Обнаружены модели классификации изображений Деси, использующие гораздо меньшую вычислительную мощность, чем передовые технологии

Компания глубокого обучения дей, которая стремится использовать ИИ для создания ИИ, объявила об открытии моделей классификации изображений, называемых DeciNets. Они были обнаружены с помощью запатентованной Deci технологии Automated Neural Architecture Construction (AutoNAC), которая потребовала на два порядка меньше вычислительной мощности, чем технологии поиска нейронной архитектуры (NAS) масштаба Google. Технологии NAS ранее использовались для обнаружения нейронных архитектур, таких как EfficientNet.

Возрастает стремление к более крупным моделям глубокого обучения с возрастающей алгоритмической сложностью, что связано со стремлением к повышению точности и производительности с более сложными задачами прогнозирования. Доступность более мощного оборудования и больших данных также привела к появлению этих новых моделей глубокого обучения. 

Альтернативные варианты для разработчиков

Однако эти модели не идеальны для экономичных операций вывода в производстве. NAS может сыграть роль в автоматизации проектирования более эффективных искусственных нейронных сетей, которые могут превзойти по производительности архитектуры, спроектированные вручную, но они требуют значительных ресурсов. Компании, которым удалось успешно внедрить NAS, часто представляют собой крупные технологические организации, такие как Google и Microsoft, поэтому для большинства разработчиков это неподходящий вариант.

Деси решил решить эту проблему, разработав AutoNAC, первый коммерчески жизнеспособный NAS. Это позволяет разработчикам автоматически проектировать и создавать модели глубокого обучения, которые могут превзойти другие ведущие архитектуры. Разработчики могут задавать параметры для конкретных задач, таких как классификация и обнаружение, а также применять AutoNAC к своим наборам данных, что позволяет им получать оптимизированные модели, готовые к производству в любом масштабе. 

Еще одним уникальным аспектом AutoNAC является то, что он поддерживает аппаратное обеспечение. Другими словами, он может достичь максимальной производительности на любом оборудовании и развертывать модели в различных средах, таких как облачная, периферийная и мобильная.

Йонатан Гейфман — соучредитель и генеральный директор Deci. 

«Глубокое обучение лежит в основе вычислений следующего поколения — без более производительных и эффективных моделей, которые без проблем работают на любом оборудовании, потребительские технологии, которые мы воспринимаем как должное каждый день, достигнут барьера», — сказал Гейфман. «Подход Деси «ИИ, который создает ИИ» имеет решающее значение для раскрытия моделей, необходимых для открытия новой эры инноваций, предоставляя разработчикам инструменты, необходимые для преобразования идей в революционные продукты». 

AutoNAC применялся в нескольких задачах для оптимизации моделей на различных процессорах логических выводов, таких как графический процессор NVIDIA T4 и графический процессор Jetson Xavier NX Edge от NVIDIA. AutoNAC обнаружил DeciNets для классификации изображений, используя стандартный набор данных эталонных тестов ImageNet. 

Превзойти другие платформы

Deci продемонстрировала способность превосходить другие платформы и использовать гораздо меньше вычислений при создании своей DeciNet, а это означает, что разработчикам не нужны большие ресурсы в этом процессе. DeciNets смогли превзойти любую известную нейронную сеть с открытым исходным кодом, доступную на рынке, такую ​​как EfficientNets и MobileNets. 

Профессор Ран Эль-Янив является соучредителем и главным научным сотрудником Deci. 

«AutoNAC обнаружил одни из лучших на сегодняшний день моделей классификации и обнаружения», — сказал профессор Ран Эль-Янив. «Но мы не остановимся на достигнутом; нашу технологию можно использовать для любой задачи глубокого обучения, будь то видение или обработка естественного языка (НЛП), а также для каждой измеримой цели оптимизации. Мы постоянно совершенствуем AutoNAC, чтобы он всегда позволял разработчикам получать самые мощные модели, которые выходят за рамки эффективности».

Компания Hewlett Packard Enterprise (HPE) назвала Deci участником своей программы технологических партнеров для ускорения инноваций в области искусственного интеллекта, и она была включена в список 2021 CB Insights AI 100 Список как лучший ускоритель глубокого обучения. Технология AutoNAC внедряется в различных отраслях в производственной среде.