開源模型效果體驗，廢話不說，先上圖：
看到如此神奇，是不是手癢現在就想體驗？步驟非常簡單！
Step1:
網頁地址 ：
https://ai.baidu.com/easyedge/home
進入百度 EasyEdge 端計算模型生成平臺
Strp2: 點擊 「立即使用」進入操作中心後，選擇「體驗開源模型」，點擊想體驗的模型，拿出手機（安卓蘋果皆可）掃碼，自動安裝，等待幾秒鐘，即可打開 APP 實時體驗各類模型的效果。 這就是 EasyEdge 平臺最近升級給開發者提供的「開源模型體驗」功能，一行代碼不用寫，還支持蘋果手機，妥妥的開發者福利啊！ 除了上面演示的 OCR 模型，公開的模型還有菜品識別，能識別8416種菜！
螺螄粉也能識別也是沒誰了。 動物識別，能識別7879種動物：
更有一些通用的物體檢測、人臉識別等模型：
什麼都別說，掃碼就對了。
言歸正傳，下面正式介紹一下 EasyEdge。
EasyEdge 是百度推出的端計算模型生成和服務平臺，可基於多種深度學習框架、網絡結構的模型，快捷生成端計算模型及封裝 SDK，並靈活適配多種 AI 晶片與作業系統, 目前 EasyEdge 的全部功能服務已預置在零門檻 AI 開發平臺 EasyDL、全功能 AI 開發平臺 BML 中，與模型訓練環節緊密配合，提供一站式端到端的 AI 開發及離線推理服務。 隨著人工智慧的不斷發展，越來越多的行業和業務場景在應用人工智慧來提升效率並降低成本。
一方面，現在可以訓練模型的框架非常之多，TensorFlow、PyTorch、飛槳 PaddlePaddle 等等，訓練模型變得越來越容易，對於框架的選擇不同開發者也有各種使用偏好。
而在硬體方面，AI 晶片的種類也越來越多，除了傳統的 CPU、GPU、ARM，各種 AI 的 ASIC 晶片也逐漸被推出，如華為的昇騰、算豐科技的比特大陸 SE、英特爾的 Myraid 計算卡等等。同時大家使用的手機 CPU 中都開始逐漸配備專門的 AI 晶片用於神經網絡計算，如蘋果 A 仿生晶片、海思 NPU、高通 DSP 等等。每一類 AI 晶片都有自己的應用場景與獨特的計算框架，然而不同深度學習框架能適配的晶片往往非常有限，如何將訓練好的模型高效地部署到設備上，最大化利用晶片能力的同時保持精度無損失，是當前很多 AI 開發者遇到的技術難題。
EasyEdge 輸入的是各類深度學習框架訓練好的模型，包括來自零門檻 AI 開發平臺 EasyDL 及全功能 AI 開發平臺 BML 訓練所得的模型，經過轉換、面向設備的兼容和加速、封裝，輸出的是支持各類晶片的端/邊緣計算服務。
EasyEdge 支持目前所有主流的深度學習框架：
PaddlePaddlePyTorchTensorFlowMXNetCaffeDarkNet
同時擁有目前最廣泛的晶片支持：
同時，EasyEdge 支持各類經典的、最新的深度學習網絡，從 ResNet、MobileNet 到 Yolo、FasterRCNN，都可以很好地通過 EasyEdge 部署在不同設備之上。完整的支持列表可以去 EasyEdge 官網查看。 為了能實現多種網絡在不同晶片的高效部署，EasyEdge 後臺提供了非常多的優化，如模型格式轉換、圖優化、晶片優化、模型低精度量化、模型裁剪和壓縮等等。 以模型轉換為例，為適配各類框架和晶片，EasyEdge 會根據需要自動轉換模型格式。
模型轉換
而圖優化中，會完成一些 OP 融合、OP 拆解、常量摺疊、子圖替換等操作。
OP 融合
在模型壓縮過程中，會進行模型的低精度量化、模型通道裁剪等操作，在不降低模型精度的前提下，減少模型的體積，提升模型的運行速度。
模型壓縮
定點量化
完整的 EasyEdge 技術介紹可以去 B 站百度大腦帳號觀看 EasyEdge 的各類講解視頻。 以上能力都是 EasyEdge 後臺根據用戶的選擇自動幫用戶完成的。開發者只需選擇框架，上傳自己本地的模型，或者從 EasyDL 或 BML 中選擇訓練好的模型，選擇需要適配的硬體，即可自動生成適配目標晶片的 SDK 和開發者套件。開發者套件的使用十分簡單便捷，無需關注深度學習、具體硬體等底層邏輯，只需關注輸入圖片和輸出的識別結果即可。 還等什麼！
進入連結點擊「Demo 體驗」，快來試試 EasyEdge 的開源模型吧！
https://ai.baidu.com/easyedge/app/openSource