Odkryto modele klasyfikacji obrazów Deci przy użyciu znacznie mniejszej mocy obliczeniowej niż wiodąca technologia

Firma Deep Learning Decy, której celem jest wykorzystanie sztucznej inteligencji do budowy sztucznej inteligencji, ogłosiła odkrycie modeli klasyfikacji obrazów zwanych DeciNets. Zostały one odkryte dzięki zastrzeżonej przez firmę Deci technologii Automated Neural Architecture Construction (AutoNAC), która wymagała o dwa rzędy wielkości mniejszej mocy obliczeniowej niż technologie wyszukiwania architektury neuronowej (NAS) w skali Google. Technologie NAS były wcześniej wykorzystywane do odkrywania architektur neuronowych, takich jak EfficientNet.

Zwiększa się nacisk na większe modele głębokiego uczenia się o rosnącej złożoności algorytmicznej, co wynika z chęci poprawy dokładności i wydajności w przypadku bardziej złożonych zadań predykcyjnych. Dostępność wydajniejszego sprzętu i dużych zbiorów danych również doprowadziła do powstania nowych modeli głębokiego uczenia się. 

Alternatywne opcje dla programistów

Jednakże modele te nie są idealne do opłacalnych operacji wnioskowania w produkcji. NAS mógłby odegrać rolę w automatyzacji projektowania bardziej efektywnych sztucznych sieci neuronowych, które mogą przewyższać architektury projektowane ręcznie, ale wymagają znacznych zasobów. Firmy, które z sukcesem wdrożyły NAS, to często ogromne organizacje technologiczne, takie jak Google i Microsoft, więc dla większości programistów nie jest to realna opcja.

Deci postanowił zaradzić temu problemowi, opracowując AutoNAC, który jest pierwszym komercyjnie opłacalnym serwerem NAS. Umożliwia programistom automatyczne projektowanie i budowanie modeli głębokiego uczenia się, które mogą przewyższać inne najlepsze architektury. Programiści mogą ustawiać parametry dla konkretnych zadań, takich jak klasyfikacja i wykrywanie, a także mogą zastosować AutoNAC do swojego zbioru danych, umożliwiając im uzyskanie zoptymalizowanych modeli gotowych do produkcji na dużą skalę. 

Kolejną wyjątkową cechą AutoNAC jest to, że obsługuje on sprzęt. Innymi słowy, może osiągnąć maksymalną wydajność dowolnego sprzętu i wdrażać modele w różnych środowiskach, takich jak chmura, brzeg i urządzenia mobilne.

Yonatan Geifman jest współzałożycielem i dyrektorem generalnym Deci. 

„Głębokie uczenie się napędza obliczenia nowej generacji. Bez wydajniejszych i wydajniejszych modeli, które płynnie działają na każdym sprzęcie, technologie konsumenckie, które na co dzień przyjmujemy za oczywiste, osiągną barierę” – powiedział Geifman. „Podejście Deci oparte na sztucznej inteligencji, która buduje sztuczną inteligencję ma kluczowe znaczenie w odblokowaniu modeli potrzebnych do rozpętania nowej ery innowacji, zapewniając programistom narzędzia niezbędne do przekształcania pomysłów w rewolucyjne produkty”. 

AutoNAC zastosowano w kilku zadaniach w celu optymalizacji modeli na różnych procesorach wnioskowania, takich jak procesor graficzny NVIDIA T4 i procesor graficzny NVIDIA Jetson Xavier NX Edge. AutoNAC odkrył DeciNets do klasyfikacji obrazów przy użyciu standardowego zestawu danych porównawczych ImageNet. 

Wyprzedza inne platformy

Deci wykazał zdolność do przewyższania innych platform i wykorzystywania znacznie mniej obliczeń podczas generowania DeciNet, co oznacza, że ​​programiści nie potrzebują w tym procesie dużych zasobów. Sieci DeciNet były w stanie przewyższyć każdą znaną sieć neuronową typu open source dostępną na rynku, taką jak EfficientNets i MobileNets. 

Prof. Ran El-Yaniv jest współzałożycielem i głównym naukowcem Deci. 

„AutoNAC odkrył jedne z najlepszych jak dotąd modeli klasyfikacji i wykrywania” – powiedział prof. Ran El-Yaniv. „Ale na tym nie poprzestaniemy; naszą technologię można wykorzystać do każdego zadania głębokiego uczenia się, czy to wizji, czy przetwarzania języka naturalnego (NLP), i do każdego mierzalnego celu optymalizacji. Stale udoskonalamy AutoNAC, aby zawsze umożliwiał programistom uzyskanie najpotężniejszych modeli, które przełamują granicę wydajności.

Firma Deci została uznana przez firmę Hewlett Packard Enterprise (HPE) za członka programu partnerów technologicznych mającego na celu przyspieszenie innowacji w zakresie sztucznej inteligencji i znalazła się na liście Lista 2021 CB Insights AI 100 jako czołowy akcelerator głębokiego uczenia się. Technologia AutoNAC jest wdrażana w różnych branżach w środowiskach produkcyjnych.