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

Das Unternehmen für digitale Intelligenz ABBYY hat ein wichtiges Update für seine plattformübergreifende, open-source-Maschinenlernbibliothek NeoML angekündigt. Die Plattform ermöglicht es Entwicklern, Maschinenlernmodelle zu erstellen, zu trainieren und zu bereitstellen, und das neue Update bringt die Unterstützung für die Programmiersprache Python, die die führende Sprache für Maschinenlernen und KI ist.

Das neue Framework umfasst auch 5-10-mal schnellere Verbesserungen und mehr als 20 neue ML-Methoden, darunter 10 Netzwerkschichten und Optimierungsmethoden. NeoML unterstützt Apple M1-Chips, GPU auf Linux-basierten Maschinen und Intel 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 Beliebtheit 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, Pinterest, Spotiffy, Dropbox und vielen anderen verwendet.

Außerhalb des privaten Sektors wird es auch in der Akademie verwendet, um Studenten das Programmieren beizubringen. Pythons Vielseitigkeit ist es, die ihm eine so hohe Beliebtheit verleiht, und ABBYYs neue Entwicklung 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 Maschinenlernframeworks, das bis zu 10-mal schnellere Leistung für klassische Algorithmen und bis zu 30% schnellere neuronale Netzwerktrainings und -inferenz bietet als das vorherige Framework.

Im Vergleich zu den zwei führenden Open-Source-Maschinenlernbibliotheken bietet NeoML durchschnittlich 50% schnellere Leistung. Aufgrund dessen ist das Framework besonders nützlich für kundenorientierte, plattformübergreifende Anwendungen. NeoMLs hohe Cloud-Effizienz ermöglicht es Unternehmen, verfügbare Cloud-Ressourcen auf beste Weise zu nutzen.

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

“Open Source ist ein mächtiger Treiber technologischer Innovation. Wir zielen darauf ab, Fortschritte im Bereich künstlicher Intelligenz zu unterstützen, indem wir mit der Entwicklergemeinschaft zusammenarbeiten, um unsere Open-Source-Bibliothek weiter zu wachsen und zu verbessern”, sagte Orcutt. “NeoML eröffnet neue Möglichkeiten für Entwickler, die es ihnen ermöglichen, zu experimentieren, zu bauen und bahnbrechende Initiativen zu starten, während sie die Vorteile der hohen Inferenzgeschwindigkeit, der Plattformunabhängigkeit und der Unterstützung für mobile Geräte nutzen. Wir laden alle Entwickler, Data-Scientist und die Akademie 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 mehr als 20 traditionelle ML-Algorithmen wie Klassifizierung, Regression und Clustering-Framework.

Die neuronalen Netzwerkmodelle 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 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.