I modelli di classificazione delle immagini di Deci scoperti utilizzando molto meno potere di calcolo rispetto alle principali tecnologie

L’azienda di apprendimento profondo Deci, che mira a sfruttare l’AI per costruire l’AI, ha annunciato la scoperta di modelli di classificazione delle immagini chiamati DeciNets. Sono stati scoperti attraverso la tecnologia proprietaria di Deci, Automated Neural Architecture Construction (AutoNAC), e hanno richiesto due ordini di grandezza meno di potere di calcolo rispetto alle tecnologie Google-scale Neural Architecture Search (NAS). Le tecnologie NAS sono state utilizzate in precedenza per scoprire architetture neurali come EfficientNet.

C’è stata una spinta crescente per modelli di apprendimento profondo più grandi con una complessità algoritmica crescente, che deriva dal desiderio di una maggiore accuratezza e prestazioni con compiti di previsione più complessi. La disponibilità di hardware più potente e di grandi dati ha anche portato a questi nuovi modelli di apprendimento profondo.

Opzioni alternative per gli sviluppatori

Tuttavia, questi modelli non sono ideali per operazioni di inferenza efficienti in produzione. NAS potrebbe svolgere un ruolo nell’automatizzazione della progettazione di reti neurali artificiali più efficaci, che possono superare le architetture progettate manualmente, ma richiedono risorse significative. Le aziende che sono riuscite a implementare con successo NAS sono spesso grandi organizzazioni tecnologiche come Google e Microsoft, quindi non è un’opzione praticabile per la maggior parte degli sviluppatori.

Deci ha cercato di risolvere questo problema sviluppando AutoNAC, che è il primo NAS commercialmente fattibile. Consente agli sviluppatori di progettare e costruire automaticamente modelli di apprendimento profondo che possono superare altre architetture di alto livello. Gli sviluppatori possono impostare parametri per compiti specifici, come la classificazione e la rilevazione, e possono applicare AutoNAC al loro set di dati, consentendo loro di ottenere modelli ottimizzati pronti per la produzione su larga scala.

Un altro aspetto unico di AutoNAC è che è consapevole dell’hardware. In altre parole, può raggiungere le prestazioni massime con qualsiasi hardware e distribuire modelli in una varietà di ambienti, come cloud, edge e mobile.

Yonatan Geifman è co-fondatore e CEO di Deci.

“L’apprendimento profondo sta alimentando la prossima generazione di calcolo – senza modelli più performanti e più efficienti che funzionano senza problemi su qualsiasi hardware, le tecnologie consumer che diamo per scontate ogni giorno raggiungeranno un limite”, ha detto Geifman. “L’approccio ‘AI che costruisce AI’ di Deci è cruciale per sbloccare i modelli necessari per scatenare una nuova era di innovazione, dotando gli sviluppatori degli strumenti necessari per trasformare le idee in prodotti rivoluzionari.”

AutoNAC è stato applicato a diversi compiti per ottimizzare i modelli su vari processori di inferenza, come NVIDIA’s T4 GPU e NVIDIA’s Jetson Xavier NX edge GPU. AutoNAC ha scoperto DeciNets per la classificazione delle immagini utilizzando il set di dati ImageNet standard.

Superando altre piattaforme

Deci ha dimostrato la capacità di superare altre piattaforme e utilizzare molto meno calcolo durante la generazione del suo DeciNet, il che significa che gli sviluppatori non hanno bisogno di risorse pesanti nel processo. DeciNets sono stati in grado di superare qualsiasi rete neurale open-source disponibile sul mercato, come EfficientNets e MobileNets.

Prof. Ran El-Yaniv è co-fondatore e Chief Scientist di Deci.

“AutoNAC ha scoperto alcuni dei migliori modelli di classificazione e rilevamento fino ad oggi”, ha detto Prof. Ran El-Yaniv. “Ma non ci fermeremo qui; la nostra tecnologia può essere utilizzata per qualsiasi compito di apprendimento profondo, sia visione che Natural Language Processing (NLP), e per ogni obiettivo di ottimizzazione misurabile. Continuiamo a migliorare AutoNAC in modo che consenta sempre agli sviluppatori di ottenere i modelli più potenti che superano il limite di efficienza.”

Deci è stato nominato da Hewlett Packard Enterprise (HPE) come membro del loro Technology Partner Program per accelerare l’innovazione AI, ed è stato incluso nella lista CB Insights AI 100 del 2021 come uno dei migliori acceleratori di apprendimento profondo. La tecnologia AutoNAC è stata implementata in diversi settori in ambienti di produzione.