Modelli e piattaforme di IA
I modelli di classificazione delle immagini di Deci scoperti utilizzando molto meno potere di calcolo rispetto alle principali tecnologie
Aggiungi Unite.AI alle tue fonti preferite su Google
La società di deep learning 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 chiamata Automated Neural Architecture Construction (AutoNAC) e hanno richiesto due ordini di grandezza meno potere di calcolo rispetto alle tecnologie Google (GOOGL ) -scale Neural Architecture Search (NAS). Le tecnologie NAS erano state utilizzate in precedenza per scoprire architetture neurali come EfficientNet.
C’è stato un aumento della spinta per modelli di deep learning 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 big data ha anche portato a questi nuovi modelli di deep learning.
Opzioni alternative per gli sviluppatori
Tuttavia, questi modelli non sono ideali per operazioni di inferenza a basso costo 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 società che sono state in grado di implementare con successo NAS sono spesso grandi organizzazioni tecnologiche come Google e Microsoft (MSFT ), quindi non è un’opzione fattibile 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 deep learning che possono superare altre architetture di alto livello. Gli sviluppatori possono impostare parametri per compiti specifici, come classificazione e rilevamento, 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 ottenere prestazioni massime da qualsiasi hardware e distribuire modelli in una varietà di ambienti, come cloud, edge e mobile.
Yonatan Geifman è co-fondatore e CEO di Deci.
“Il deep learning sta alimentando la prossima generazione di calcolo – senza modelli più performanti e più efficienti che funzionano senza problemi su qualsiasi hardware, le tecnologie dei consumatori che diamo per scontate ogni giorno raggiungeranno un ostacolo”, ha detto Geifman. “L’approccio ‘AI che costruisce AI’ di Deci è cruciale nell’aprire i modelli necessari per sbloccare una nuova era di innovazione, fornendo agli sviluppatori gli 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 la GPU T4 di NVIDIA (NVDA ) e la GPU edge Jetson Xavier NX di NVIDIA. AutoNAC ha scoperto DeciNets per la classificazione delle immagini utilizzando il set di dati di riferimento standard ImageNet.
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. I DeciNets sono stati in grado di superare qualsiasi rete neurale open-source conosciuta sul mercato, come EfficientNets e MobileNets.
Il 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 il prof. Ran El-Yaniv. “Ma non ci fermeremo lì; la nostra tecnologia può essere utilizzata per qualsiasi compito di deep learning, sia esso visione o elaborazione del linguaggio naturale (NLP), e per ogni obiettivo di ottimizzazione misurabile. Continuiamo a migliorare AutoNAC in modo che permetta sempre agli sviluppatori di ottenere i modelli più potenti che rompono il confine dell’efficienza”.
Deci è stato nominato da Hewlett Packard Enterprise (HPE ) (HPE) come membro del loro Technology Partner Program per accelerare l’innovazione dell’AI e è stato incluso nella lista CB Insights AI 100 del 2021 come uno dei migliori acceleratori di deep learning. La tecnologia AutoNAC sta essere implementata in diversi settori in ambienti di produzione.
