Connect with us

рдкрд╛рдЗрдерди рд╕рдорд░реНрдерди рдХреЛ рдПрдмреАрдмреАрд╡рд╛рдИ рдХреЗ рдирд┐рдпреЛрдорд▓ рдУрдкрди-рд╕реЛрд░реНрд╕ рд▓рд╛рдЗрдмреНрд░реЗрд░реА рдореЗрдВ рдЬреЛрдбрд╝рд╛ рдЧрдпрд╛

рдХреГрддреНрд░рд┐рдо рдмреБрджреНрдзрд┐рдорддреНрддрд╛

рдкрд╛рдЗрдерди рд╕рдорд░реНрдерди рдХреЛ рдПрдмреАрдмреАрд╡рд╛рдИ рдХреЗ рдирд┐рдпреЛрдорд▓ рдУрдкрди-рд╕реЛрд░реНрд╕ рд▓рд╛рдЗрдмреНрд░реЗрд░реА рдореЗрдВ рдЬреЛрдбрд╝рд╛ рдЧрдпрд╛

mm

डिजिटल इंटेलिजेंस कंपनी एबीबीवाई ने अपने क्रॉस-प्लेटफ़ॉर्म, ओपन-सोर्स मशीन लर्निंग लाइब्रेरी नियोमल के लिए एक नए प्रमुख अपडेट की घोषणा की है। प्लेटफ़ॉर्म डेवलपर्स को मशीन लर्निंग मॉडल बनाने, प्रशिक्षित करने और तैनात करने में सक्षम बनाता है, और नए अपडेट में पाइथन प्रोग्रामिंग भाषा के लिए समर्थन जोड़ा गया है, जो मशीन लर्निंग और एआई के लिए शीर्ष भाषा है।

नया फ्रेमवर्क 5-10x गति सुधार और 20+ नए एमएल विधियों को भी शामिल करता है, जिनमें 10 नेटवर्क परतें और अनुकूलन विधियां शामिल हैं। नियोमल एप्पल एम1 चिप्स, लिनक्स-आधारित मशीनों पर जीपीयू, और इंटेल जीपीयू को सपोर्ट करता है, जिसका अर्थ है लाइब्रेरी के लिए पता योग्य उपयोग के मामलों और परिदृश्यों का विस्तार। इसका मतलब है कि डेवलपर्स फ्रेमवर्क का उपयोग एआई-संचालित अनुप्रयोगों और समाधानों को बनाने के लिए कर सकते हैं।

पाइथन की लोकप्रियता

पाइथन का उपयोग विभिन्न उद्योगों में स्वचालन, वेब विकास, स्क्रिप्टिंग, वेब स्क्रैपिंग, और डेटा विश्लेषण जैसे कार्यों के लिए किया जाता है। यह गूगल, पिंटरेस्ट, स्पॉटिफ़ी, ड्रॉपबॉक्स, और कई अन्य जैसी प्रमुख कंपनियों द्वारा उपयोग किया जाता है।

निजी क्षेत्र के बाहर, अकादमिक भी छात्रों को प्रोग्रामिंग सिखाने के लिए इसका उपयोग करता है। पाइथन की बहुमुखी प्रतिभा ही इसे इतनी उच्च लोकप्रियता देती है, और एबीबीवाई के नए विकास से डेवलपर्स और कंपनियों को नियोमल का उपयोग करके वस्तु पहचान, वर्गीकरण, सेमेंटिक सेगमेंटेशन, सत्यापन और पूर्वानुमान मॉडलिंग के लिए मॉडल बनाने, प्रशिक्षित करने और तैनात करने में सक्षम बनाता है।

नियोमल

नए गति सुधार के साथ, नियोमल उपलब्ध सबसे तेज़ मशीन लर्निंग फ्रेमवर्क में से एक है, जो क्लासिकल अल्गोरिदम के लिए 10 गुना तेज़ प्रदर्शन और पिछले फ्रेमवर्क की तुलना में 30% तेज़ न्यूरल नेटवर्क प्रशिक्षण और अनुमान प्रदान करता है।

दो शीर्ष ओपन-सोर्स मशीन लर्निंग लाइब्रेरी की तुलना में, नियोमल औसतन 50% तेज़ प्रदर्शन प्रदान करता है। इसके कारण, फ्रेमवर्क विशेष रूप से ग्राहक-सामने वाले, क्रॉस-प्लेटफ़ॉर्म अनुप्रयोगों के लिए उपयोगी है। नियोमल की उच्च क्लाउड दक्षता का अर्थ है कि व्यवसाय उपलब्ध क्लाउड संसाधनों का सबसे अच्छा संभव तरीके से उपयोग कर सकते हैं।

ब्रूस ऑरकट एबीबीवाई में सीनियर वाइस प्रेसिडेंट ऑफ प्रोडक्ट मार्केटिंग हैं।

“ओपन सोर्स तकनीकी नवाचार का एक शक्तिशाली चालक है। हम डेवलपर समुदाय के साथ मिलकर हमारे ओपन-सोर्स लाइब्रेरी को आगे बढ़ाने और सुधारने के लिए काम करके कृत्रिम बुद्धिमत्ता में प्रगति का समर्थन करना चाहते हैं,” ऑरकट ने कहा। “नियोमल डेवलपर्स को नए अवसर प्रदान करता है, जिससे वे प्रयोग कर सकते हैं, निर्माण कर सकते हैं और ग्राउंड-ब्रेकिंग पहल को लॉन्च कर सकते हैं, जबकि फ्रेमवर्क की उच्च अनुमान गति, प्लेटफ़ॉर्म स्वतंत्रता और मोबाइल डिवाइसों के समर्थन का लाभ उठा सकते हैं। हम सभी डेवलपर्स, डेटा वैज्ञानिकों और अकादमिक लोगों को नियोमल पर गिटहब का उपयोग करने और योगदान देने के लिए आमंत्रित करते हैं। ”

नियोमल विभिन्न प्रारूपों जैसे कि पाठ, छवि, वीडियो और अधिक में डेटा को संसाधित और विश्लेषण कर सकता है। मॉडल को क्लाउड, ऑन-प्रिमाइसेस, ब्राउज़र और डिवाइस पर लागू किया जा सकता है, और लाइब्रेरी सी++, जावा और ऑब्जेक्टिव सी प्रोग्रामिंग भाषाओं को सपोर्ट करती है। यह 20+ पारंपरिक एमएल अल्गोरिदम जैसे कि वर्गीकरण, प्रतिगमन, और क्लस्टरिंग फ्रेमवर्क प्रदान करता है।

न्यूरल नेटवर्क मॉडल 100 से अधिक परत प्रकारों को सपोर्ट करते हैं, और लाइब्रेरी क्रॉस-प्लेटफ़ॉर्म है, जो विंडोज, लिनक्स, मैकओएस, आईओएस और एंड्रॉइड जैसे ऑपरेटिंग सिस्टम पर चलने में सक्षम है, और यह सीपीयू और जीपीयू प्रोसेसर दोनों के लिए अनुकूलित है।

नियोमल का उपयोग यूएस, कनाडा, जर्मनी, नीदरलैंड, ब्राजील, चीन, भारत और दक्षिण कोरिया में डेवलपर्स द्वारा किया जा रहा है। फ्रेमवर्क गिटहब पर उपलब्ध है।

рдПрд▓реЗрдХреНрд╕ рдореИрдХрдлрд╛рд░рд▓реИрдВрдб рдПрдХ рдПрдЖрдИ рдкрддреНрд░рдХрд╛рд░ рдФрд░ рд▓реЗрдЦрдХ рд╣реИрдВ рдЬреЛ рдХреГрддреНрд░рд┐рдо рдмреБрджреНрдзрд┐рдорддреНрддрд╛ рдореЗрдВ рдирд╡реАрдирддрдо рд╡рд┐рдХрд╛рд╕реЛрдВ рдХрд╛ рдЕрдиреНрд╡реЗрд╖рдг рдХрд░ рд░рд╣реЗ рд╣реИрдВред рдЙрдиреНрд╣реЛрдВрдиреЗ рд╡рд┐рд╢реНрд╡рднрд░ рдХреЗ рдХрдИ рдПрдЖрдИ рд╕реНрдЯрд╛рд░реНрдЯрдЕрдкреНрд╕ рдФрд░ рдкреНрд░рдХрд╛рд╢рдиреЛрдВ рдХреЗ рд╕рд╛рде рд╕рд╣рдпреЛрдЧ рдХрд┐рдпрд╛ рд╣реИред