【AI产品经理】第十一篇-AI中台设计（四）
本篇主要介绍“模型中心”模块，模型中心是AI模型的集中管理场所，提供多来源、多类型、多框架模型的纳管功能，支持将模型部署至云端和边缘环境，并支持对模型进行压缩。
模型中心分为“模型管理”和“模型压缩”两部分。“模型管理”可存储单个模型的多版本信息，包括版本号、模型来源、模型状态、模型类型、模型框架、网络结构/算法类型等，便于对多版本模型进行比较，以决定需采用的具体模型。“模型压缩”可在不降低效果或降低可承受效果的情况下大幅压缩模型复杂度，提升模型性能，增加同等计算资源下预测推理服务的吞吐量
“模型管理”支持本平台训练模型和第三方模型。根据不同的模型类型、框架和网络结构（或算法类型），提供不同的功能，包括模型文件纳管、云部署、边缘部署、离线部署和模型压缩。
本平台：支持在模型中心纳管平台训练的全部模型，并支持进行云部署（即发布为预测服务）。支持的模型大类包括：Notebook、可视化建模、自动化建模等。
第三方模型：支持以模型文件形式导入的模型，支持深度学习模型框架或格式：TensorFlow/PaddlePaddle/PyTorch/Caffe/Darknet/MXNet/ONNX，支持机器学习模型框架或格式：Sklearn/XGBoost/R/MOJO/POJO/PMML
第三方模型导入步骤：
1.模型文件构建：进入“模型中心 > 模型管理“页面，点击“导入模型”，弹出导入页面。
2.进行基本信息和模型的相关配置
3.进行模型参数配置，设置输入参数、输出参数和转换参数。
4.进入“配置导入资源”页面，选择可用的资源池。
5.点击“导入”，系统校验模型包内容及模型框架类型。若通过，模型状态将变为“已完成”，则模型导入成功。
“模型压缩”通过降低模型复杂度，可在不降低模型效果或小幅降低模型效果的情况下提升模型性能，实现模型预测推理速度提升，或使模型运行在算力更低的设备上。目前支持对TensorFlow模型进行压缩，支持的压缩方式为量化压缩，压缩精度可选INT8/FP16/FP32。其中INT8的精度最低，FP32的精度最高。精度越低，对应的模型性能最优，即在同等算力情况下预测推理速度越快，但预测推准确度下降越多。反之同理。
1.进入“模型中心 > 模型压缩“菜单，点击“新建压缩任务”。
2.设置压缩参数。
3.模型压缩成功后，会生成模型新版本。进入“模型管理 “页面，选择相应的模型，查看新增的版本。其模型来源为“压缩/量化”。