Decis Bildklassifizierungsmodelle wurden mit wesentlich weniger Rechenleistung als führende Technologien entdeckt

Das Deep-Learning-Unternehmen Deci, das darauf abzielt, künstliche Intelligenz zu nutzen, um künstliche Intelligenz zu entwickeln, hat die Entdeckung von Bildklassifizierungsmodellen namens DeciNets bekannt gegeben. Diese wurden durch Decis proprietäre Technologie für automatisierte neuronale Architekturkonstruktion (AutoNAC) entdeckt und benötigten zwei Größenordnungen weniger Rechenleistung als Google (GOOGL ) -Neural-Architecture-Search- (NAS-) Technologien. Die NAS-Technologien wurden zuvor verwendet, um neuronale Architekturen wie EfficientNet zu entdecken.

Es gab einen zunehmenden Trend zu größeren Deep-Learning-Modellen mit zunehmender algorithmischer Komplexität, der aus dem Wunsch nach verbesserter Genauigkeit und Leistung bei komplexeren Vorhersageaufgaben resultiert. Die Verfügbarkeit leistungsfähigerer Hardware und großer Datenmengen hat auch zu diesen neuen Deep-Learning-Modellen geführt.

Alternative Optionen für Entwickler

Diese Modelle sind jedoch nicht ideal für kostengünstige Inferenzoperationen in der Produktion. NAS könnte eine Rolle bei der Automatisierung des Designs effektiverer künstlicher neuronalen Netze spielen, die manuell entworfenen Architekturen überlegen sind, aber sie erfordern erhebliche Ressourcen. Die Unternehmen, die NAS erfolgreich implementieren konnten, sind oft massive Technologieunternehmen wie Google und Microsoft (MSFT ), sodass dies keine praktikable Option für die meisten Entwickler ist.

Deci hat sich zum Ziel gesetzt, dieses Problem zu lösen, indem es AutoNAC entwickelt hat, die erste kommerziell umsetzbare NAS. Sie ermöglicht es Entwicklern, Deep-Learning-Modelle automatisch zu entwerfen und zu erstellen, die andere Top-Architekturen überlegen sind. Entwickler können Parameter für bestimmte Aufgaben wie Klassifizierung und Erkennung festlegen und AutoNAC auf ihre Daten anwenden, um optimierte Modelle zu erhalten, die für die Produktion im großen Maßstab bereit sind.

Ein weiteres einzigartiges Merkmal von AutoNAC ist, dass es hardwarebewusst ist. Mit anderen Worten: Es kann die maximale Leistung aus jeder Hardware erzielen und Modelle in verschiedenen Umgebungen bereitstellen, wie z. B. Cloud, Edge und Mobile.

Yonatan Geifman ist Mitgründer und CEO von Deci.

“Künstliche Intelligenz treibt die nächste Generation der Computertechnologie voran – ohne leistungsfähigere und effizientere Modelle, die nahtlos auf jeder Hardware laufen, werden die alltäglichen Verbrauchstechnologien, die wir für selbstverständlich halten, an eine Grenze stoßen”, sagte Geifman. “Decis Ansatz ‘Künstliche Intelligenz, die künstliche Intelligenz entwickelt’ ist entscheidend, um die Modelle zu entsperren, die erforderlich sind, um eine neue Ära der Innovation zu entfesseln und Entwicklern die Werkzeuge zu liefern, die sie benötigen, um Ideen in revolutionäre Produkte umzusetzen.”

AutoNAC wurde auf mehrere Aufgaben angewendet, um Modelle über verschiedene Inferenzprozessoren wie NVIDIAs T4-GPU und NVIDIAs Jetson Xavier NX-Edge-GPU zu optimieren. AutoNAC entdeckte DeciNets für die Bildklassifizierung unter Verwendung des Standard-ImageNet-Benchmark-Datensatzes.

Andere Plattformen überbietend

Deci hat gezeigt, dass es in der Lage ist, andere Plattformen zu überbieten und bei der Erstellung seines DeciNets wesentlich weniger Rechenleistung zu verwenden, was bedeutet, dass Entwickler keine schweren Ressourcen benötigen. DeciNets konnten jeden bekannten Open-Source-Neural-Netz auf dem Markt überbieten, wie z. B. EfficientNets und MobileNets.

Prof. Ran El-Yaniv ist Mitgründer und Chief Scientist von Deci.

“AutoNAC hat einige der besten Klassifizierungs- und Erkennungsmodelle entdeckt, die es bisher gibt”, sagte Prof. Ran El-Yaniv. “Aber wir werden nicht damit aufhören; unsere Technologie kann für jede Deep-Learning-Aufgabe verwendet werden, sei es Vision oder Natural Language Processing (NLP), und für jedes messbare Optimierungsziel. Wir verbessern AutoNAC kontinuierlich, damit es Entwicklern immer ermöglicht, die leistungsfähigsten Modelle zu erhalten, die die effiziente Grenze durchbrechen.”

Deci wurde von Hewlett Packard Enterprise (HPE ) (HPE) als Mitglied ihres Technology Partner Programms zur Beschleunigung von KI-Innovationen benannt und wurde in die 2021 CB Insights AI 100 Liste als einer der Top-Deep-Learning-Acceleratoren aufgenommen. Die AutoNAC-Technologie wird in Produktionsumgebungen in verschiedenen Branchen implementiert.