Modél Klasifikasi Gambar Deci Dipanggihan Nganggo Daya Komputasi Jauh Kurang Ti Téknologi Anjog

Perusahaan deep learning Sebutkeun, anu boga tujuan pikeun ngamangpaatkeun AI pikeun ngawangun AI, geus ngumumkeun kapanggihna model klasifikasi gambar disebut DeciNets. Kapanggihna ngaliwatan téknologi Automated Neural Architecture Construction (AutoNAC) proprietary Deci, sareng peryogi dua orde kakuatan komputasi anu langkung handap tibatan téknologi Neural Architecture Search (NAS) skala Google. Téknologi NAS sateuacana dianggo pikeun mendakan arsitéktur saraf sapertos EfficientNet.

Aya dorongan ningkat pikeun modél pangajaran jero anu langkung ageung kalayan ningkatkeun pajeulitna algoritma, anu asalna tina kahayang pikeun ningkatkeun akurasi sareng kinerja kalayan tugas prediksi anu langkung rumit. Kasadiaan parangkat keras anu langkung kuat sareng data ageung ogé nyababkeun modél pangajaran jero anyar ieu. 

Pilihan Alternatif pikeun pamekar

Sanajan kitu, model ieu teu idéal pikeun operasi inferensi ongkos-éféktif dina produksi. NAS bisa maénkeun peran dina ngajadikeun otomatis desain jaringan saraf jieunan leuwih éféktif, nu bisa outperform arsitéktur manual-dirancang, tapi merlukeun sumberdaya signifikan. Perusahaan anu parantos suksés ngalaksanakeun NAS sering mangrupikeun organisasi téknologi masif sapertos Google sareng Microsoft, janten éta sanés pilihan anu cocog pikeun kalolobaan pamekar.

Deci angkat pikeun ngalereskeun masalah ieu ku cara ngembangkeun AutoNAC, anu mangrupikeun NAS anu tiasa komersil munggaran. Hal ieu ngamungkinkeun pamekar sacara otomatis ngarancang sareng ngawangun modél pangajaran jero anu tiasa ngaunggulan arsitéktur luhur anu sanés. Pamekar tiasa nyetél parameter pikeun tugas khusus, sapertos klasifikasi sareng deteksi, sareng aranjeunna tiasa nerapkeun AutoNAC kana set datana, ngamungkinkeun aranjeunna kéngingkeun modél anu dioptimalkeun pikeun produksi dina skala. 

Aspék unik séjén tina AutoNAC nyaéta yén éta sadar hardware. Dina basa sejen, eta bisa ngahontal kinerja maksimum kaluar tina sagala hardware na nyebarkeun model dina rupa-rupa lingkungan, kayaning awan, edge, sarta mobile.

Yonatan Geifman nyaéta ko-pangadeg sarta CEO Deci. 

"Pembelajaran jero nyaéta powering generasi saterusna komputasi- tanpa kinerja luhur sarta model leuwih efisien nu seamlessly ngajalankeun on hardware nanaon, téhnologi konsumen urang nyandak for teu dibales unggal poé bakal ngahontal halangan," ceuk Geifman. "Pendekatan 'AI anu ngawangun AI' Deci penting pisan dina muka konci modél anu dipikabutuh pikeun ngaluncurkeun jaman inovasi anyar, nguatkeun pamekar sareng alat anu diperyogikeun pikeun ngarobih ideu janten produk revolusioner." 

AutoNAC diterapkeun dina sababaraha tugas pikeun ngaoptimalkeun modél dina sababaraha prosesor inferensi, sapertos GPU T4 NVIDIA sareng GPU tepi Jetson Xavier NX NVIDIA. AutoNAC mendakan DeciNets pikeun klasifikasi gambar nganggo set data patokan ImageNet standar. 

Outperforming Platform lianna

Deci nunjukkeun kamampuan pikeun ngaunggulan platform anu sanés sareng ngagunakeun komputasi anu langkung sakedik nalika ngahasilkeun DeciNet na, hartosna pamekar henteu peryogi sumber anu beurat dina prosésna. DeciNets tiasa ngaunggulan jaringan saraf open source anu aya di pasar, sapertos EfficientNets sareng MobileNets. 

Prof Ran El-Yaniv nyaéta ko-pangadeg sarta Kapala Élmuwan Deci. 

"AutoNAC mendakan sababaraha model klasifikasi sareng deteksi anu pangsaéna dugi ka ayeuna," saur Prof Ran El-Yaniv. “Tapi urang moal eureun di dinya; téhnologi urang bisa dipaké pikeun sagala tugas learning jero boh visi atawa Natural Language Processing (NLP), sarta pikeun unggal obyektif optimasi diukur. Kami terus ningkatkeun AutoNAC ku kituna bakal salawasna ngidinan pamekar pikeun ménta model pangkuatna nu megatkeun wates efisien ".

Deci dingaranan ku Hewlett Packard Enterprise (HPE) salaku anggota Program Mitra Téknologi maranéhna pikeun ngagancangkeun inovasi AI, sareng kalebet kana 2021 CB Insights AI 100 Daptar salaku akselerator pembelajaran jero luhur. Téknologi AutoNAC keur dilaksanakeun di sakuliah industri di lingkungan produksi.