Decijevi modeli klasifikacije slik, odkriti z veliko manjšo računalniško močjo kot vodilna tehnologija

Podjetje za globoko učenje tukaj, katerega namen je izkoristiti AI za izdelavo AI, je napovedal odkritje modelov za klasifikacijo slik, imenovanih DeciNets. Odkrili so jih z Decijevo lastniško tehnologijo AutoNAC (Automated Neural Architecture Construction), ki je zahtevala dva reda velikosti manj računalniške moči kot Googlove tehnologije Neural Architecture Search (NAS). Tehnologije NAS so bile prej uporabljene za odkrivanje nevronskih arhitektur, kot je EfficientNet.

Prišlo je do povečanega pritiska na večje modele globokega učenja z naraščajočo algoritemsko kompleksnostjo, ki izhaja iz želje po izboljšani natančnosti in zmogljivosti z bolj zapletenimi nalogami napovedovanja. Razpoložljivost zmogljivejše strojne opreme in velikih podatkov je privedla tudi do teh novih modelov globokega učenja. 

Alternativne možnosti za razvijalce

Vendar ti modeli niso idealni za stroškovno učinkovite operacije sklepanja v proizvodnji. NAS bi lahko igral vlogo pri avtomatiziranju oblikovanja učinkovitejših umetnih nevronskih mrež, ki lahko prekašajo ročno oblikovane arhitekture, vendar zahtevajo precejšnja sredstva. Podjetja, ki jim je uspelo uspešno implementirati NAS, so pogosto ogromne tehnološke organizacije, kot sta Google in Microsoft, zato za večino razvijalcev to ni izvedljiva možnost.

Deci se je odločil odpraviti to težavo z razvojem AutoNAC, ki je prvi komercialno uspešen NAS. Razvijalcem omogoča samodejno načrtovanje in izdelavo modelov globokega učenja, ki lahko prekašajo druge vrhunske arhitekture. Razvijalci lahko nastavijo parametre za posebne naloge, kot sta razvrščanje in odkrivanje, in lahko uporabijo AutoNAC za svoj nabor podatkov, kar jim omogoča pridobitev optimiziranih modelov, pripravljenih za proizvodnjo v velikem obsegu. 

Drug edinstven vidik AutoNAC-a je, da se zaveda strojne opreme. Z drugimi besedami, lahko doseže največjo zmogljivost iz katere koli strojne opreme in uvede modele v različnih okoljih, kot so oblak, rob in mobilno okolje.

Yonatan Geifman je soustanovitelj in izvršni direktor podjetja Deci. 

»Globoko učenje poganja naslednjo generacijo računalništva – brez zmogljivejših in učinkovitejših modelov, ki brezhibno delujejo na kateri koli strojni opremi, bodo potrošniške tehnologije, ki jih vsak dan jemljemo za samoumevne, dosegle oviro,« je dejal Geifman. "Decijev pristop 'AI, ki gradi AI' je ključnega pomena pri odklepanju modelov, potrebnih za sprostitev nove dobe inovacij, ki razvijalcem dajejo orodja, potrebna za preoblikovanje idej v revolucionarne izdelke." 

AutoNAC je bil uporabljen pri več nalogah za optimizacijo modelov prek različnih inferenčnih procesorjev, kot sta grafični procesor NVIDIA T4 in grafični procesor NVIDIA Jetson Xavier NX edge. AutoNAC je odkril DeciNets za klasifikacijo slik z uporabo standardnega nabora primerjalnih podatkov ImageNet. 

Presega druge platforme

Deci je pokazal sposobnost, da prekaša druge platforme in porabi veliko manj računalništva pri ustvarjanju svojega DeciNet, kar pomeni, da razvijalci v procesu ne potrebujejo velikih virov. DeciNets je uspelo preseči katero koli znano odprtokodno nevronsko mrežo, ki je na voljo na trgu, kot sta EfficientNets in MobileNets. 

Prof. Ran El-Yaniv je soustanovitelj in glavni znanstvenik podjetja Deci. 

"AutoNAC je odkril nekaj najboljših modelov za razvrščanje in odkrivanje doslej," je dejal prof. Ran El-Yaniv. »A pri tem se ne bomo ustavili; našo tehnologijo je mogoče uporabiti za katero koli nalogo poglobljenega učenja, naj gre za vizijo ali obdelavo naravnega jezika (NLP), in za vsak merljiv cilj optimizacije. Nenehno izboljšujemo AutoNAC, tako da bo razvijalcem vedno omogočal pridobitev najzmogljivejših modelov, ki prebijajo meje učinkovitosti.”

Podjetje Hewlett Packard Enterprise (HPE) je Deci imenovalo za člana svojega tehnološkega partnerskega programa za pospeševanje inovacij umetne inteligence in je bilo vključeno v Seznam AI 2021 CB Insights 100 kot vrhunski pospeševalnik globokega učenja. Tehnologija AutoNAC se izvaja v vseh panogah v proizvodnih okoljih.