Python-understøttelse tilføjet til ABBYY’s NeoML Open-Source Library

Det digitale intelligensselskab ABBYY har annonceret en ny stor opdatering til deres cross-platform, open-source machine learning-bibliotek NeoML. Platformen giver udviklere mulighed for at bygge, træne og implementere machine learning-modeller, og den nye opdatering tilføjer understøttelse for programmeringssproget Python, som er det mest brugte sprog til machine learning og AI.

Det nye framework omfatter også 5-10 gange hurtigere forbedringer og 20+ nye ML-metoder, herunder 10 netværkslag og optimeringsmetoder. NeoML understøtter Apple (AAPL ) M1-chip, GPU på Linux-baserede maskiner og Intel (INTC ) GPU, hvilket betyder en udvidelse af tilgængelige brugsområder og scenarier for biblioteket. Det betyder også, at udviklere kan bruge frameworket til at bygge AI-drevne applikationer og løsninger.

Pythons popularitet

Python bruges i forskellige brancher til opgaver som automatisering, webudvikling, scripting, web-scraping og dataanalyse. Det bruges af store virksomheder som Google (GOOGL ), Pinterest, Spotify, Dropbox (DBX ) og mange andre.

Udenfor den private sektor bruger akademiet også Python til at undervise studerende i programmering. Pythons fleksibilitet er det, der giver det så høj popularitet, og ABBYY’s nye udvikling giver udviklere og virksomheder mulighed for at bruge NeoML til at bygge, træne og implementere modeller til objektidentifikation, klassifikation, semantisk segmentering, verificering og prædictiv modellering.

NeoML

Med de nye forbedringer er NeoML en af de hurtigste machine learning-frameworks til rådighed, med op til 10 gange hurtigere præstation for klassiske algoritmer og op til 30% hurtigere neuralt netværkstræning og inferens end det tidligere framework.

Når det sammenlignes med de to bedste open-source machine learning-biblioteker, tilbyder NeoML 50% hurtigere præstation i gennemsnit. Det gør frameworket særligt nyttigt for kundeorienterede, cross-platform-applikationer. NeoML’s høje cloud-effektivitet betyder, at virksomheder kan bruge tilgængelige cloud-resourcer på bedst mulig vis.

Bruce Orcutt er Senior Vice President of Product Marketing i ABBYY.

“Open source er en kraftfuld driver af teknologisk innovation. Vi sigter mod at støtte fremskridt i kunstig intelligens ved at arbejde sammen med udviklerfællesskabet for at yderligere udvikle og forbedre vores open-source-bibliotek,” sagde Orcutt. “NeoML åbner nye muligheder for udviklere, så de kan eksperimentere, bygge og lancere banebrydende initiativer, mens de udnytter frameworkets høje inferenshastighed, platformuafhængighed og understøttelse for mobile enheder. Vi inviterer alle udviklere, datavidenskabsmænd og akademikere til at bruge og bidrage til NeoML på GitHub.”

NeoML kan behandle og analysere data i forskellige formater, såsom tekst, billeder, video og mere. Modeller kan anvendes i cloud, på lokalt niveau, i browseren og på enheden, og biblioteket understøtter C++, Java og Objective C-programmeringssprog. Det tilbyder også 20+ traditionelle ML-algoritmer som klassifikation, regression og klustering-ramme.

Frameworkets neurale netværksmodeller understøtter mere end 100 lagtyper, og biblioteket er cross-platform, hvilket betyder, at det kan køres på operativsystemer som Windows, Linux, macOS, iOS og Android, og det er optimeret til både CPU- og GPU-processorer.

NeoML bruges allerede af udviklere i USA, Canada, Tyskland, Holland, Brasilien, Kina, Indien og Sydkorea. Frameworket er tilgængeligt på GitHub.