)網(wǎng)與公有云實施協(xié)同，向?qū)W生提供算法原理講解、人工智能平臺入門等遠(yuǎn)程教學(xué)能力，■在實踐中，云邊協(xié)同架構(gòu)能夠帶來的突出優(yōu)勢之一在于其能夠?qū)訉佣询B、靈活擴展，讓教育機構(gòu)可根據(jù)人工智能教育實訓(xùn)課程的實際需求，以成本可控的方式，靈活開展方案的部署、優(yōu)如圖2-1-6所示，在實訓(xùn)課程開設(shè)之初，教育機構(gòu)可在實訓(xùn)教室搭建基本的邊緣平臺并部署少量實訓(xùn)終端單元。隨著課程規(guī)模和影響力的擴大，教育機構(gòu)可以靈活地去擴展平臺和訓(xùn)練單元的規(guī)模和數(shù)量，并逐步與校園數(shù)據(jù)中心以及其他IT平臺而當(dāng)校園內(nèi)部課程、資源已無法滿足學(xué)生下一階段人工智能學(xué)習(xí)所需時，利用這一靈活可擴展的架構(gòu)，教育機構(gòu)可進(jìn)一步打通與公有云教學(xué)資源的連接，利用互聯(lián)網(wǎng)浩瀚接入一些先進(jìn)的開源深度學(xué)習(xí)平臺項目等，來有效此外，基于這一架構(gòu)部署的人工智能教學(xué)實訓(xùn)方落后、邊遠(yuǎn)地區(qū)的學(xué)生有機會開展人工智能教學(xué)。通過與云的連接，邊遠(yuǎn)地區(qū)的學(xué)生可以遠(yuǎn)端接入本地實訓(xùn)系統(tǒng)，同本地學(xué)生一起接受高質(zhì)量的人工智能教學(xué)，從而緩解在人工智能教育實訓(xùn)階段，通常會出現(xiàn)數(shù)十名學(xué)生同時進(jìn)行模型訓(xùn)練或推理的場景，需要云端算力中心或邊緣計算平臺提供穩(wěn)定高效的并行多路算力支持。而這首先需要方案中的算力設(shè)備有能力支持足夠多的虛擬機或容器，其次需要部內(nèi)存以及性能可靠的網(wǎng)絡(luò)設(shè)備，來保證每個學(xué)生都能獲得24x2=48（核）1/S01/S112251/S01/S12661/S1……1/S11/S024481/S01/S112251/S01/S12661/S1……1/S11/S024484x16PCIe4x16PCIe4x16PCIe4x16PCIe網(wǎng)絡(luò)適配器X722練或推理的需求，實訓(xùn)方案中的算力設(shè)備需在提供充足算力總量的同時，也需能將算力、內(nèi)存等資源均勻地并行分配給每個虛擬終端使用。一些算力設(shè)備雖然同樣具有大規(guī)模算力輸出的學(xué)生同時進(jìn)行實訓(xùn)操作，就必須采購大量的算力設(shè)備，也因此臺獲得足夠的算力總量，支撐整個實訓(xùn)課程過程中的全體多核處理器平臺通常會根據(jù)工作負(fù)載的變化不斷對工作核心實施調(diào)整，以期獲得最優(yōu)性能輸出，但這也帶來多路并行算力輸出的不穩(wěn)定。而核心綁定技術(shù)是讓系統(tǒng)進(jìn)程不管如何調(diào)整，分配到每個虛擬終端的工作負(fù)載都始終在同一個核心上執(zhí)行，這器和內(nèi)存之間的相對位置，將內(nèi)存分為近端內(nèi)存和遠(yuǎn)端內(nèi)存，每個處理器節(jié)點優(yōu)先訪問對應(yīng)的近端內(nèi)存，從而有效解決多核處理器訪問內(nèi)存時的性能問題，獲得更快的訪問和處理速度，在提升云端算力中心或邊緣計算平臺并行任務(wù)處理能力的同24個物理核，系統(tǒng)共包含48個物理核）系統(tǒng)實現(xiàn)48個學(xué)生課堂實訓(xùn)為例，通過NUMA架構(gòu)分配計算資源如下表2-1-1#0,48#1#1,49#2……#47,95#48利用numactl這樣的系統(tǒng)指令可以對處理器節(jié)點以及訪問本地內(nèi)存進(jìn)程予以精確控制，從而獲得更優(yōu)的計算性能。例如通過numactl–H可以獲知當(dāng)前服務(wù)器的處理器節(jié)點以及對應(yīng)本特特戰(zhàn)實戰(zhàn)篇特特戰(zhàn)實戰(zhàn)篇20時，只使用了#0處理器中的0-23在一些教學(xué)實訓(xùn)的實踐中，基于圖2-1-7（第18頁）所示方了教學(xué)實訓(xùn)的場景需求。雖然在針對其它模型訓(xùn)練的實訓(xùn)任務(wù)中，方案所支持的并發(fā)數(shù)可能有所改變，但總體而言，來自教建的實訓(xùn)環(huán)境，可以大幅提升實訓(xùn)教室的使多至32學(xué)生席位金牌6226R處理器32多至40學(xué)生席位金牌6242R處理器40多至48學(xué)生席位金牌6240R處理器48多至52學(xué)生席位金牌6230R處理器52多至56學(xué)生席位金牌6238R處理器56根據(jù)學(xué)習(xí)階段的不同，教育機構(gòu)通常希望部署以下三種不同應(yīng)?學(xué)習(xí)套件：主要是滿足學(xué)生對人工智能推理實踐的學(xué)習(xí)場景，其可以安裝各種開發(fā)框架和推理開發(fā)套件，幫助學(xué)生?開發(fā)套件：主要是滿足算法模型開發(fā)的場景，其通常配置了強勁的算力，使模型不必跑在大型服務(wù)器上。而小型化的設(shè)計，也令算法模型的開發(fā)和學(xué)習(xí)場所不再拘泥于實驗?部署套件：主要是用于部署實踐，為人工智能學(xué)習(xí)和實踐1顆MA24854.94TFLOPS1顆MA248510.3TFLOPS部署套件2顆MA24855.94TFLOPS■作為一種典型的人工智能應(yīng)用方向，自動駕駛所運用的人工人機交互、AI推理、智能控制等。其目的是實現(xiàn)能夠感知、為此，英特爾與聯(lián)合偉世一起，基于英特爾?NUC平臺產(chǎn)品套件與訓(xùn)練系統(tǒng)搭配，共同打造完整的、面向K12、高職高教等不同教育階段的人工智能自動駕駛場景實驗/實訓(xùn)解決配套了完善的實訓(xùn)課程和實驗，內(nèi)容涵蓋了深度學(xué)習(xí)、監(jiān)督式學(xué)習(xí)、非監(jiān)督式學(xué)習(xí)和強化學(xué)習(xí)等人工智能知識點，實現(xiàn)自動駕駛中自動避障、紅綠燈識別、標(biāo)志識別和行人識別等等功能，是實現(xiàn)自動駕駛場景實驗/實訓(xùn)的核心大腦平臺所集成的英特爾?VPU產(chǎn)品以2顆前置攝像頭作為視覺主傳感器，能從海量數(shù)據(jù)中提取特征并使用多層神經(jīng)網(wǎng)絡(luò)，以良好深度學(xué)習(xí)推理加速能力為實驗小車提供行進(jìn)過程中的多視基于以上能力，實驗小車在行進(jìn)過程中無需聯(lián)網(wǎng)后端交互，先進(jìn)的邊緣終端架構(gòu)設(shè)計讓實驗小車可自行完成行進(jìn)過程中的推理任務(wù)，面對紅綠燈、停車指示牌、行人標(biāo)識可以直接做出推通過這一實訓(xùn)環(huán)節(jié)和實訓(xùn)環(huán)境，可以讓學(xué)生直觀地感受數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、模型搭建、模型訓(xùn)練、模如前文所述，對于大多數(shù)高校、中小學(xué)等教育機構(gòu)而言，智能教育的目標(biāo)更多是激發(fā)學(xué)生對人工智能知識的興趣并提升學(xué)生的動手能力，而非承擔(dān)具體的人工智能應(yīng)用開發(fā)。因此，的應(yīng)用場景基于多樣化的硬件，如通用處理器、內(nèi)置圖像處理但是，為了有效支持教學(xué)活動，教育機構(gòu)在構(gòu)建實訓(xùn)平臺方案時，其實還需要充分考慮學(xué)生進(jìn)行的推理等人工智能任務(wù)是否可在課堂時間內(nèi)完成。同時，出于校園實訓(xùn)環(huán)境建設(shè)方案的差異，同一項人工智能任務(wù)可能需要在不同硬件平臺，例如CPU、FPGA等上執(zhí)行，如何避免或減少因硬件平臺差異帶來提供應(yīng)對方案。這一工具套件產(chǎn)品通過模型優(yōu)化器（Model紅綠燈的識別深度學(xué)習(xí)數(shù)據(jù)分析數(shù)據(jù)篩選算法知識基于分類算法機器學(xué)習(xí)紅綠燈的識別深度學(xué)習(xí)數(shù)據(jù)分析數(shù)據(jù)篩選算法知識基于分類算法機器學(xué)習(xí)數(shù)據(jù)篩選建模調(diào)參數(shù)據(jù)訓(xùn)練模型應(yīng)用數(shù)據(jù)采集數(shù)據(jù)篩選建模調(diào)參數(shù)據(jù)訓(xùn)練模型應(yīng)用特特戰(zhàn)實戰(zhàn)篇21特特戰(zhàn)實戰(zhàn)篇22（基于C/C++或Python開發(fā)）為人工智能實訓(xùn)場景提供強大的異構(gòu)融合能力，讓學(xué)生的人工智能應(yīng)用在一次編寫之后，就可以更智能、也更有針對性地選擇英特爾的CPU、VPU、或pb為更大程度地發(fā)揮處理器硬件帶來的性能優(yōu)勢，英特爾為云端算力中心或邊緣計算平臺中的人工智能系統(tǒng)提供了一系列人工行的深度學(xué)習(xí)框架，也是人工智能教學(xué)與實訓(xùn)階段最常用■環(huán)境變量設(shè)置），2)將線程在執(zhí)行完當(dāng)前任務(wù)并進(jìn)入休眠之前需要等待的時間3)線程綁定設(shè)置為按計算核心的計算要求優(yōu)先，先綁定同一個核心，再依次綁定同一個處理器上的下一個核心。此種適用于線程之間具有數(shù)據(jù)交換或有公共數(shù)據(jù)的計算，可以充分4)將并行執(zhí)行線程的數(shù)量設(shè)置為處理器核心數(shù)（本樣例中設(shè)為2■添加線程控制制每個操作符op并行計算的線程個數(shù)。其中，intra_op_基于英特爾?架構(gòu)平臺推動遷移學(xué)習(xí)在人工智能眾所周知，課堂教學(xué)是有很強時間限制的場景，而傳統(tǒng)全量人工智能訓(xùn)練過程往往無法在幾十分鐘時間內(nèi)完成。因?qū)W習(xí)（TransferLearning）因其效率優(yōu)勢，不僅廣泛用于商許多人工智能任務(wù)都存在相關(guān)性，將已訓(xùn)練好的模型參數(shù)到新的模型中，可以有效地避免重復(fù)“造輪子”的過程模型可參考：/record/2535873/file有預(yù)訓(xùn)練模型的數(shù)據(jù)集與新數(shù)據(jù)集有很多相似性；另一方面，人工智能教學(xué)實訓(xùn)的許多環(huán)節(jié)，并不需要學(xué)生對全面訓(xùn)練過程進(jìn)行跟蹤，例如僅僅需要通過特征向量去訓(xùn)練模型，此時選擇遷移學(xué)習(xí)的方式就特別合適，其不僅能提升實訓(xùn)環(huán)節(jié)模型訓(xùn)練任務(wù)的執(zhí)行效率，也可使實訓(xùn)平臺的算力需求以及相關(guān)成本大根據(jù)訓(xùn)練模式和范圍的不同，遷移學(xué)習(xí)可以分為幾種模式。例如根據(jù)預(yù)訓(xùn)練模型的特征向量去訓(xùn)練新的模型，即特征提?。‥xtractFeatureVector）模式；或者是凍結(jié)預(yù)訓(xùn)練模型的部分卷積層，訓(xùn)練剩下的卷積層和全連接層，即參數(shù)微調(diào)通常地，根據(jù)新數(shù)據(jù)集的大小以及其與原數(shù)據(jù)集的相似度，教學(xué)平臺可以引導(dǎo)學(xué)生以不同的遷移學(xué)習(xí)模式組合成相應(yīng)的策?當(dāng)新數(shù)據(jù)集比較大且和原數(shù)據(jù)集相似度較低時，可以對整數(shù)據(jù)集卷積層數(shù)據(jù)集相似度遷移學(xué)習(xí)大幅降低了進(jìn)行完整深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練時所需的巨理器的算力資源來完成訓(xùn)練任務(wù)，這對于教育機構(gòu)無疑是重利用學(xué)校IT系統(tǒng)的空余算力完成訓(xùn)練；另一方面，在實訓(xùn)環(huán)節(jié)中，也可以將處理器算力盡可能細(xì)分，以保證更多學(xué)生得以Cifar100圖像分類為例，其采用TensorFlow框架實現(xiàn)遷一項面向圖像識別場景的驗證測試，充分展現(xiàn)了遷方法進(jìn)行訓(xùn)練時，耗時約20小時，而采用遷移學(xué)習(xí)方法，訓(xùn)特特戰(zhàn)實戰(zhàn)篇23特特戰(zhàn)實戰(zhàn)篇24場景實訓(xùn)邊緣計算管理硬件與創(chuàng)新理念打造高效人工智能教學(xué)實在K12和高等教育階段開展不同層級的人工智能教學(xué)，是彌的有效手段之一。作為一門實踐性較強的學(xué)科，人工智能教育在理論基礎(chǔ)、算法框架和平臺入門教學(xué)之外，面向不同應(yīng)景開展有針對性的人工智能實訓(xùn)，也是快速提升學(xué)生人工智能因此，在學(xué)生進(jìn)行規(guī)?；⑿腥斯ぶ悄軐嵱?xùn)時，往往囿于系統(tǒng)性能和處理時延而造成效果不佳，同時學(xué)校也缺乏對人工智能■方案解析如圖2-1-12所示，聯(lián)合偉世與英特爾共同打造的人工智能教）：訓(xùn)管理，對實驗數(shù)據(jù)進(jìn)行存儲、交互和管理，并可擴展?實訓(xùn)項目：用于開展前端數(shù)據(jù)采集并反饋到邊緣平臺，以自動駕駛為例，自動駕駛實驗小車帶有數(shù)個攝像頭，其可以通過機器視覺的方式抓取圖像數(shù)據(jù)。在具體實踐上，由實驗小車自動采集完的數(shù)據(jù)訓(xùn)練機中，通過相應(yīng)算法對所有數(shù)據(jù)進(jìn)行加工，包括數(shù)據(jù)預(yù)處理、打標(biāo)簽以及后續(xù)的建模、訓(xùn)練等，最后形成一個用于自動駕駛的模型。以上完整的、與行業(yè)特點深度結(jié)合的、從人工智能人工智能算法學(xué)習(xí)教學(xué)實驗管理貼近行業(yè)實驗實訓(xùn)容器化底層支撐多種異構(gòu)芯片融合多種異構(gòu)芯片融合Notebook開發(fā)環(huán)境物聯(lián)網(wǎng)人工智能實訓(xùn)機器視覺基礎(chǔ)算法原理機器視覺算法調(diào)優(yōu)部署實踐與實戰(zhàn)應(yīng)用自動駕駛實現(xiàn)過程實訓(xùn)機器學(xué)習(xí)深度學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)分類算法行業(yè)”的思維模式和興趣，了解人工智能基本概念，理解智能核心知識點及實現(xiàn)方法，從而發(fā)揮自身創(chuàng)新力，逐步實現(xiàn)圖2-1-13聯(lián)合偉世聯(lián)合教育機構(gòu)開展人■方案亮點?新方案采取了分層遞進(jìn)的系統(tǒng)實訓(xùn)，從基于實驗平臺傳感器進(jìn)行的數(shù)據(jù)采集，到開展自動駕駛的人工智能實優(yōu)異的微架構(gòu)設(shè)計、更多的核心和更大的內(nèi)存支持，結(jié)合NUMA架構(gòu)帶來的優(yōu)勢，使眾多學(xué)生在人工智能實訓(xùn)環(huán)節(jié)中可以體驗到一致的訓(xùn)練推理效果；優(yōu)化的TensorFlow深度學(xué)習(xí)框架等，供了大量預(yù)訓(xùn)練好的模型庫以及豐富的示例代碼，為學(xué)生進(jìn)工智能實訓(xùn)環(huán)節(jié)中的各個學(xué)生提供獨立穩(wěn)定的性能輸出，英特爾與聯(lián)合偉世一起面向K12階段的人工智能教學(xué)實訓(xùn)場景進(jìn)面向K12階段的人工智能教學(xué)實訓(xùn)的主要目的，是讓學(xué)生對人工智能的訓(xùn)練等過程形成基本認(rèn)識并產(chǎn)生學(xué)習(xí)興趣。因此，實訓(xùn)課程的設(shè)計以短小精煉為特色，訓(xùn)練時間一般控制在300秒左右，且需要保證每個學(xué)生（單個班級一般為48位學(xué)生）在測試中，系統(tǒng)會將處理器的每個物理核心以及對應(yīng)的虛擬核心分配給一位學(xué)生，使他（她）們進(jìn)行語音識別場景與另一個分類場景中的人工智能訓(xùn)練任務(wù)。在測試開始前，雙方工程師1)基于面向英特爾?架構(gòu)優(yōu)化的TensorFlow框架進(jìn)行環(huán)境測試結(jié)果如圖2-1-14所示，在兩種不同的訓(xùn)練任務(wù)中，每個參與人工智能實訓(xùn)的學(xué)生均取得了令人滿意結(jié)果，不僅訓(xùn)練時長均在預(yù)期之內(nèi)（面向K12階段的實訓(xùn)課程中，一般預(yù)留訓(xùn)練時長為300秒訓(xùn)練效果（ACC值）也分別達(dá)到了100%和88%。越短越好28.63秒越短越好28.63秒27.82秒300秒300秒特特戰(zhàn)實戰(zhàn)篇25特特戰(zhàn)實戰(zhàn)篇26該項測試結(jié)果及新方案在其他教育機構(gòu)的實踐反饋均表明，基機構(gòu)開展人工智能教學(xué)和實訓(xùn)的需要，從而有效地對人工智能“在人工智能發(fā)展進(jìn)入新階段的時代背景下，華南農(nóng)業(yè)大學(xué)順應(yīng)大灣區(qū)現(xiàn)代農(nóng)業(yè)發(fā)展的趨勢，充分發(fā)揮我校在人工智能方向上學(xué)科發(fā)展和人才培養(yǎng)的優(yōu)勢，積極開展了人工智能專業(yè)建設(shè)工作。人工智能專業(yè)的課程體系尤其是實踐、實訓(xùn)課程的人才培養(yǎng)路徑，仍處于探索研究階段。聯(lián)合偉世基于英特爾技術(shù)的開發(fā)實驗平臺集成了較為豐富的課程資源，也蘊涵了大量實戰(zhàn)型的實訓(xùn)案例。我校電子工程學(xué)院(人工智能學(xué)院)人工智能系即采用了聯(lián)合偉世基于英特爾技術(shù)的人工智能開發(fā)平臺，以支撐人工智能專業(yè)實踐、實訓(xùn)課程的順利開展，從而有力保障了基礎(chǔ)24/48CentOS7.8.20033.10.0-1127.18.2.el7.x86_64TensorFlow2.4.0及以上庫五舟科技：高性能硬件助力打造高校人工“我們的教學(xué)平臺由英特爾?至強?可擴展處理器等產(chǎn)品提供強勁算力，并由英特爾?深度學(xué)習(xí)加速提供人工智能加速力，為高校進(jìn)行貼近行業(yè)場景的人工智能教學(xué)與實訓(xùn)課程設(shè)計提作為高新技術(shù)人才重要的輸出地，高等院校正不遺余力地通過人工智能學(xué)科建設(shè)，推動人工智能領(lǐng)域的產(chǎn)學(xué)研融合。在這一以促進(jìn)前沿人工智能技術(shù)落地應(yīng)用作為重要方向，有的放矢地進(jìn)行課程設(shè)置和實訓(xùn)。例如，面向醫(yī)療與金融領(lǐng)域，課程強調(diào)與大數(shù)據(jù)的結(jié)合；在語音圖像領(lǐng)域，則更加重視深度學(xué)習(xí)方法的設(shè)計；而在智能制造領(lǐng)域，時序性預(yù)測正獲得重點關(guān)注。這為此，英特爾與深度合作伙伴廣州五舟科技股份有限公司（以境管理平臺解決方案。新的平臺方案以一系列英特爾先進(jìn)產(chǎn)品■方案解析如圖2-1-15所示，五舟科技深度學(xué)習(xí)與人工智能科研環(huán)境管據(jù)中心/私有云環(huán)境，該方案可根據(jù)不同行業(yè)場景人工智能教群，如人工智能計算資源集群、大數(shù)據(jù)融合集群以及項目工程案例集群，并采用以容器為主的虛擬化技術(shù)，來組成面向數(shù)據(jù)存儲運算、人工智能模型訓(xùn)練及人工智能模型部署應(yīng)資源池，通過萬兆數(shù)據(jù)交換矩陣實現(xiàn)互聯(lián)互通，充分邊緣智能微處理器科研團隊項目實訓(xùn)團隊教學(xué)實驗師生系統(tǒng)運維系統(tǒng)運維深度學(xué)習(xí)與新一代人工智能科研教學(xué)一體化實驗平臺深度學(xué)習(xí)與新一代人工智能科研教學(xué)一體化實驗平臺實驗室管理員PYTorchcaffe實驗室管理員PYTorchcaffe大數(shù)據(jù)融合集群AI計算資源集群項目工程案例集群萬兆數(shù)據(jù)交換矩陣千兆數(shù)據(jù)交換矩陣采用容器化的虛擬方式，可以有效降低學(xué)校數(shù)據(jù)中心的部署壓力。平臺通過容器鏡像方式，供師生進(jìn)行不同人工智能實訓(xùn)場的創(chuàng)建和使用。此外，平臺對流行深度學(xué)習(xí)框架，包括并預(yù)裝了主流深度學(xué)習(xí)工具和驅(qū)動程序。無論是高?？蒲腥藛T還是學(xué)生，都無需過多關(guān)注環(huán)境部署而將更多精力投入到人工訓(xùn)練、遷移學(xué)習(xí)等能力，并有效連接實訓(xùn)項目中的邊緣能設(shè)備。在平臺的使用過程中，師生、項目實訓(xùn)團隊可以基于平臺提供的不同登錄門戶，執(zhí)行統(tǒng)一的硬件資源編排管理、人劃分出大量并行任務(wù)處理進(jìn)程供不同人工智能任務(wù)調(diào)用，確?！龇桨噶咙c作為一個高效的人工智能科研與教學(xué)平臺，方案經(jīng)由五舟科技與英特爾緊密合作，基于創(chuàng)新的軟硬件，具備一系列領(lǐng)先功能容器設(shè)置參數(shù)集成到統(tǒng)一的配置頁面中。使用者可根據(jù)需求，平臺可自動下發(fā)到底層容器進(jìn)行資源調(diào)度，快速啟動人處理器產(chǎn)品，其在核心數(shù)量、內(nèi)存容量支持等方面的優(yōu)勢，可令平臺快速啟動及部署分布式人工智能訓(xùn)練和推理任務(wù)，特特戰(zhàn)實戰(zhàn)篇27特特戰(zhàn)實戰(zhàn)篇28定優(yōu)化后的性能表現(xiàn)，英特爾與五舟科技一起，以面向高等教育人工智能專業(yè)實訓(xùn)場景為例，進(jìn)行了相關(guān)的驗證性測深度以及復(fù)雜度上有著較大提升，實訓(xùn)時間也會增長到40分鐘左右。因此在測試中，系統(tǒng)需要將處理器的2個或6個核1)基于面向英特爾?架構(gòu)優(yōu)化的TensorFlow框架進(jìn)行環(huán)境測試結(jié)果如圖2-1-16所示，在兩種不同的訓(xùn)練任務(wù)中，各個參與人工智能實訓(xùn)的實訓(xùn)組均取得了令人滿意的結(jié)果，與以往單項實訓(xùn)任務(wù)40分鐘左右的設(shè)計時長相比，新平臺完成兩項（Cifar100）459秒越短越好459秒928秒2400秒智能科研環(huán)境管理平臺性能卓越，能夠有效助力高等院校在培養(yǎng)學(xué)生深度學(xué)習(xí)、機器學(xué)習(xí)等人工智能基礎(chǔ)技能的基礎(chǔ)上，面26/52CentOS7.8.20033.10.0-1127.18.2.el7.x86_64作為一門由行業(yè)需求驅(qū)動的新興學(xué)科，人工智能從課程設(shè)計之初就非常注重動手實踐。而各級教育機構(gòu)在開展人工智能教育時遇到的一大挑戰(zhàn)，就是如何基于已有的校園IT系統(tǒng)為人工智能教學(xué)各個環(huán)節(jié)提供支撐。要應(yīng)對這一挑戰(zhàn)，不僅支撐方案能對人工智能算法等理論教學(xué)提供助力，更重要的是基于英特爾?架構(gòu)的處理器平臺、英特爾?深度學(xué)習(xí)加速、具套件等一系列產(chǎn)品和技術(shù)，憑借其創(chuàng)新架構(gòu)和強勁性能，正幫助人工智能教育系統(tǒng)廠商和各級教育機構(gòu)借助云計算等于K12及高等教育等不同階段師生使用的人工智能教學(xué)和實通過對NUMA架構(gòu)的良好支持，使開展規(guī)?；斯ぶ悄軐嵱?xùn)任務(wù)的學(xué)生都能分配到足用的算力和內(nèi)存等資源；同時，OpenVINO?工具套件等提供的人工智能性能加速，也使人特特戰(zhàn)實戰(zhàn)篇29英特爾與合作伙伴共同探索課堂行為分析在智慧教育場景中在現(xiàn)代教育理念中，教師對學(xué)生的關(guān)注以及對教學(xué)反饋信號（如學(xué)生的行為狀態(tài)、表情變化等）的科學(xué)解讀會對教學(xué)過程方法與策略的依據(jù)，進(jìn)而提升教學(xué)質(zhì)量和教學(xué)效果。然而，隨著教學(xué)方式和內(nèi)容變得愈加豐富，例如更多的電子課件、設(shè)備等被引入課堂，課堂已變得更加復(fù)雜。教師在基于這些新很難關(guān)注到每一位學(xué)生的表現(xiàn)和狀態(tài)。在線教育等遠(yuǎn)程授課模式的出現(xiàn)，更加劇了這一現(xiàn)象。受制于教室光線、攝像頭角度身體語言反饋等教與學(xué)的信號，也就無法依此調(diào)整教學(xué)節(jié)奏，計算機視覺（ComputerVision，CV）與人工智能技術(shù)的發(fā)展，尤其是在圖像、音視頻分析等領(lǐng)域有著巨大優(yōu)勢的深度學(xué)習(xí)方法，在教育機構(gòu)中正獲得越來越多的應(yīng)用，并有望幫助解決上述問題。例如，有研究表明，人工智能科學(xué)家可以型來提升對交互式行為和手勢的識別結(jié)果9，從而預(yù)測目標(biāo)人群的下一步行動走向；而在另一項研究中，基于卷積神經(jīng)網(wǎng)絡(luò)區(qū)分目標(biāo)人群的不同運動狀態(tài)，并有著很好的識別準(zhǔn)確率10。這些基于人工智能的行為識別研究成果也正逐步運用于智慧教育領(lǐng)域，例如利用深度學(xué)習(xí)方法對線上線下課堂中的學(xué)生面部方案中可通過所部署的高清攝像頭，在經(jīng)過人員識別后，對師這些捕獲的數(shù)據(jù)會被送至邊緣或云端的人工智能服務(wù)器進(jìn)行基于深度學(xué)習(xí)方法的分析預(yù)測，所得結(jié)果將被進(jìn)一步傳送至專門的數(shù)據(jù)分析應(yīng)用中進(jìn)行匯總分析，進(jìn)而在教師但類似解決方案在教育機構(gòu)的部署、實踐過程中也?行為分析準(zhǔn)確度有限：傳統(tǒng)面向視頻分析、圖像分割不確定的，一些經(jīng)典的深度學(xué)習(xí)算法模型和方案設(shè)計在此種?實時推理效率不足：教學(xué)過程通常是一個動態(tài)且變化的過程，教師對學(xué)生行為如果不能做出快速的反饋，弱了教師的臨場感，加劇了學(xué)生的孤立感，帶來“老師無法行為分析解決方案對算力、數(shù)據(jù)等的需求，需對既有IT基備和終端越來越多，教育機構(gòu)往往消耗大量是造成人工智能課堂行為分析解決方案無法得到快速推廣的為幫助教育機構(gòu)更有效地部署基于深度學(xué)習(xí)方法的智能課堂行為分析解決方案，英特爾正與眾多合作伙伴一起，基于課堂另一方面也幫助廠商將更多先進(jìn)英特爾產(chǎn)品與技術(shù)，如融合了特特戰(zhàn)實戰(zhàn)篇31特特戰(zhàn)實戰(zhàn)篇32英特爾?深度學(xué)習(xí)加速的英特爾?至強?可擴展處理器、工具套件等引入方案之中，并通過引入遵循英特爾?OPS/可插拔規(guī)范加強版)的設(shè)備來降低兼容性問題，從而幫助更多效的課堂行為分析解決方案，為教育信息化2.0新階段提升教計算機視覺技術(shù)和深度學(xué)習(xí)方法的發(fā)展，正讓更多面向視頻分析的應(yīng)用成為人工智能技術(shù)落地的重要方向，在智慧教育領(lǐng)域，也涌現(xiàn)出大量基于視頻的行為分析的智能應(yīng)用。在面向教育場景的行為分析上，如圖2-2-2所示，典型的方案架構(gòu)可以歸納為視頻采集、人物檢測和行為分類三個核心在進(jìn)行去噪聲、歸一化等預(yù)處理后傳送至部署于邊緣或數(shù)據(jù)人物檢測是一種典型的目標(biāo)檢測問題，目前常用的基于深度YOLO算法的優(yōu)勢在于更快的檢測速度，原始YOLO算法的檢測速度就可達(dá)45幀/秒，可滿足課堂行為分析所需的實時性要求，而優(yōu)化后的FastYOLO等新版本，更可將速度提升11TimeObjectDetecti/pdf類別分?jǐn)?shù)融合30-120秒視頻片段行為分類：在區(qū)分出待檢測的各個學(xué)生后，就需要對學(xué)生當(dāng)前行為進(jìn)行識別與分類。通常而言，最簡單的行為識別就是方法在畫面比較復(fù)雜時，如人物有遮擋、重疊時會受到較大干擾，準(zhǔn)確性不高。為提升準(zhǔn)確率，許多基于CNN的優(yōu)化方案應(yīng)需而生，例如Two-Stream（雙流）類方法、類別分?jǐn)?shù)融合30-120秒視頻片段以目前常見的CNN-LSTM方法為例，其網(wǎng)絡(luò)架構(gòu)如圖2-2-4所示。首先，算法在輸入側(cè)通過連續(xù)多幀計算光流圖，獲取其中每幀特征池化后將連接五個LSTM層，后一幀的LSTM輸出將輸入至下一幀的LSTM，網(wǎng)絡(luò)最后可采用softmax分LSTM因此能對更長視頻進(jìn)行表達(dá)。同時由LSTM網(wǎng)絡(luò)引入的記憶特性，能使方案有效地表達(dá)幀的先后順序，從而對行為做出/pdf從上節(jié)可以看到，在傳統(tǒng)行為分析方案中，行為分析通常是這些方法也面臨一些新的技術(shù)挑戰(zhàn)。尤其在課堂環(huán)境中，無論是學(xué)生還是教師的交互行為往往無序和不確定，且存在大這些中間狀態(tài)具有很強的不確定性，傳統(tǒng)的分析算法很難對每一幀視頻進(jìn)行準(zhǔn)確預(yù)測。而當(dāng)用戶希望用基于幀的分析來為應(yīng)對這一問題，英特爾根據(jù)課堂等教學(xué)場景的實際狀況，以及教學(xué)過程中的普遍性行為模式，提出了一種創(chuàng)新的、基于“事件統(tǒng)計”的行為分析方案設(shè)計。這一方案的基礎(chǔ)架構(gòu)如特特戰(zhàn)實戰(zhàn)篇33特戰(zhàn)特戰(zhàn)會加入一個新的后處理框架，其作用是通過對基于“幀統(tǒng)計”?滑動窗口：如圖2-2-7所示，滑動窗口過程是通過加入一個滑動窗口的方法，來降低由于閉塞和擁擠的環(huán)?短事件濾波器：該過程的目的是為了減少假陽行為導(dǎo)致的不?外推：這一過程用于將預(yù)測結(jié)果推斷到事件的初始時間范?插值：該模塊可以通過觀察較長周期的相鄰事件，實戰(zhàn)篇34集成在英特爾?至強?可擴展處理器平臺（第二代/第三代512_BF16（bfloat16），對INT8數(shù)據(jù)格式和BF16數(shù)據(jù)格廣泛地為商用化人工智能應(yīng)用的訓(xùn)練和推理過程提供加速。其中，AVX-512_VNNI理論上可使計算效率提升4倍12，而AVX-512_實戰(zhàn)篇34面向邊緣復(fù)雜人工智能需求的基于英特爾?架構(gòu)特特戰(zhàn)針對方案中對處理性能、兼容性、可擴展性以及部署便捷性等方面的要求，英特爾不僅在硬件層面上提供了多種遵也在軟件層面上提供了OpenVINO?工具套件，以軟硬件結(jié)合來協(xié)同提升方案的人工智能處理能力和兼容■實戰(zhàn)篇35類數(shù)字顯示系統(tǒng)，例如智慧教室中常見的電子白板、嵌入式一體機等設(shè)備推出的開放式可插拔規(guī)范，其不僅在可用性、可維護(hù)性、功耗等方面具有優(yōu)勢，更在顯示輸出和連接性能實戰(zhàn)篇35openopenvINOVPUVPUmodel_zoo/tree/master/滑動窗口滑動窗口滑動窗口滑動窗口28C，250W），總內(nèi)存384GB（24個插槽/16GB/3200），ucode0x700001b，超線程開啟，睿頻開啟，帶有Ubuntu*20.04LTS，Linux*5.4.0-26,28,29-generic，英特爾800GB固態(tài)盤OSbf16/base，commit#828738642760358b388d8f615ded0c213f10c99a，Modelzoo：/IntelAI/models/-bv1.GB/2933），ucode0x4002f00，超線程開啟，睿頻開啟，Ubuntu*20.04LTS，Linux*5.4.0-26,28,29-generic，英特爾800GB固態(tài)盤OS驅(qū)動器，ResNet-50v1.5吞吐量，/Intel-tensorflow/tensorflow-bbf16/base，commit#828738642760358b388d8f615d特特戰(zhàn)實戰(zhàn)篇36+VPU以遵循英特爾?OPS-C規(guī)范的嵌入式教學(xué)一體機設(shè)備為例，算力平臺來形成強大的計算處理能力、優(yōu)異的圖形處理能力以及強有力的視頻編解碼性能，并通過與英特爾?VPU產(chǎn)品的結(jié)合，借助OpenVINO?工具套件提供的人工速，使教育機構(gòu)在狹小的嵌入式設(shè)備中也能部署高效的邊緣能為嵌入式教學(xué)一體機設(shè)備提供高達(dá)2路的4K顯示輸出，這使得課堂行為分析方案所需的高清碼流視頻信號傳輸變得在人工智能加速和圖形處理能力之外，英特爾?OPS-C規(guī)范也能幫助嵌入式教學(xué)一體機設(shè)備降低與其它課堂設(shè)備相互協(xié)同連接時的復(fù)雜度，將電子白板等教學(xué)設(shè)備有機融合在一起，減少傳統(tǒng)設(shè)備維護(hù)對教學(xué)的影響，提供一種性能穩(wěn)定且兼容高度的整體性讓符合英特爾?OPS-C規(guī)范的課堂嵌入式一體機設(shè)備在部署后，一方面有力提升了部署在教室邊緣設(shè)備中的人工智能課堂行為分析方案的工作效率；另一方面也幫助教育機構(gòu)大幅減輕系統(tǒng)運維壓力，降低了方案的部署門檻?！鍪芟抻趫龅?、環(huán)境以及部署成本等因素，一些教育機構(gòu)無法在面向教學(xué)過程的邊緣側(cè)部署算力強勁的推理服務(wù)器等設(shè)備。同時，在線上教學(xué)模式中，為了盡可能地降低網(wǎng)絡(luò)傳輸帶來的延遲，也需要盡可能地將處理能力進(jìn)行前置。為此，英特爾通過在方案中加入敏捷高效的VPU英特爾?Movidius?深度神經(jīng)網(wǎng)絡(luò)處理單元：神經(jīng)計算引擎。其專門的設(shè)計，可神經(jīng)計算引擎在執(zhí)行神經(jīng)網(wǎng)絡(luò)推理時能實現(xiàn)716GF為使VPU產(chǎn)品在實戰(zhàn)中為智能課堂行為分析方案提供更強助力，英特爾為其提供了兩種不同的工作模式：SqueezeScheduler模式和ByPassScheduler模式，來應(yīng)對不同工?在該方式下，每個網(wǎng)絡(luò)模型會重復(fù)加載到所有VPU，例如有兩個VPU，則網(wǎng)絡(luò)模型會同時加載到第一個VPU和第二為4，當(dāng)加載到VPU上的網(wǎng)絡(luò)模型數(shù)量大于cachegraph"1or?在該方式下，可將特定的網(wǎng)絡(luò)模型裝載到特定的VPU上，?在性能不受影響的情況下，ByPassScheduler方式支持的）；?可將某個使用較頻繁的網(wǎng)絡(luò)模型同時加載到多個VPU并指定優(yōu)先級，這樣該網(wǎng)絡(luò)模型優(yōu)先運行在優(yōu)先級高的與CPU相比，VPU在并行數(shù)據(jù)處理能力上的優(yōu)勢，使其更適于模型推理等工作負(fù)載。在實際的方案設(shè)計中，通?？梢圆捎肰PU與CPU混合配置的模式。以其在閱面科技人臉識別與課堂行為分析方案中的應(yīng)用為例，在模型推理的加載和運行階?在模型加載階段，采用ByPassScheduler的工作方式可以讓不同工作負(fù)載分別加載到指定的VPU與通用處理器中，其中人頭檢測加載到VPU1上，跟蹤網(wǎng)絡(luò)1和跟蹤網(wǎng)絡(luò)2加載到CPU上。而行為檢測和行為驗證則采用了多VPU?在推理運行階段，系統(tǒng)可以通過分線程處理的方式來提升效率。其中線程1用于視頻的解碼且緩存到Buffer1中。測，返回檢測結(jié)果給CPU，然后基于CPU執(zhí)行跟蹤網(wǎng)絡(luò)1和跟蹤網(wǎng)絡(luò)2兩個模型，并將結(jié)果緩存到Buffer2。線程3則從Buffer2中取數(shù)據(jù)，使用VPU2和VPU1執(zhí)行行為檢測和行為驗證工作負(fù)載，一般情況下工作負(fù)載優(yōu)先在得到最終的舉手行為的檢測結(jié)果。由英特爾開源的OpenVINO?工具套件能夠為智慧教育場OpenVINO?工具套件一方面對傳統(tǒng)的OpenCV、OpenVX等圖像處理庫進(jìn)行了大量指令集優(yōu)化，實現(xiàn)了性能與速度的顯著提升；另一方面，其通過內(nèi)置的模型量化工具，幫助推理引擎可以輕松地運行在INT8數(shù)據(jù)格式上，進(jìn)一步實現(xiàn)推理速度的有效提升。同時，OpenVINO?工具套件也能幫來實現(xiàn)跨環(huán)境的異構(gòu)執(zhí)行，即人工智能方案在開發(fā)完成后，利等不同硬件設(shè)施環(huán)境中部署使用，進(jìn)而簡化智慧教育廠商的開為便于使用者調(diào)用，OpenVINO?工具套件提供了簡單清晰的API接口。以CPU為例，可以通過如下代碼進(jìn)行網(wǎng)絡(luò)初同時，該工具套件還提供了網(wǎng)絡(luò)同步運行與異步運行兩種推理方式，同步運行的接口為Infer()，異步運行的接口為StartAsync()。前者屬于阻塞模式，執(zhí)行時需等待推理結(jié)果的返回才能繼續(xù)往下執(zhí)行；后者屬于非阻塞模式，執(zhí)行時無需等待結(jié)果返回，直接往下執(zhí)行程序。針對最大化推理吞吐率的場景，可以采用異步的方式來最大限度的利用資源。與視頻線程1線程2線程3解碼下一幀人頭檢測跟蹤跟蹤網(wǎng)絡(luò)2行為檢測行為驗證人頭視頻線程1線程2線程3解碼下一幀人頭檢測跟蹤跟蹤網(wǎng)絡(luò)2行為檢測行為驗證人頭檢測緩存到Buffer2跟蹤網(wǎng)絡(luò)2Buffer1VPU2/VPU1CPUVPU1取數(shù)據(jù)VPU1行為檢測行為驗證Buffer2緩存到Buffer1跟蹤行為結(jié)果VPU2/VPU2/VPU1特特戰(zhàn)實戰(zhàn)篇37特特戰(zhàn)實戰(zhàn)篇38VPU產(chǎn)品相結(jié)合，使用FP16數(shù)據(jù)格式的異步推理相關(guān)代碼FP32有相同的動態(tài)范圍。16bits8bitexp23bitmantissass8bitexp7bitmantissass5bitexp10bitmantissa基于以下幾個維度的優(yōu)勢，選擇BF16做推理可以最大化利用能，同時將計算精度保持在可接受的范圍內(nèi)，幫助用戶提高方通常用戶可以通過以下2種方式檢查處理器是否支持BF16：1.執(zhí)行l(wèi)scpu|grepavx512_bf16或者cat/proc/cpuinfo|grepavx512_bf16ENFORCE_BF16默認(rèn)設(shè)置為YES，下面代碼示例演示了如何檢查是否設(shè)置支持BF16:如果要禁用BF16的內(nèi)部轉(zhuǎn)換，將KEY_ENFORCE_BF16設(shè)https://docs.openvinotoolk閱面科技：借力人臉識別與課堂行為分析OpenVINO?工具套件帶來的推理加速，新的人臉識別與課通過攝像機來分析擁擠的教室或線上不同授課環(huán)境中每個學(xué)生的行為，已被證實可以有效幫助教育機構(gòu)、教師和家長獲得教學(xué)效果、學(xué)生學(xué)習(xí)狀態(tài)等有效信息，并據(jù)此幫助教師有的放矢調(diào)整教學(xué)方式。同時，行為分析還能幫助教師在課堂中開展搶答、分組競賽等饒有趣味的授課模式，提升教學(xué)質(zhì)但在線上線下教學(xué)過程中實施行為分析同樣都面臨著巨大的挑戰(zhàn)。由于學(xué)生行為通常具有無序的特性，傳統(tǒng)人臉識別例如起立、舉手、聊天等實施分析在實時性和準(zhǔn)確性方面仍顯不足。為解決這些問題，上海閱面網(wǎng)絡(luò)科技有限公司（以下簡設(shè)計，以及對模型推理過程的有效優(yōu)化，來為教育機構(gòu)提供高■方案解析閱面科技與英特爾攜手采用人工智能技術(shù)，構(gòu)建人臉注冊模塊通過將學(xué)生的既有人臉圖像導(dǎo)入后臺，進(jìn)行特征提取后作為系統(tǒng)特征庫供后續(xù)流程調(diào)用；人臉識別模塊由前端高清攝像頭捕獲學(xué)生視頻后，通過推理服務(wù)器進(jìn)行頭像檢測跟蹤后，利用經(jīng)英特爾優(yōu)化的行為分析行為如舉手等進(jìn)行判斷識別，并輸出反饋結(jié)果。教師可以根據(jù)更為重要的是，基于“事件統(tǒng)計”的方案有助于提升方案的行為分析準(zhǔn)確率，降低由統(tǒng)計標(biāo)準(zhǔn)不一致而造成的分歧（詳細(xì)技術(shù)分析請參見第33頁“傳統(tǒng)方案面臨的挑戰(zhàn)以及基于事件統(tǒng)特征存儲特征存儲提取特征人臉注冊檢測人臉特征比對視頻輸入人臉識別結(jié)果人臉識別人臉質(zhì)量達(dá)到閾值檢測人臉特征比對視頻輸入人臉識別結(jié)果人臉識別人臉質(zhì)量達(dá)到閾值視頻輸入視頻輸入人頭檢測跟蹤行為處理行為識別結(jié)果行為識別結(jié)果特特戰(zhàn)實戰(zhàn)篇39特特戰(zhàn)實戰(zhàn)篇40越高越好計的行為分析方案設(shè)計”部分）。如圖2-2-13所示，典型課堂動作行為的發(fā)生往往沒有很清晰的分割邊的手都處于一種似舉非舉的模糊狀態(tài)。面對這一場的方式，則可以明確表示一次舉手行為的發(fā)生，結(jié)果完越高越好■英特爾產(chǎn)品和技術(shù)發(fā)揮的作用及效果：方案通過引入OpenVINO?工具套件來加速模型推理速度，部分）。為驗證該工具套件為方案帶來的收益，閱面科技將相結(jié)果如圖2-2-14所示，在人臉檢測和行為檢測兩個場景下，通過OpenVINO?工具套件優(yōu)化的方案在吞吐率性能上較優(yōu)化前分別提升約31%和23%14。1.311.23111.2 0.80.60.40.201.311.2311CaffeOpenVINO方案采用了通用處理器和VPU的混合配置模式，來應(yīng)對部分教學(xué)場景中無法全量部署通用處理器進(jìn)行模型推理的問題。例如在一些實踐部署中，方案采用“2+3”模式（即2個模型是基于英特爾?架構(gòu)處理器、3個模型是基于Movidius?模塊的推理工作中獲得了良好效果，在推理效率下降不大的情況下，可令處理器負(fù)載維持在30%以下，從而保證了方案中閱面科技新的人臉識別與課堂行為分析解決方案目前已在諸多教育機構(gòu)獲得了部署與實踐，來自教育機構(gòu)、教師、學(xué)生以及教育機構(gòu)可以據(jù)此制定進(jìn)一步的教學(xué)質(zhì)量提升計劃?對教師而言，方案能夠準(zhǔn)確識別課堂中常見行為的發(fā)生同時方案還能有效減輕教師日常上課過程中點名等繁瑣任?對學(xué)生和家長而言，基于新方案的統(tǒng)計分析1百家云：基于課堂行為分析實現(xiàn)雙師課堂讓基于人工智能的課堂行為分析解決方案在推理效率上獲得了更大的優(yōu)勢，進(jìn)而令雙師課堂的教學(xué)評估更具實時性且更利用互聯(lián)網(wǎng)、人工智能等新技術(shù)構(gòu)建兼具質(zhì)量和體驗的教學(xué)環(huán)境已成為各級教育機構(gòu)的共識。這其中，整合線上線下教求，兼顧教學(xué)資源和學(xué)生體驗的雙師課堂教學(xué)模式，正獲得教雙師課堂是指基于網(wǎng)絡(luò)互動視頻直播技術(shù)開展的“名師直播教式通常由兩名老師遠(yuǎn)程配合共同完成教學(xué)，左側(cè)主講老師通過?對K12等常規(guī)教育而言，雙師課堂模式能有效解決優(yōu)秀教師復(fù)制困難的問題，提升優(yōu)秀教師的產(chǎn)能，緩減學(xué)資源不足、不均衡問題。同時，通過在邊遠(yuǎn)農(nóng)村地區(qū)的部第三方雙師直播內(nèi)容，快速拓展教學(xué)科目，從育機構(gòu)平衡好學(xué)習(xí)效果和教師人效，降低異作為視頻領(lǐng)域?qū)I(yè)性和影響力都備受認(rèn)可的服務(wù)平臺，百家云基于多年服務(wù)教育行業(yè)的探索與實踐，以一站式雙師課堂解決方案為不同類型的教育機構(gòu)提供高效、靈活和彈性可擴展的產(chǎn)品及服務(wù)，目前已在全國部署5,000余間雙師教室，涵蓋領(lǐng)為使雙師課堂獲得更優(yōu)的授課效果，百家云正與英特爾一起，上課坐姿等行為進(jìn)行檢測和分析，并同時對教師授課過監(jiān)測，最后生成課堂報告發(fā)送給教育機構(gòu)和學(xué)生家長，家以隨時了解孩子的學(xué)習(xí)情況，真實感知孩子在線教學(xué)體驗，及時干預(yù)、監(jiān)督和輔導(dǎo)；教育機構(gòu)可以做多維度、可視化教學(xué)全■方案解析用于百家云雙師課堂的課堂行為分析解決方案的基本工作流程如圖2-2-16所示，系統(tǒng)通過客戶端分別截取教師授課和學(xué)生學(xué)習(xí)的視頻幀，經(jīng)過數(shù)據(jù)清洗和預(yù)處理后，上傳到部署在邊緣或云端的人工智能服務(wù)器。在這里，百家云引入了多種基于深度學(xué)習(xí)方法的圖像分類、目標(biāo)檢測識別、圖像分割算法，通過良好的識別準(zhǔn)確率對師生雙方的視頻數(shù)據(jù)進(jìn)行分析，生成家長為更有效地對雙師課堂中師生的行為進(jìn)行分析，提升方案?學(xué)生學(xué)習(xí)類分析算法包含學(xué)生專注度算法、情緒識別和課堂上的喜、怒、哀、樂；人體骨骼檢測用來識別學(xué)生特特戰(zhàn)實戰(zhàn)篇41特特戰(zhàn)實戰(zhàn)篇42?教師授課監(jiān)測算法則包含了教師激勵基于上述算法以及方案整體的架構(gòu)設(shè)計，百家云在雙師課案中實現(xiàn)了較為完善的師生課堂行為分析能力，并以此構(gòu)維度的課堂報告。例如方案可以根據(jù)不同的教師引導(dǎo)方式下所教師鼓勵教師接受教師指導(dǎo)......2.3K-means聚類算法基于更為詳實的可視化報告，教師可以針對學(xué)生更為細(xì)化的教學(xué)策略，學(xué)生家長也能根據(jù)雙師課堂中教師與■英特爾產(chǎn)品和技術(shù)發(fā)揮的作用及效果：如圖2-2-18所示，百家云雙師課堂教學(xué)環(huán)境在系統(tǒng)構(gòu)建上，一般由主講教室和一系列遠(yuǎn)程教室構(gòu)成，并/互聯(lián)網(wǎng)上的云服務(wù)，在一些場景中還會加入專門的遠(yuǎn)程授課而百家云雙師課堂教學(xué)方案的最核心優(yōu)勢是能夠形成主講教室與遠(yuǎn)程教室之間的遠(yuǎn)程實時互動，并可根據(jù)需要靈活、快速地擴展。要充分發(fā)揮這些優(yōu)勢，首先，需要硬件基礎(chǔ)設(shè)施對于靈活和高擴展性的云服務(wù)有著更好的支撐能力，其次，能對課堂擴展處理器來保持和擴大上述核心優(yōu)勢。一方面，得化的軟硬件，新處理器平臺不僅為雙師課堂教學(xué)方案提供了性能卓越，且具有廣泛生態(tài)系統(tǒng)支持的優(yōu)化平臺，同時還能根據(jù)方案對云服務(wù)資源需求，輕松進(jìn)行橫向和縱向擴展，并依托英特爾提供的多元化行業(yè)知識和協(xié)作能力，幫助教育機構(gòu)將經(jīng)過實踐檢驗有效的課堂行為分析方案快速部署到更多雙師課堂深度學(xué)習(xí)加速，支持INNT8和BF16兩種低精度數(shù)據(jù)格式，能夠讓方案在不影響整體推理精度的情況下，有越高越好1.7711.81.61.41.2 0.80.60.40.20越高越好1.771CLX6252NFP32CPX8366HCBF16通過在多個頭部教育機構(gòu)中的部署實踐，面向百家云雙師課堂場景的人工智能課堂行為分析解決方案已被證明可以讓課堂學(xué)情、教情報告更加科學(xué)和便捷，不僅能夠真實反映學(xué)生學(xué)習(xí)情況，受到家長的一致認(rèn)可，還能評估教師在課堂上的表現(xiàn)，成為教師教學(xué)能力和效果評估的重要參考，提高了教育機構(gòu)的管理和運營效率。其分別可為教育機構(gòu)、教師、學(xué)生和家長帶來?教育機構(gòu)：通過多維度、可視化教學(xué)全過程數(shù)據(jù)分?教師：結(jié)合課堂教學(xué)過程中不同行為分析得到的數(shù)據(jù)報告，?學(xué)生：基于課堂行為分析的人工智能可視數(shù)字化復(fù)現(xiàn)課程學(xué)習(xí)行為，讓家長了解學(xué)生真實感知孩子在線教學(xué)體驗，及時干預(yù)、監(jiān)督124/48CentosLinuxrelease利用人工智能方法，尤其是深度學(xué)習(xí)的方法來對教學(xué)過程進(jìn)行實時性的評估和反饋，可以有效降低教師授課過程中的工作負(fù)擔(dān)，提升師生之間的互動效率，并有效提高教育機構(gòu)的管理能力。同時，對學(xué)習(xí)行為的監(jiān)控、分析和反饋，也可以有效應(yīng)對目前遠(yuǎn)程教育模式中，師生無法面對面交流帶來的交互困難等問題。適應(yīng)這一新需求，英特爾攜手合作伙伴所推出的一系列智能課堂行為分析解決方案和產(chǎn)品，已經(jīng)成為教育機構(gòu)加快教育信息化2.0進(jìn)程，推進(jìn)信息技術(shù)與教育深度融合的一大抓手，并在實踐中獲得了教師、學(xué)生以及學(xué)生伴隨這一加速教學(xué)智能化轉(zhuǎn)型的進(jìn)程，包括英特爾?架構(gòu)處理器平臺、英特爾?VPU產(chǎn)品、英特爾?深度學(xué)習(xí)加速技術(shù)以及由英特爾開源的OpenVINO?工具套件等一系列先進(jìn)產(chǎn)品和技術(shù)，正在為眾多智慧教育應(yīng)用場景中多個新方案大幅提升效率提供動力。例如，由英特爾?深度學(xué)習(xí)加速技術(shù)和能有效提升模型推理速度，配合英特爾提出的優(yōu)化使面向教育場景的行為分析方案在落地實戰(zhàn)中獲得成功，無論是在結(jié)果準(zhǔn)確率，還是在系統(tǒng)實時性上，都很好滿足了教特特戰(zhàn)實戰(zhàn)篇43英特爾與合作伙伴共同探索基高校階段的外語教學(xué)，還是普通話培訓(xùn)等職業(yè)能力教學(xué)，口語語測評、口語糾正等方式來提升學(xué)生的口語能力。這在提升學(xué)生學(xué)習(xí)興趣，提高口語教學(xué)質(zhì)量的同時，也對相應(yīng)的教學(xué)在傳統(tǒng)口語教學(xué)場景中，口語水平的評判往往需要師生間以語評判需求之間形成了尖銳的矛盾。因此，教育機構(gòu)希望部署及由先進(jìn)硬件設(shè)備提供的強勁算力支持，使基于人工智能技術(shù)的口語測評方案構(gòu)建成為可能，由此推動大量智能化口語測評（ComputerAssistedLanguageLea技術(shù)方法，將口語發(fā)音所形成的音頻數(shù)據(jù)進(jìn)行特征提取后輸入針對學(xué)生口語發(fā)音水平和差錯，進(jìn)行自動評價、檢錯，并提供伴隨人工智能技術(shù)，尤其是深度學(xué)習(xí)方法的高速發(fā)展，這臺產(chǎn)品目前已經(jīng)能面向普通話、外語等不同語言環(huán)境，對包括發(fā)音準(zhǔn)確度、流暢度、自然度、完整度等維度在內(nèi)的各項指標(biāo)進(jìn)行綜合評估，從而能高效、快速和便捷地幫助教育機構(gòu)和學(xué)現(xiàn)在，基于人工智能的智能口語測評方案已在商用落地上獲得巨大成功，并在許多中、英文發(fā)音標(biāo)準(zhǔn)程度、口語表達(dá)能力等測評任務(wù)中被證明可超越人類口語測評專家的水平，已經(jīng)廣泛明，到2020年末，口語測評市場規(guī)模已達(dá)10億元左右16，864207.880.833.714.17.880.833.799.76565451.642017201820192020E2021E2022E140120100806040200語言是人類智慧的重要體現(xiàn)，同樣一句話，在不同的語境、語調(diào)、斷句等情形下，可能表達(dá)出截然不同的含義。因此，基于教學(xué)和數(shù)字技術(shù)的支持中間沒有明顯的匹配。如圖2-3-2所示，人們評價一套人工智能口語測評系統(tǒng)的有效性，通?；?/p>