Python-Unterstützung für ABBYYs Open-Source-Bibliothek NeoML hinzugefügt

Das Unternehmen für digitale Intelligenz ABBYY hat ein wichtiges Update für seine plattformübergreifende, open-source-Machine-Learning-Bibliothek NeoML angekündigt. Die Plattform ermöglicht es Entwicklern, Machine-Learning-Modelle zu erstellen, zu trainieren und zu bereitstellen, und das neue Update bringt Unterstützung für die Programmiersprache Python, die führende Sprache für Machine Learning und künstliche Intelligenz.

Das neue Framework beinhaltet auch 5-10-mal schnellere Verbesserungen und 20+ neue ML-Methoden, einschließlich 10 Netzwerkschichten und Optimierungsmethoden. NeoML unterstützt Apple (AAPL ) M1-Chips, GPU auf Linux-basierten Maschinen und Intel (INTC ) GPU, was eine Erweiterung der ansprechbaren Anwendungsfälle und Szenarien für die Bibliothek bedeutet. Es bedeutet auch, dass Entwickler das Framework verwenden können, um künstliche Intelligenz-basierte Anwendungen und Lösungen zu erstellen.

Die Popularität von Python

Python wird in verschiedenen Branchen für Aufgaben wie Automatisierung, Webentwicklung, Skripting, Web-Scraping und Datenanalyse verwendet. Es wird von großen Unternehmen wie Google (GOOGL ), Pinterest, Spotify, Dropbox (DBX ) und vielen anderen verwendet.

Außerhalb des privaten Sektors wird es auch in der Wissenschaft verwendet, um Studenten das Programmieren beizubringen. Die Vielseitigkeit von Python ist es, was ihm eine so hohe Popularität verleiht, und die neue Entwicklung von ABBYY ermöglicht es Entwicklern und Unternehmen, NeoML zu verwenden, um Modelle für Objekterkennung, Klassifizierung, semantische Segmentierung, Verifizierung und Vorhersagemodellierung zu erstellen, zu trainieren und bereitzustellen.

NeoML

Mit den neuen Geschwindigkeitsverbesserungen ist NeoML eines der schnellsten Machine-Learning-Frameworks, das bis zu 10-mal schnellere Leistung für klassische Algorithmen und bis zu 30% schnellere neuronale Netzwerk-Trainings- und Inferenzleistung als das vorherige Framework bietet.

Im Vergleich zu den beiden führenden open-source-Machine-Learning-Bibliotheken bietet NeoML durchschnittlich 50% schnellere Leistung. Aufgrund dessen ist das Framework besonders nützlich für kundenorientierte, plattformübergreifende Anwendungen. Die hohe Cloud-Effizienz von NeoML bedeutet, dass Unternehmen die verfügbaren Cloud-Ressourcen auf die beste Weise nutzen können.

Bruce Orcutt ist Senior Vice President of Product Marketing bei ABBYY.

“Open Source ist ein mächtiger Treiber der technologischen Innovation. Wir zielen darauf ab, die Fortschritte im Bereich künstlicher Intelligenz zu unterstützen, indem wir mit der Entwickler-Community zusammenarbeiten, um unsere Open-Source-Bibliothek weiter zu entwickeln und zu verbessern”, sagte Orcutt. “NeoML eröffnet neue Möglichkeiten für Entwickler, die experimentieren, aufbauen und bahnbrechende Initiativen starten können, während sie die Vorteile der hohen Inferenzgeschwindigkeit, der Plattformunabhängigkeit und der Unterstützung für mobile Geräte nutzen. Wir laden alle Entwickler, Data-Scientist und Wissenschaftler ein, NeoML auf GitHub zu verwenden und beizutragen.”

NeoML kann Daten in verschiedenen Formaten wie Text, Bild, Video und mehr verarbeiten und analysieren. Modelle können in der Cloud, on-premises, im Browser und auf Geräten angewendet werden, und die Bibliothek unterstützt die Programmiersprachen C++, Java und Objective C. Sie bietet auch 20+ traditionelle ML-Algorithmen wie Klassifizierung, Regression und Clustering-Framework.

Die neuronalen Netzwerk-Modelle von NeoML unterstützen mehr als 100 Schichttypen, und die Bibliothek ist plattformübergreifend, kann auf Betriebssystemen wie Windows, Linux, macOS, iOS und Android ausgeführt werden und ist für beide CPU- und GPU-Prozessoren optimiert.

NeoML wird bereits von Entwicklern in den USA, Kanada, Deutschland, den Niederlanden, Brasilien, China, Indien und Südkorea verwendet. Das Framework ist auf GitHub verfügbar.