整理及優化200多種常用的人工智能演算法及範例程式碼，幫助使用者節省90%的開發時間，10倍速快速開發 AI 程式，把 AI 變簡單。可應用於產品瑕疵檢測、醫學影像分析、大數據分析、股票價格推論、人工智能教學、犯罪偵防、門禁考勤、智慧長照、公共安全、交通流量、車牌辨識、程式教學教材、研究開發等。

 

將人工智能演算法，加上人人都會使用的操作介面，一鍵安裝，易學易用，進行深度學習、分析資料，降低 AI 應用的進入門檻，加快 edge AI 的落地速度，幫助產業解決缺乏 AI 人才的問題。

 

每月提供最新演算法下載，目前共有200多種演算法(包含影像分類、物件偵測、語意分割、物件分割、資料分析、語音辨識、語意辨識、聊天機器人等)，提供原始碼及參考出處，幫助學界便於做研究及發表論文，亦方便業界自行客製 AI 產品進行量產，免收權利金。

 

提供豐富範例、文章、及教學影片，適合老師當作課程教材。

 

AI 教育的重點不是在於浪費大把時間灌電腦，而是在於如何選擇適合的演算法、整理資料、標註資料、訓練資料、驗證資料才是關鍵。 LEADERG AI Zoo 人工智能演算法教材提供師生一鍵安裝 AI 環境功能，只要學校網路速度夠快， 30分鐘內自動完成安裝。亦提供豐富範例程式及教材，幫助師生節省時間。

 

與知名大學、知名醫學中心、知名研究機構、知名企業使用相同的演算法，不會浪費時間在無用的範例程式。

 

適合高中 AI 課程教學及推薦甄試使用。

 

AI 範例程式大補帖的概念，但是程式碼皆為特別優化過，網路上找不到。

 

內建 Python, CUDA, cuDNN, TensorFlow, Keras, PyTorch 等軟體套件及範例程式，幫助大家大幅省去安裝套件及尋找範例程式的麻煩。

 

Low Code 概念，提供豐富範例程式，整理後的程式碼稍作修改即可應用於研究教學及產品開發。

 

上網輸入序號啟動後，離線也可使用，適用於無法上網的工廠生產線、醫院、政府單位等。

 

Windows 版本支援一鍵安裝完整 Python 開發環境，大幅節省安裝時間。

 

Linux 版本支援 Docker container 多人連線教學環境快速建置，可以指定每位使用者可以使用的 CPU, RAM, GPU 資源。

 

大幅降低技術門檻，對於產業 AI 化有很大幫助，於2018年6月參加國際 AI 大賽獲得第一名，獎金新台幣300萬元。

 

透過模組化實現快速 AI 軟硬體整合，70%標準化 + 30%客製化　2個月即可快速完成 AI 應用開發。

 

價格優惠， CP 值好。

 

可提供額外付費客製化服務，歡迎聯絡我們。

 

 

[ 架構圖 ]

 

 

 

整理各種人工智能演算法，節省開發時間，讓您輕鬆使用 AI ，歡迎老師當作課程教材。

 

首屆 TAIRA AI 總決賽最終獲得評審團青睞，在眾多優秀對手中脫穎而出，奪得首獎新台幣300萬！解決產業缺乏 AI 人才的問題。無論是產品競爭力、技術門檻，以及與企業的對接度等項目，均獲得非常高的評價！

 

感謝晶圓、封測、面板、石化、電子、系統整合、設備、醫院、教育等產業客戶採用。

 

感謝多所學校老師採用。

 

 

[ 特色 ]

 

    • 支援深度學習

    • 支援人工智能演算法

    • 支援影像處理

    • 支援多種影像運算方法

    • 支援影像分析

    • 支援條碼辨識

    • 支援 QR code

    • 支援多核心及多處理器的電腦

    • 支援 GPU 加速

    • 支援自訂函式庫

    • 支援 TensorFlow 2.4.0

    • 支援 PyTorch 1.7.0

    • 支援 CUDA 11.0

    • 支援 cuDNN 8.0.4

    • 本機執行，資料不用上傳到雲端，避免公司機密外洩

    • 每月提供最新演算法下載

    • 價格公道

    • 支援 CPU 運算，適合一般電腦教室教學

    • 支援 GPU 運算，加速研究開發

    • 一鍵安裝 Python 開發環境： CUDA, cuDNN, Terminal, Jupyter Lab, Spyder, labelImg, lableMe, ...

 

 

[ 硬體需求 ]

 

    • x64 處理器

    • 16 GB 主記憶體或以上

    • 硬碟需要 150 GB 以上空間

    • 使用者畫面解析度需要 1280 x 720 以上

    • 滑鼠或其他使用者介面點擊裝置   

 

    • 支援 CUDA, cuDNN, TensorRT 的 NVIDIA GPU (GPU 記憶體需 24 GB 以上)

    • 支援 OpenVINO 的 Intel VPU 或 FPGA (運算加速選配)

 

    • 支援 ROCm 的 AMD GPU (作業系統需為 Ubuntu Linux 18.04 以上)

 

 

[ 軟體優勢 ]

 

    • 簡單好上手，開發整合速度快

    • 於支援期間，針對內建解決方案，有提供技術支援

    • 經過半導體產業、面板產業、石化產業、 PCB 產業等大廠驗證

    • 參加國際 AI 大賽得到第一名，獎金新台幣300萬

    • 感謝晶圓、封測、面板、銅箔、 PCB 等產業大廠採用

    • Windows 版本支援免安裝，內建最新版 Python, PyTorch, TorchVision, TensorFlow, Keras, CUDA, cuDNN, ... ，支援 CPU 及 GPU 運算，不需麻煩另外安裝環境，解壓縮後即可立刻使用

    • 內建常用深度學習解決方案，所有方案皆驗證過

    • 價格合理

 

 

[ 適合對象 ]

 

本軟體適合具有程式設計能力的使用者，例如：學生、研究助理、學校老師、醫院資訊室、軟體工程師、製程工程師、研發部門、資訊部門等。

 

如果使用者不會寫程式，或不想寫程式，請參考 LEADERG App4AI 人工智能應用軟體 。

 

 

[ 案例及效益 ] 

 

案例：學校客戶

效益：用於教學及研究，內建有業界經驗的豐富範例程式，符合產學合作及未來就業需求。

 

案例：醫院客戶1

效益：用於醫療影像分析、語意辨識，內建有業界經驗的豐富範例程式，開發速度快。導入後，可節省醫護時間，每年可省下數千萬元。

 

案例：醫院客戶2

效益：用於病理影像檢測、錶頭監控、藥品監控、語音辨識等，大幅節省醫護人員時間。

 

案例：設備商客戶

效益：用於瑕疵影像分析，內建有業界經驗的豐富範例程式，開發速度快，縮短機台交期。

 

案例：半導體廠客戶

效益：用於精密自動量測及瑕疵檢測，導入前每年都有瑕疵爆大量的狀況，導入後每年可省下一億。

 

案例：工廠客戶

效益：用於取代人工目檢，減員增效，目檢漏失率可降至0%，人員需求可降至原來的三分之一，導入後每年可省下數千萬元。

 

案例：政府客戶

效益：用於化學分析，內建有業界經驗的豐富範例程式，開發速度快，縮短部署時間。

 

 

[ 軟體比較 ]

 

 

 

[ 軟體授權 ]

 

本軟體提供完整程式碼，便於做研究及發表論文，亦可以自行客製 AI 產品進行量產，免收權利金。

 

本軟體不是開放原始碼。請私下使用，不可發佈到網路上。

 

本軟體不提供任何保證，如需保證，需另外專案付費： THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

 

 

[ 版本說明 ]

 

LEADERG AI Zoo 人工智能演算法軟體單機版: 

 

授權一台電腦，永久授權，一年啟動，一年下載，一年技術支援

 

 

[ 解決方案 ]

 

企業資訊部門快速導入 AI 解決方案：針對客製化 AI 服務需求，提供範例程式加上20小時客製化教學。

 

企業資訊部門快速導入 AI web API 解決方案：針對客製化 AI web API 需求，提供演算法範例程式加上20小時客製化教學。

 

企業研發部門快速導入 AI 解決方案：針對客製化 AI 產品研發需求，提供範例程式加上20小時客製化教學。

 

醫院快速導入病理影像分析 AI 解決方案：針對客製化 AI 病理影像分析需求，提供範例程式加上20小時客製化教學。

 

工廠快速導入瑕疵檢測影像分析 AI AOI 解決方案：針對客製化瑕疵檢測 AI AOI 需求，提供範例程式加上20小時客製化教學。

 

公司行銷部門快速導入銷售預測 AI 大數據分析解決方案：針對客製化銷售預測 AI 大數據分析需求，提供範例程式加上20小時客製化教學。

 

 

[ 支援作業系統 ]

 

Windows 10 64位元 或 Ubuntu Linux 18.04 64位元，二擇一。

如需支援兩種作業系統，需購買兩套授權。

Windows 及 Linux 版本訓練出來的模型檔可以通用。

大部分演算法同時支援 Windows 及 Linux 作業系統。

但是少部分演算法只有支援 Windows 或 Linux 作業系統的其中一種。

Windows 的開發環境比較好用，但是演算法執行速度較慢。

通常在產品量產前或是有速度需求時，才會用 Linux 版本。

 

 

[ 技術支援 ]

 

提供1小時視訊操作教學。

 

軟體啟動、軟體下載、範例支援時間為一年。

 

針對軟體操作或範例程式的問題提供電子郵件範例支援服務。

 

如果是軟體客製化問題，請購買我們的客製化收費教育訓練。

 

https://tw.leaderg.com/article/index?sn=9246

 

 

[ 購買方式 ] 

 

https://tw.leaderg.com/article/index?sn=11056

 

 

[ 人工智能演算法 ]

 

 

[ Windows 10 軟體操作流程及畫面 ]

 

 

 

[ 操作步驟及說明 ]

 

[Python Tools]

 

1. 解壓縮檔案。下載完成後，請您執行 exe 檔解壓縮，請注意解壓縮資料夾路徑不可有中文。

 

2. 開啟應用程式。開啟資料夾，找到 AI-Zoo.exe，滑鼠點擊左鍵兩下開啟應用程式。

 

 

 3. 切換語言。可切換您想顯示的語言，支援英文與繁體中文。

 

 4. 啟動應用程式。如果您已經啟動過應用程式，可以跳過此步驟。

 

請您先點擊 [Activate] 按鈕，接著在視窗內輸入您的啟動驗證碼，按下 enter 鍵，

當畫面出現 OK，即成功啟動應用程式。

最後只要再重新啟動應用程式，您就可以開始使用 AI-Zoo。

 

 

5. 下載安裝 Python 環境。您的裝置如果有支援 NVIDIA GPU 加速運算，請點擊 [Download Python (GPU)] ；未支援NVIDIA GPU 加速運算，請點擊 [Download Python (CPU)]。

點擊下載後，請耐心等候。如下圖，畫面將逐一顯示下載進度條、解壓縮進度條、update path，最後重新啟動開始使用 AI-Zoo。

 

 

6. 在 Terminal 輸入指令。您的裝置如果有支援 NVIDIA GPU 加速運算，請點擊 [Terminal (GPU)] ；未支援 NVIDIA GPU 加速運算，請點擊 [Terminal (CPU)]。

開啟命令提示字元視窗後，您就可以開始輸入指令。

 

 

7. Jupyter Lab，詳細使用介紹請參閱 https://tw.leaderg.com/article/index?sn=11157。

您的裝置如果有支援 NVIDIA GPU 加速運算，請點擊 [Jupyter Lab (GPU)] ；未支援 NVIDIA GPU 加速運算，請點擊 [Jupyter Lab (CPU)]。

 

 

8. Spyder，Python 語言開發環境。您的裝置如果有支援 NVIDIA GPU 加速運算，請點擊 [Spyder (GPU)] ；未支援 NVIDIA GPU 加速運算，請點擊 [Spyder (CPU)]。

開啟 Spyder 後，您可以開始撰寫屬於您的程式碼、或載入現有的 .py 程式碼。

 

 

[Solutions]

 

1. 如何下載解決方案 : 請點擊 [Download Solutions]，接著選擇您有興趣的解決方案，按下 [下載]。

 

 

2. 如何開啟解決方案所在位置 : 點選 [Browse Solutions]，開啟解決方案的檔案位置。

 

 

3. 如何運行解決方案 : 請參閱 [Python Tools]第六點，使用 Jupyter Lab 來運行解決方案。

 

 

[Advanced Tools]

 

1. Activate 啟動應用程式。詳細使用方式請參閱 [Python Tools] 的第三點。

2. Update 軟體更新。點擊此按鈕會檢查當前的 AI-Zoo 是否為最新版本。如果不是最新版本，將自動升級到最新釋出的 AI-Zoo 版本。

 

 

3. Doc and Video 如果您想了解更多關於 AI-Zoo 的技術文章與說明，請點擊 [Doc and Video]。

 

 

4. How To Buy 您如果覺得 AI-Zoo 有符合您的需求想進一步購買，請點擊此按鈕。

 

 

 

[ Ubuntu 18.04 軟體操作流程及畫面 ]

 

1. 安裝與建置系統環境 :

 

1). 使用 7z 指令解壓縮 AI-Zoo.7z。在 Terminal 終端機上輸入 7z x AI-Zoo.7z，解壓縮。

 

2). 請開啟 AI-Zoo，找到 Install_Ubuntu.txt。

 

 

3). 安裝與更新顯示驅動。請在 Install_Ubuntu.txt 中找到 # Install GPU driver ++ 與 # Install GPU driver --，將此段運行指令依序在 terminal 上執行。

如下圖，紅框區域，由上至下逐一複製貼上運行所有指令，即可完成顯示卡驅動安裝。

 

 

 

4). 安裝 docker。請在 Install_Ubuntu.txt 中找到 # Install Docker ++ 與 # Install Docker --，將此段運行指令依序在 terminal 上執行。

如下圖紅框處，由上至下逐一複製貼上運行指令，即可完成 docker 的安裝。

 

 

2. 安裝與建置 AI-Zoo :

 

1). 啟動 AI-Zoo。在 AI-Zoo 資料夾底下找到 activate.sh，開啟與輸入授權碼，按下 enter 鍵，完成啟動。

 

2). 使用 docker 建置 AI-Zoo 環境。點擊運行 docker_image_list.sh 確認是否有存在 leadergaizoo，如果存在，請先點擊運行 docker_image_remove.sh，接著運行 docker_image_load.sh 載入 AI-Zoo 映像檔。

 

• docker_image_list.sh : 列出裝置上所有的 image。

 

• docker_image_load.sh : 載入放置於 docker_image 內的 leadergaizoo image。 

 

• docker_image_remove.sh : 移除裝置上的 leadergaizoo image。

(如果出現 image 已被使用的錯誤，請先停止與移除容器 docker_container_all_stop.sh、docker_container_all_remove.sh，待載入新的 image 後再運行 docker_container_xxxx_run.sh)

 

 

 

3). 開始使用 AI-Zoo。依照使用者區分，主要有兩種，可依需求同時或擇其一使用，每位使用者都有自己獨立資料夾，互不干擾 : 

 

a). 新增單一使用者容器，可使用較多裝置資源。 

 

•    點擊運行 docker_container_8001_run.sh，輸入 sudo 密碼， 啟動成功後，在瀏覽器網址輸入 http://127.0.0.1:8001 即可開始使用。

 

•    Jupyterlab 預設密碼為 leadergaizoo，基於安全性考量建議設定自己的密碼，設定步驟請參閱下一步驟 4). 設定 Jupyterlab 密碼。

 

•    目前初始設定的使用資源為  10 GB 記憶體、4 顆 CPU、所有 GPU。

 

•    使用的資料夾路徑為 : AI-Zoo-Linux/docker_users/user8001。 

 

•    額外可以使用的 port : 8801 (可用於 tensorboard、visdom、...)

 

 

b). 新增多個使用者容器 (預設為 3 個，可修改 .sh 內容調整個數)，分配部分裝置資源。

 

•    點擊運行 docker_container_9001_run.sh，輸入 sudo 密碼， 啟動成功後，三位使用者可以個別在瀏覽器上的網址輸入 http://127.0.0.1:9001 、http://127.0.0.1:9002、http://127.0.0.1:9003 來進行使用。

 

•    Jupyterlab 預設密碼為 leadergaizoo，基於安全性考量建議設定自己的密碼，設定步驟請參閱下一步驟 4). 設定 Jupyterlab 密碼。 

 

•    目前初始設定的使用資源為  5 GB 記憶體、1 顆 CPU、0 顆 GPU，解決方案讀取權限唯讀。

 

•    使用者 9001的資料夾路徑為 : AI-Zoo-Linux/docker_users/user9001。

 

•   使用者 9001 可以額外使用的 port : 9901 (可用於 tensorboard、visdom、...)

 

•   9002~90xx 使用者以此類推，9002 資料夾為 user9002、額外可以使用的 port 為 9902。

 

 

    常見錯誤處理，如果運行 docker_container_xxxx_run.sh 出現以下錯誤，xxxx 可自行依照需求替換成 8001 或 9001：

docker: Error response from daemon: Conflict. The container name "/leadergaizooxxx" is already in use by container...。

=> 表示容器於之前已有新增，請先點擊 docker_container_list.sh 查看所有容器清單與狀態。

 

 

找到 Leadergaizooxxx 的 STATUS：

如果是 Up，表示容器已啟用，直接在瀏覽器輸入網址即可使用。

如果是 Exited，表示容器已停用，請點擊 docker_container_xxxx_start.sh，在瀏覽器輸入網址即可使用。

 

 

    docker_container_8001_run.sh 單一容器資源分配設定：

 

• user_memory=10240MB  //可以使用的記憶體大小  
• user_cpus=4  //可以用多少顆 CPU  
• gpu_device=all  //可以使用的 GPU。例如 : gpu_device=0 即使用第 0 顆 GPU；gpu_device=0,1 即使用第 0、1 顆 GPU；gpu_device=all 為使用所有的 GPU。

 

 

 

    docker_container_9001_run.sh 多個容器資源分配設定：

 

• user_memory=5120MB　//每位使用者可使用的記憶體大小  
• user_cpus=1　//每位使用者可以用多少顆 CPU  
• user_start=1 
• user_end=3

//新增從 user9001~ user9003，共新增 3 個容器給 3 位使用者。

//如果 user_start=1、user_end=5，則從 user9001~ user9005，共新增 5 個容器給 5 位使用者。

//user_start 與 user_end 如果有修改，其餘相關的檔案皆需跟著修改：

docker_container_9001_restart.sh、docker_container_9001_start.sh、docker_container_9001_stop.sh、docker_container_9001_remove.sh、docker_container_9001_remove_folder.sh。

 

 

    使用者讀取解決方案權限唯讀，但需要編輯解決方案的情況。

在 Jupyterlab 的terminal 輸入 cp -rf solutions_read_only/Jupyter-xxx ./，將解決方案複製至自己的資料夾，即可編輯檔案，此動作不會更動到原本的解決方案內容。

 

    docker_container 說明

 

• docker_container_xxxx_run.sh : 新增新的容器給使用者使用。

 

• docker_container_xxxx_restart.sh : 重新啟動容器。

 

• docker_container_xxxx_start.sh : 啟動容器。

 

• docker_container_xxxx_stop.sh : 停止容器。

 

• docker_container_all_stop.sh : 停止所有容器，包含 user8001、user9001~ user9003、...。

 

• docker_container_xxxx_remove.sh : 刪除容器。需注意的一點為移除後，使用者的環境將移除，但不刪除使用者資料夾。

(如果出現此錯誤 Error response from daemon: You cannot remove a running container. Stop the container before attempting removal or force remove，請先停止容器 docker_container_xxxx_stop.sh 再刪除。)

 

• docker_container_all_remove.sh : 刪除所有容器，包含 user8001、user9001~ user9003、...。

(如果出現此錯誤 Error response from daemon: You cannot remove a running container. Stop the container before attempting removal or force remove，請先停止容器 docker_container_all_stop.sh再刪除。)

 

• docker_container_xxxx_remove_folder.sh : 刪除使用者的資料夾。8001 為移除 user8001 的資料夾、9001 為移除 user9001~ user9003 的資料夾。

 

• docker_container_list.sh : 列出裝置目前已新增的容器。

 

 

4). 設定 Jupyterlab 密碼

 

開啟 JupyterLab 後，請開啟 LEADERG-AI-Zoo-Linux /solutions/readme.txt，按步驟進行即可完成設定密碼或重置密碼。

 

# Change container password by using terminal

jupyter notebook password

# Please use JupyterLab -> File -> Shut Down -> Shut Down to enable new password

# Remove docker_users/userxxx/.jupyter folder to reset password

 

 

設置密碼步驟示意圖如下：

 

 

 

 

 

 

 

 

[ 軟體下載連結 ] 

 

LEADERG AI Zoo - Windows 10 x64 版本下載：由以下網址下載後，請執行 exe 檔解壓縮，請注意解壓縮資料夾路徑不可有中文。

 

https://d.leaderg.com/api/ai-zoo/release

 

 

LEADERG AI Zoo - Ubuntu Linux 18.04 64 位元版下載：

 

請提供授權碼，寄 email 到 leaderg@leaderg.com 索取。

 

 

[ 軟體試用 ] 

 

本軟體為原始碼產品，恕不提供試用。

 

 

[ 客製化服務 ] 

 

可提供額外付費客製化服務，歡迎聯絡我們。