Modelos de clasificación de imágenes de Deci descubiertos utilizando mucha menos potencia de cómputo que la tecnología líder

La empresa de aprendizaje profundo Deci, que tiene como objetivo aprovechar el IA para construir el IA, ha anunciado el descubrimiento de modelos de clasificación de imágenes llamados DeciNets. Fueron descubiertos a través de la tecnología de construcción automática de arquitectura neuronal (AutoNAC) propiedad de Deci, y requirió dos órdenes de magnitud menos de potencia de cómputo que las tecnologías de búsqueda de arquitectura neuronal (NAS) a escala de Google. Las tecnologías NAS se utilizaron anteriormente para descubrir arquitecturas neuronales como EfficientNet.

Ha habido un aumento en la búsqueda de modelos de aprendizaje profundo más grandes con una complejidad algorítmica creciente, lo que se debe al deseo de una mayor precisión y rendimiento con tareas de predicción más complejas. La disponibilidad de hardware más potente y grandes cantidades de datos también ha llevado a estos nuevos modelos de aprendizaje profundo. 

Opciones alternativas para desarrolladores

Sin embargo, estos modelos no son ideales para operaciones de inferencia rentables en producción. La NAS podría desempeñar un papel en la automatización del diseño de redes neuronales artificiales más efectivas, que pueden superar a las arquitecturas diseñadas manualmente, pero requieren recursos significativos. Las empresas que han podido implementar con éxito la NAS son a menudo organizaciones tecnológicas masivas como Google y Microsoft, por lo que no es una opción viable para la mayoría de los desarrolladores.

Deci se propuso remediar este problema desarrollando AutoNAC, que es la primera NAS comercialmente viable. Permite a los desarrolladores diseñar y construir automáticamente modelos de aprendizaje profundo que pueden superar a otras arquitecturas de alta calidad. Los desarrolladores pueden establecer parámetros para tareas específicas, como clasificación y detección, y pueden aplicar AutoNAC a su conjunto de datos, lo que les permite obtener modelos optimizados listos para la producción a gran escala. 

Otro aspecto único de AutoNAC es que es consciente del hardware. En otras palabras, puede lograr el máximo rendimiento de cualquier hardware y desplegar modelos en una variedad de entornos, como la nube, el borde y el móvil.

Yonatan Geifman es cofundador y CEO de Deci. 

“El aprendizaje profundo está impulsando la próxima generación de computación: sin modelos más eficientes y de mayor rendimiento que se ejecuten sin problemas en cualquier hardware, las tecnologías de consumo que damos por sentadas todos los días llegarán a un límite”, dijo Geifman. “El enfoque de Deci de ‘IA que construye IA’ es crucial para desbloquear los modelos necesarios para desencadenar una nueva era de innovación, empoderando a los desarrolladores con las herramientas necesarias para transformar ideas en productos revolucionarios”. 

AutoNAC se aplicó en varias tareas para optimizar modelos sobre varios procesadores de inferencia, como la GPU T4 de NVIDIA y la GPU de borde Jetson Xavier NX de NVIDIA. AutoNAC descubrió DeciNets para la clasificación de imágenes utilizando el conjunto de datos de referencia estándar ImageNet. 

Superando otras plataformas

Deci demostró la capacidad de superar a otras plataformas y utilizar mucha menos computación al generar su DeciNet, lo que significa que los desarrolladores no necesitan recursos pesados en el proceso. Los DeciNets pudieron superar a cualquier red neuronal de código abierto conocida disponible en el mercado, como EfficientNets y MobileNets. 

El profesor Ran El-Yaniv es cofundador y científico jefe de Deci. 

“AutoNAC descubrió algunos de los mejores modelos de clasificación y detección hasta la fecha”, dijo el profesor Ran El-Yaniv. “Pero no nos detendremos ahí; nuestra tecnología se puede utilizar para cualquier tarea de aprendizaje profundo, ya sea visión o Procesamiento de Lenguaje Natural (NLP), y para cada objetivo de optimización medible. Continuamente mejoramos AutoNAC para que siempre permita a los desarrolladores obtener los modelos más potentes que rompen la frontera eficiente”. 

Deci fue nombrada por Hewlett Packard Enterprise (HPE) como miembro de su Programa de socios tecnológicos para acelerar la innovación en IA, y se incluyó en la lista de los 100 mejores startups de IA de CB Insights de 2021 como uno de los principales aceleradores de aprendizaje profundo. La tecnología AutoNAC se está implementando en entornos de producción en various industrias.