Deci’nin Görüntü Sınıflandırma Modelleri Lider Teknoloji Şirketlerine Kıyasla Çok Daha Az Hesaplama Gücünü Kullanarak Keşfedildi

Derin öğrenme şirketi Deci, AI’yi kullanarak AI inşa etmeye odaklanan, DeciNets olarak adlandırılan görüntü sınıflandırma modellerinin keşfedildiğini duyurdu. Bunlar, Deci’nin özel Automated Neural Architecture Construction (AutoNAC) teknolojisi aracılığıyla keşfedildi ve Google (GOOGL ) -scale Neural Architecture Search (NAS) teknolojilerine kıyasla iki büyüklük sırası daha az hesaplama gücü gerektirdi. Daha önce EfficientNet gibi sinirsel mimarilerin keşfedilmesinde kullanılan NAS teknolojileri, daha önce kullanılmıştı.

Derin öğrenme modellerinin daha büyük ve algoritmik olarak daha karmaşık olması için artan bir baskı var; bu, daha iyi doğruluk ve performans için daha karmaşık tahmin görevleri isteminden kaynaklanmaktadır. Daha güçlü donanım ve büyük verilerin erişilebilir olması da bu yeni derin öğrenme modellerine yol açmıştır.

Geliştiriciler için Alternatif Seçenekler

Ancak, bu modeller üretim ortamlarında maliyet etkin çıkarım işlemleri için ideal değildir. NAS, daha etkili yapay sinirsel ağların tasarımını otomatikleştirmede bir rol oynayabilir; bunlar, elle tasarlanan mimarilerden daha iyi performans gösterebilir, ancak önemli kaynaklar gerektirir. NAS’ı başarılı bir şekilde uygulayabilen şirketler genellikle Google ve Microsoft (MSFT ) gibi dev teknoloji şirketleridir, bu nedenle bu, çoğu geliştirici için uygulanabilir bir seçenek değildir.

Deci, bu sorunu çözmek için AutoNAC geliştirdi; bu, ilk ticari olarak uygulanabilir NAS’tir. Geliştiricilerin, diğer üst düzey mimarilerden daha iyi performans gösteren derin öğrenme modellerini otomatik olarak tasarlamalarına ve inşa etmelerine olanak tanır. Geliştiriciler, sınıflandırma ve algılama gibi belirli görevler için parametreler ayarlayabilir ve AutoNAC’yi verilerine uygulayarak, üretim için hazır optimize edilmiş modeller elde edebilir.

AutoNAC’nin başka bir benzersiz yönü, donanım bilgisine sahip olmasıdır; yani, herhangi bir donanımın maksimum performansını elde edebilir ve modelleri çeşitli ortamlarda dağıtabilir; bunlar, bulut, kenar ve mobil gibi ortamları içerir.

Yonatan Geifman, Deci’nin kurucu ortak ve CEO’sudur.

“Derin öğrenme, bir sonraki nesil bilgisayarların gücünü sağlıyor – daha yüksek performanslı ve daha verimli modellere sahip olmadan ve herhangi bir donanım üzerinde sorunsuz çalışan modeller olmadan, günlük hayatımızda aldığımız teknolojilere bir engel oluşacaktır” dedi Geifman. “Deci’nin ‘AI ile inşa edilen AI’ yaklaşımı, bu modelleri serbest bırakmak ve geliştiricilere devrimsel ürünler oluşturmak için gereken araçları sağlamak için kritik öneme sahiptir.”

AutoNAC, çeşitli çıkarım işlemciler üzerinde modelleri optimize etmek için birkaç görevde uygulandı; bunlar, NVIDIA’ (NVDA ) nın T4 GPU’su ve NVIDIA’nın Jetson Xavier NX kenar GPU’sunu içerir. AutoNAC, standard ImageNet benchmark veri kümesi kullanarak görüntü sınıflandırması için DeciNets keşfetti.

Diğer Platformları Geride Bırakmak

Deci, DeciNet oluştururken diğer platformlardan daha az hesaplama kullanma ve onları geride bırakma yeteneğini gösterdi; bu, geliştiricilerin işlemde ağır kaynaklara ihtiyaç duymayacağı anlamına gelir. DeciNets, EfficientNets ve MobileNets gibi piyasada bulunan herhangi bir açık kaynaklı sinirsel ağdan daha iyi performans gösterdi.

Prof. Ran El-Yaniv, Deci’nin kurucu ortak ve Baş Bilim Adamıdır.

“AutoNAC, bugüne kadar keşfedilen en iyi sınıflandırma ve algılama modellerini keşfetti” dedi Prof. Ran El-Yaniv. “Ancak orada durmayacağız; nossa teknolojisi, derin öğrenme görevi ne olursa olsun – görme veya Doğal Dil İşleme (NLP) – ve her ölçülebilir optimizasyon hedefi için kullanılabilir. AutoNAC’yi sürekli olarak geliştiriyoruz, böylece geliştiriciler her zaman en güçlü modelleri elde edebilsinler ve verimli sınırı aşabilsinler.”

Deci, Hewlett Packard Enterprise (HPE ) (HPE) tarafından AI inovasyonunu hızlandırmak için Teknoloji Ortaklık Programı’nın bir üyesi olarak adlandırıldı ve 2021 CB Insights AI 100 Listesi‘ne, en iyi derin öğrenme hızlandırıcılarından biri olarak dahil edildi. AutoNAC teknolojisi, üretim ortamlarında çeşitli endüstrilerde uygulanıyor.