本次的EasyDL產業應用系列直播課將在下週迎來最後一期——領域信息處理NLP專場。在NLP專場中，在下週二和下週三，6月9號與10號，我們分別爲大家帶來業界領先的文本分類智能標註產品介紹，並由獵頭諮詢公司負責人爲大家講解，如何在知識密集型行業實現複雜文本分類。
對NLP方向感興趣的開發者一定不要錯過哦！報名請戳
EasyDL軟硬一體方案在膀胱腫瘤識別中的探索
時間：2020年6月3日（線上）
講師：武漢大學人民醫院泌尿外科博士楊瑞醫生
【直播回放】
EasyDL軟硬一體方案在膀胱腫瘤識別中的探索：https://www.bilibili.com/video/BV1wA411B7Sb
【課程筆記】
課程大綱
- 膀胱癌介紹
1.1 膀胱癌的流行病學
1.2 現有診斷體系 - EasyDL和EdgeBoard的應用探索
2.1 如何使用EasyDL訓練模型
2.2 EdgeBoard FZ9部署演示
膀胱就是儲存尿液器官，位於盆腔的前部，恥骨聯合的後方。膀胱空虛時，其尖一般不超過恥骨聯合上緣；充盈時，膀胱尖上升至恥骨聯合以上。膀胱底在男性與精囊腺、輸精管末端和直腸相鄰，在女性則與子宮頸和陰道相鄰。男性的膀胱頸與前列腺相接，女性的膀胱頸直接與尿生殖膈相鄰。可以右邊這兩個圖，可以看到膀胱標註的位置，在這個地方，偏下面一點，在盆腔的前部。
這是美國國立衛生研究員NIH的報告，膀胱癌在美國腫瘤發病率排行榜位居第6，預估病歷在2020年在美國預估發病應該有8萬多人，預計死亡率將近17000多人。腫瘤發病的因素主要是長期接觸某些致癌物質，如聯苯胺、β-萘胺、4-氨基雙聯苯，這些人往往從事印染、塑料、油漆等行業，另外吸菸和膀胱腫瘤的相關性現在也得到確認，經常吸菸的男同志要注意，大家知道吸菸和肺癌相關性比較高，但是可能不知道吸菸和膀胱癌相關性也是確認的。還需要說一下膀胱腫瘤中位發病年齡在70+，5年總生存率大約76.9%。
診斷主要是靠膀胱鏡檢查+活組織病理檢查，我們可以看一下左邊的圖，這是講膀胱鏡，黑色這個就是膀胱鏡，前面有一個小攝像頭，我們把這個儀器放到膀胱裏，它會把看到的畫面在旁邊的顯示器上顯示出來，醫生直接看顯示器上的圖像，如果有異常，就用特製的特別長鉗子把組織夾一塊出來，然後做染色，再到顯微鏡下看，看組織究竟是不是腫瘤，是腫瘤這個診斷就可以確診了，是兩步確診的過程。
膀胱腫瘤有一個什麼特點呢，就是複發率比較高，費用比較高。膀胱腫瘤分爲肌層浸潤型膀胱癌和非肌層浸潤型膀胱癌，這個佔將近70%以上，接近一半的非肌層浸潤型膀胱癌出現復發，老師說膀胱腫瘤就像韭菜一樣，割一茬長一茬，複查方式：膀胱鏡檢查，發現異常進行活檢。有研究說明它是最貴的癌症，每一次手術可能費用都不低。這個圖就是歐洲國家的一個研究，顯示了膀胱腫瘤增加的負擔，這個是膀胱腫瘤，中間這一行是做膀胱切除的費用，這是歐元計算的是5萬多，後面這個是做非肌層浸潤型膀胱癌的手術。而且還有一點，膀胱腫瘤患者術後都要進行復查，也是用膀胱鏡檢查，隔一段時間要去觀察，這是最準確的檢查方式，也有老師可能會問，現在用CT和核磁共振可以嗎，這種影像學檢查發展雖然很快，但是膀胱鏡的優勢還是在那裏的，優勢還是最大的，所以標準的話還是要做膀胱鏡。
這裏就要說爲什麼容易復發呢，高復發的原因是什麼呢，這裏有一個文獻是來自BJUI，膀胱腫瘤新發有一種原因就是本身的基因型決定的，這個很好理解，本身的基因就決定了這個腫瘤容易復發。另外手術處理原發腫瘤的時候，我們處理它的時候不可避免會碰到它，這上面的腫瘤是不是可能脫落，在其他的地方出現植入。再就是膀胱腫瘤並沒有完全被發現和切除，需要補充一點，膀胱的完全發現和切除都是建立在膀胱鏡的基礎之上，都是通過膀胱鏡看到它並切它的，有這樣一個概念。另外，內鏡不可見的微小病竈的生長，這也是復發的另外一個可能。
膀胱鏡是在膀胱癌整個診斷、治療和復發隨訪上面發揮了非常重要的作用。膀胱腫瘤需要依靠膀胱鏡做診斷、確診，治療也是需要膀胱鏡做膀胱腫瘤電切，也是需要在膀胱鏡裏看到腫瘤，複查隨訪也是一樣用膀胱鏡。所以整個膀胱腫瘤的治療都是以膀胱鏡爲中心，圍繞它做。下面四張圖，上面兩張是正常的膀胱壁的圖像，下面兩張圖是膀胱腫瘤的圖像，第一張圖不是很清晰，下面這個是有一個新事物，這個東西可能就是膀胱腫瘤，最終還需要依靠病理確診。
這裏我們有一個想法，用AI加持做膀胱鏡下膀胱腫瘤的識別。用AI幫助我們識別判斷這個地方是不是膀胱腫瘤，具體而言，通過EasyDL軟硬一體方案定製膀胱鏡下膀胱腫瘤識別模型。
簡單說一下EasyDL的優勢，尤其是對我們跨專業、本身不是做計算機方向或者人工智能方向人的優勢上，EasyDL的優勢比較大。EasyDL的經典版不需要懂得AI算法就可以使用，模型是專門針對我們提供的數據定製出來的模型，精準度相對比較高。另外，整個平臺對圖片集的管理、標註和訓練提供了友好的界面，同樣不需要寫任何代碼。另外，僅僅標註少量圖片就可以初步識別，並且可以使用智能標註，幾輪標註後標籤也會比較準確。另外實施比較容易，操作簡單，節省時間。EasyDL有經典版和專業版，在做科研的過程中，覺得經典版滿足不了大家的需求，可以選擇專業版，可以自主選擇多種神經網絡，進行更深度的參數調節，使用更加靈活。還有就是部署靈活，可在雲端部署，本地部署，以及軟硬一體部署。
EasyDL後臺技術有這幾點，首先是用AI Workflow工作流程，統一大數據工程系統與分佈式訓練系統掌管整個數據的流動，使用框架是百度的飛槳深度學習平臺。另外還有一個超參數的搜索Auto Model Search，自帶超參數搜索功能，就隱含了很大一部分數據計算量在裏面，幫我們做計算。另外用Transfer Learning遷移學習的工具，如果用戶提供數據集比較小，就可以用遷移學習把在其他問題上面得到的權重，遷移到現有的任務上來，這樣子來提高訓練數據集比較小的時候模型的效果。
EasyDL訓練模型也是有四個步驟，第一數據預處理，對圖像實現歸一化、大小裁剪與數據增強等操作。下一步是模型的訓練，在EasyDL的平臺上操作。再到模型驗證，在驗證集上驗證效果，最後是模型上線，把模型做雲服務直接調用它，或者把模型部署到我們需要的地方去，就是做一個模型的上線。
這裏敘述一下我們做的膀胱腫瘤識別模型。開始是做數據收集，這些數據都是從醫院裏的膀胱鏡主機裏導出，所有膀胱腫瘤圖片都是經過病理確診的，可以看到左邊這批圖就是正常的膀胱壁，右邊是膀胱腫瘤，這個已經進行了編號。需要提醒大家一下，這種數據一定要經過醫院倫理委員會的審批才能夠拿到。
我們就把數據直接上傳到EasyDL上面，直接把數據按照EasyDL的要求打包好，壓縮打包以後直接上傳到EasyDL系統裏來，可以看到系統顯示到圖像分類，多少張圖片。
接下來是我訓練的結果，針對每個不同的部署方式，都訓練了一個結果，無論是公有云API、通用設備端SDK還是專項設備SDK，效果都比較好，TOP1是96%，第二是95%，第三是95%，整體的訓練效果很優秀。
看一下更詳細的訓練報告，在公有云上也是用業內常規的幾個指標，準確率，精確率和召回率。下面有一個專項硬件識別SDK準確率也是可以的，92%，95%，94%，90%，這個針對EdgeBoard計算卡做了適配，直接將訓練好的模型生成SDK，把SDK直接接入EdgeBoard，操作非常簡便。
部署的種類與使用，有幾種常見的部署方案，第一就是公有云API，直接聯網通過雲端調用API接口。另外就是通過CPU和GPU，這可以在個人電腦上可以進行的，另外VMX加速卡軟硬一體方案，VMX作爲加速卡是需要宿主機的。我們採用的方案是FZ9加速卡軟硬一體，自帶一個接口，功能也比較強大，因爲我們需要實時性，因爲我們這個項目相當於要實時識別每一張圖片有沒有膀胱腫瘤，這個對計算卡的要求還是比較高的，我們選的FZLite卡還是可以實現我們的需求。
這個是我們當時拿到EdgeBoard的開機照，有這樣幾個特點，性能強悍，高通用性和擴展性，開放門檻低，支持硬件定製。這個軟硬一體的體積很小。大概說一下部署過程，通過EasyDL訓練模型，迭代至模型效果滿足業務需求後發佈得到SDK，直接拷貝到EdgeBoard，然後用序列號激活SDK，接下來運行SDK就可以了，這個運行過程包括驅動加載，編譯，還有運行的幾個過程，按照說明書操作就可以了。
這是我們整個流程圖，首先是收集了正常和腫瘤膀胱鏡的吐心，把這些圖像放到EasyDL裏訓練得到一個模型，就是專用SDK，把這個專用SDK放到EdgeBoard裏面，然後把膀胱鏡的鏡頭採集到的圖像要進到膀胱鏡的主機裏進行分析，這個主機會顯示視頻到顯示器上，我們將視頻信息分兩路，一路是給醫生觀看的一路，另外的一路把信息輸入到EdgeBoard，由EdgeBoard對我們輸入的信息進行加工處理計算以後，它會告訴我們，這張圖上面有沒有膀胱腫瘤，我們把這個信息疊加到原來的膀胱鏡的圖片之上，放在另外一個顯示器上顯示，是這樣一個流程。
隨後我們就進行了驗證和探索，這張圖是我們首先在實驗室裏驗證這個系統的可行性，主要是採用了拍屏的方案，這是計算卡，旁邊是我們的小屏。右邊這張圖是我們把整個系統拿到手術室裏部署的情景，這邊是我們的電腦，這邊是EdgeBoard計算卡，這邊是第二塊屏，這是第一塊屏。值得說的是，這是打印機，這個地方就是膀胱鏡的主機，相當於整個視頻的流程，我們的視頻信號由膀胱鏡主機產生，一路信號放到這個顯示屏上面，就是醫生看的，另外分出一組信號，經過計算，把分類結果疊加到小的顯示器上，達到我們之前項目所設計的要求，就可以用人工智能輔助膀胱腫瘤的診斷，是這樣一個過程。
這個圖是放大的圖，EdgeBoard計算卡正在計算，左上角顯示出對這幅圖計算的結果，這是一個正常的膀胱壁，這個就是醫生操作時候的畫面。
最後這是我們拍屏的一個案例，大家可以看到這上面的顯示，這其實就是一個膀胱腫瘤，旁邊這個也是，上面顯示出系統計算得到了膀胱腫瘤的概率，Tumor是0.9，這個準確率還是可以的。當有膀胱腫瘤的時候，就會顯示出Tumor。
簡單說一下我們探索的心得，首先是跑通了整個模型和部署過程，達到項目設計的要求，就是用人工智能輔助膀胱鏡下膀胱腫瘤的診斷。整個項目也有很多需要改進的地方，需要收集更多的臨牀數據，更多的樣本，更多的圖片。另外可以考慮嘗試採用專業版或者其他的方式提高模型準確率，另外可以嘗試系統進行膀胱腫瘤亞型判斷，再就是交互界面，就是我們的交互界面的優化。
謝謝大家，我的報告結束，下面歡迎百度大腦硬件PM給大家介紹。
【EasyDL和EdgeBoard軟硬一體介紹】
訓練模型的目的是爲了在實際項目中使用，現在項目部署大致分爲兩種，一種是公有云部署，一種是邊緣化部署，公有云是在雲端部署，方便、省心省力，集中式託管，有網絡即可接入，無需搭建環境，通過API調用，集成便捷。但是有一些限制性，安全，實時性，穩定性，所以很多都是通過邊緣部署的方式，讓模型更靠近雲，無需將數據上傳到雲端，保障了數據安全和隱私保護，邊緣部署需走網絡，響應更穩定，更實時，邊緣部署無網絡搭建成本，硬件成本低，所以今天主要講的是EasyDL在邊緣部署的硬件EdgeBoard。
EdgeBoard是百度面向嵌入式與邊緣部署場景打造的硬件加速方案，適用於機器視覺智能化監控與分析，具有高性能、低成本、使用簡單等三大優點，可無縫兼容EasyDL模型訓練平臺。我們和世界上最大的芯片廠家賽靈思，還有英特爾VPU系列，我們和賽靈思合作兩個系列，計算卡和計算盒，分爲FZ9/FZ5，FZ3兩個型號，計算卡是面向低成本的場景打造的一款產品。FZ系列主要特點帶有主控，裏面是一個（英文）系統，可以很好當成一個小型開發機使用。跟英特爾合作的VMX是加速棒形態，我們叫加速卡，通過USB連接起來，作爲一個協處理器，需要連接一臺宿主機運行。
下面看到三個產品的圖片，左邊是最小的FZ3Lite計算卡一體方案，中間是高性能的盒子，右邊是軟硬一體的VMX的加速方案。
下面介紹一下，FZ9和FZ5計算盒，特點是高性能，適配多路攝像頭，規格在三個裏面相對做的比較小，FZ計算盒是高性能，12×8釐米，3.6TOPS算力，功耗在10到25W，有些場景下硬件會標成5到10W，但客戶一旦把性能跑滿，功耗會到10到15W。FZLite功耗是5到12W，FZ系列使用的是FPGA方案，很多是工業級的方案，運行的環境和試運行溫度可以在零下40到零上70度，還是比較寬泛的工作溫度的支持範圍，比較適合用在工業場景。這邊是價格，FZ Lite是1179元，FZ計算盒是4169元，VMX加速卡是699元。
下面我講一下幾個應用場景，EasyDL和EdgeBoard軟硬一體方案可以在非常多的場景應用，我列的這些都是已經落地的項目，安防、工業、醫療、零售、教育、農業和交通，剛纔楊老師介紹了醫療場景的案例。
FZ5和FZ9計算盒軟硬一體方案看起來是一個帶盒子的，就是AI服務器，有FZ5和FZ9兩個型號。支持8路1080P攝像頭解碼，算力高達3.6TOPS，resnet50模型推理全流程可以做到60幀每秒。相較於服務器優點：體積小、質量輕，易攜帶、功耗低、價格低，適用於視頻監控場景的私有化、邊緣化部署，如安防巡檢、工業質檢、農作物監控，交通巡檢等。
我下面介紹一下盒子的應用場景，比如安防場景，巡檢無人機，是空對地的，就是抓拍，有個特點，它的圖像會比較小，特徵比較少，這就需要有一些比較高精度的模型做識別，效果比較好。這種高精度模型對硬件性能都要求比較高，所以我們推薦對模型效果要求好，性能要求高的場景可以購買計算盒產品，也可以直接在場景裏直接部署安裝，是比較好的硬件產品。像無人機這個場景，空對地的識別，可用在邊防巡檢、島嶼巡檢、電力巡檢，交通不好到達，也可以非常節省人力的場景裏。
第二個應用場景，比如在工業場景裏，我們跟質檢機器人做了結合，可以用在Iphone產線的質檢，最小可以達到0.2毫米以下，手機質檢成本要求不是那麼敏感，但是對檢測的缺陷細微程度會要求比較高。
農業場景，現在和京東方合作，在蔬菜大棚裏也做了一些邊緣部署，可以做智能化的監控，病蟲害等一些情況，在農業場景裏有非常高的應用價值，通過智能化監控可以讓食品變得更有機，更健康。
交通場景這塊，最近國家也在推路邊停車，就是交通管制的違章停車管理，以前就是傳統的，停車有個人坐在旁邊，你開到那個地方對你收費，這樣有一個特點，特別耗人力，人管理起來也容易疏漏，成本很高。現在通過EdgeBoard和巡檢車結合這種場景，可以動態識別路邊的停車，可以識別比人更快，一輛車可以識別很長的距離，有幾公里的距離，如果一個人最多隻能管肉眼可見範圍內的，幾十米範圍內的停車位。
這款是輕量型的電腦主機，規格非常小，只有7×8釐米，我們用它可以用在學習，因爲學習的時候並不需要有非常高的性能，所以拿一款千八塊錢的，就像小型電腦主機一樣，可以用在智能小車裏，我們最近跟國家合作的智能小車競賽，裏面用的就是lite板，還有智能醫療的設備裏，如果不是動態的，像眼底篩查，不是動態的，對識別的速度不是那麼敏感，反而對功耗，對易集成要求更高一點。這個就是百度做的一款眼底篩查儀，結合EdgeBoard智能分析，可以幫助視網膜病變等疾病的診斷，其實很容易應用落地，比如放在眼鏡店，檢查近視眼可以在那時候非常方便給市民做一次檢查，也可以放在眼科醫院，也可以放在公益活動裏，可以輔助或替代醫生診斷，緩解醫療資源的稀缺。
這個是我們推的智能競賽小車，集成EdgeBoard lite，實現智能識別，彎道，驗證等等，不管是大學生還是K12的學生，都可以買一款這種小車，去做人工智能的學習，是非常不錯的選擇。
這款是我們和英特爾合作的，VMX方案，這款芯片的特點算力是非常強，這邊寫的是1TOPS，實際有10TOPS算力，還有做圖象處理的，神經網絡也有算力，目前大江海康都是用這個做應用，這是協處理器，需要通過宿主機工作雲端，比如我們已經支持Linux和Windows，目前只有699元，可以很好的用在學習場景，還有一個是我們在存量設備上，比如已經有了一些設備，主控板換不了，只要有USB口就可以通過這個加速卡直接插上去，就可以實現這個設備的智能化升級。
我們看一下這個設備的應用，比如零售場景這塊，智能電子秤，可以通過VMX加速卡插進來進行智能化的菜品識別，可應用在超市、農貿市場等地方，對供應鏈管理，其實AI做的事情大多數都是安全，二是提升效率，三是降低成本，這個智能秤很好的提升了超市的人工效率，降低了人工成本。
這一頁講的是有了EdgeBoard以後，如何一步一步進行部署，剛纔楊瑞老師比較細的講了過程，就是這幾步，我們在EasyDL訓練模型下載下來，然後購買硬件，可以在EasyDL上獲取License，部署激活，然後就可以無限期使用了，可以放在業務裏進行集成，非常的方便。
我的介紹就到這裏，謝謝大家。
Q：感謝兩位老師介紹，首先問一下楊瑞醫生，這個模型已經到臨牀使用還是在探索階段。
A：現在還是處於探索階段，因爲這個東西畢竟涉及到醫療，醫療要更嚴謹一些，我們希望能夠蒐集到更多的數據，訓練到更高的準確率以後，各方面的情況比較好了再考慮應用，現在還是探索的階段。
Q：您這邊使用的是EdgeBoard哪款產品呢？
A：用的是FZ9計算盒。
Q：您分出來的那路視頻是用什麼窗口軟件實現的實時結果？
A：因爲我感覺EdgeBoard，就我知道的，我對EdgeBoard肯定不是特別瞭解，就我在使用過程中，我覺得EdgeBoard是自帶一個完整的Linux系統，這個東西就是你自己把模型放進去以後自帶功能，不需要我們自己特別多的完善，去做窗口什麼的，這是我自己一點淺見，可能需要EdgeBoard老師補充一下。
A：現在EdgeBoard內部支持的DB顯示方式，購買以後可以通過DB口銜接到顯示器上，內部也有相應的顯示軟件，打開以後在系統內自帶的。
Q：有同學問膀胱檢測使用了多少圖像進行訓練呢？
A：這個膀胱檢測就現在探索的項目，我們使用的圖片並不是特別多，一共八九百張吧，因爲畢竟膀胱腫瘤說實話它圖片蒐集很難，比想象中要難，這也是我們下一步想完善的地方。
Q：API和SDK訓練得分是不同的，有什麼原因嗎？
A：API和SDK上，因爲SDK設計的集成能力不一樣，我們設計的時候會選不一樣的模型進行訓練，最後得到的值是不一樣的，但效果差異不會太大。
Q：Nano和EdgeBoard有什麼區別。
A：兩款是定位比較接近的產品，首先價位比較接近，另外就是性能上EdgeBoard會更強一點，EdgeBoard最低這款lite有1.2T算力，Nano應該是一半左右，如果對算力敏感可以選擇EdgeBoard，如果對價格敏感可以選擇Nano。
具體關於EasyDL軟硬一體方案對比包括企業介紹，可以在百度AI市場搜索EasyDL軟硬一體方案，可以看到不同的軟硬一體方案介紹，可以根據自己的需求選擇。
Q：腫瘤案例中EasyDL訓練模型大概什麼樣的，層數多嗎？
A：這個我們也會根據你輸入的數據選擇不同的模型，一般都是業界比較經典的模型，不是固定的。
Q：有同學問用圖片訓練模型，最後直接對視頻進行分類，這個需要人工對視頻進行截幀嗎？
A：我可以先說一點我知道的，在訓練的時候，膀胱腫瘤圖片有一部分是來自於視頻的，我們是截幀進行訓練的，在應用的時候，我們的同學可能會說這個模型，比如是在圖形分類上面訓練怎麼用到視頻，但是視頻不就是一幀一幀圖像這樣子構成的嗎，所以只要計算卡的計算速度足夠，是可以直接用到視頻上面來的，這也是因爲EdgeBoard算力很高，計算效果比較好。
如果大家需要對視頻進行截幀，可以嘗試一下Easy Data這個平臺，內置了可以下載的採集數據的SDK，這個SDK可以幫助你進行視頻截幀，你可以設計一下時間，並且幫助你進行數據清洗和整理，你可以在Easy Data直接在EasyDL進行訓練，如果在視頻場景下需要截幀的話，Easy Data還是比較智能的平臺，大家可以在百度上面搜索Easy Data就可以找到智能數據服務平臺。
Q：EdgeBoard是可以放在無人機上的嗎？
A：是可以的，EdgeBoard目前已經在無人機的應用中落地了。
Q：與嵌入式GPU或者是帶NPU的AI芯片相比，使用EdgeBoard有什麼優勢？
A：首先EdgeBoard在算力這塊或者在整體的性價比這塊，因爲是百度做的硬件，跟很多硬件大廠做的側重點不一樣，我們更側重的是對百度系的軟件平臺生態的支持，比如飛槳深度學習平臺，還有我們會在EdgeBoard上搭建一些更完整的軟件平臺，比如EasyDL是可以直接放到裏面的，後續還會推像EasyMonitor平臺，可實現直接購買做一些視頻監控的場景，可以更整合應用。
如果大家對EasyMonitor這個視頻監控平臺感興趣，也可以在百度搜索就可以找到。
Q：能不能邊使用邊訓練，隨着使用的持續，模型訓練的越來越好？
A：不是很清楚邊訓練邊使用需要到什麼環境，因爲EasyDL是支持大家先上傳模型進行訓練，根據結果的反饋再補充數據進行實際的迭代，這樣也可以做到模型效果越來越好。
Q：這個是不是我們的數據閉環功能呢？
A：對，數據閉環功能也是補充數據的比較重要的環節，當然也可以自己從額外的渠道重新補充，也是可以的。
Q：剛纔我們提到自帶實時窗口軟件是需要購買EdgeBoard纔能有的，Nano有類似的軟件嗎？
A：因爲Nano硬件是NVIDIA這邊的，NVIDIA相關硬件問題需要諮詢NVIDIA相關負責人，你可以在NVIDIA羣裏提問，NVIDIA工作人員可以給你解答。
Q：EdgeBoard能進行最近提出的網絡推理嗎？
A：EdgeBoard有兩個系列，一個是FZ系列，一個是VMX系列，FZ用的是FPA方案，如果對硬件或芯片有過了解的同學，應該會知道FZ是可編程的陣列，就像白板芯片，上面可以做出適合跑我們軟件的硬件電路，所以FPA的硬件有很大的優勢，例如新推出來的，像YOLOv4，我們可以很快在EdgeBoard裏實現，會比像其他的AI芯片快很多。
Q：咱們什麼時候會預製YOLOV4算法嗎？
A：預計會在7月份。
Q：膀胱識別模型部署在邊端還是雲端，醫生使用時候是實施計算嗎？
A：這個模型是在邊緣的，這是EdgeBoard算力比較夠，我們就放在邊緣，它用的時候是放在手術室裏的。也有老師問早期腫瘤篩查可以達到多少精度，這個問題我們現在進行的探索，它的篩查準確度可以達到95%。
Q：早期腫瘤篩查精度大概多少？
A：95%準確度。
Q：有同學問您這邊訓練測試的比例大概多少？
A：這個模型訓練和測試的比例，EasyDL後臺會進行劃分，據我所知比例已經是我們常見的7：3左右。
Q：大概是7：3左右。有同學問900多張圖片是多少病人的？
A：這個是兩百多病人，在探索結算，數據量還在不斷補充，這也是下一步需要着重解決的問題。
Q：確實數據採集比較艱難，耗時比較長。FPGA方案是不是用verilog開發？
A：FPGA是用verilog語言寫的，其實我們買的這款板卡可以不用在FPGA層面開發，因爲百度已經做好了，大家知道FPGA開發門檻比較高，技術難度比較大，我們把AI相應模型實現封裝到了FPGA的底層，我們理解成一個IP，在應用層也和百度平臺的大腦工具箱結合，如果用了我們這套EdgeBoard的FPGA方案，理論上說買了硬件，後面可以升級硬件裏的軟核，隨着不斷迭代我們可以支持越來越多的算法，越來越多的模型。
Q：用戶可以自行選擇使用什麼模型嗎？
A：經典版使用什麼模型對用戶不是透明的，如果用戶有強烈的使用某一種模型的需求，可以嘗試專業版，可以確定選擇某一種模型使用。
現在給大家介紹一下EasyDLEdgeBoard軟硬一體方案優惠政策，可以看到FZ5和FZ9計算盒，它是高性能的計算盒，中間是FZ3計算卡，小體積，低成本，這邊是VMX加速卡，它需要宿主機，超小體積，具有超高性能。如果您想嘗試EasyDL軟硬一體方案，在5月13到6月13掃描二維碼填寫信息，可以定律量身定製獲取優惠資源，如果你購買任意一臺EasyDL自研軟硬一體方案，包括上面提到三款，將獲得等價專業版訓練時長，軟硬一體方案+專業腳本調參26小時GPUV100訓練時長/32小時GPUP40訓練時長/41小時GPUP4訓練時長，折算下來就是五折優惠，也是非常的超值，大家可以掃描二維碼填寫。如果想更多的瞭解，也可以私聊小助手，瞭解EasyDLEdgeBoard軟硬一體方案的優惠政策。
同時EasyDL和NVIDIAJetson軟硬一體方案已經上架到百度AI市場，推出全網最低限亮優惠的活動，EasyDL Jetson Nano原價1099，現價800。TX2原價3500，現價3200，Xavier原價5999，現價5600，已經是非常低的折扣，可以掃描屏幕下方的二維碼瞭解詳情。如果購買這套軟硬一體方案。
課後作業，使用EasyDL經典版/專業版，圖像分類/物體檢測，訓練業務審覈模型，訓練數據可以採用自選數據。如果你想參加最佳佈道師評選，可以參加我們的活動貼，地址可以在公告裏找到，如果分享自己的讀書筆記和使用心得，使用教程和場景方案可以贏得我們百度網盤超級年卡。
下期我們將來到NLP專場及週二晚上8點，主題是如何擁有不斷學習高效標註的AI員工，圍繞EasyDL文本智能標註產品介紹，講師是來自百度NLP產品經理夜巡老師，內容是針對企業在數據環節遇到缺少標註數據，人工成本高的問題，重點解釋業界領先文本智能標註產品。開發者僅需提供少量的已標註文本數據，即可完成對大規模數據集的智能化標註。下週三晚上8點主題是通過EasyDL爲獵頭企業實現複雜文本分類，講師是北京瀚才諮詢有限公司負責人譚笑然，內容是獵頭行業現狀及痛點介紹，知識密集型行業如何進行知識點分類梳理，使用AI技術完成數據“結構化”，提高業務處理效率。
