2022-05-12
 
深度学习开发平台加速 AI 工作
2022年05月12日  

Deci 深度学习开发平台 2.0 版使 AI 开发人员比以往任何时候都更容易在任何硬件和环境(包括云、边缘和移动设备)上构建、优化和部署计算机视觉模型,具有出色的准确性和运行时性能。


AI 开发人员面临着开发生产就绪深度学习模型以进行部署的艰巨任务。这些挑战主要决定归因于行业面临的人工智能效率差距,算法变得越来越强大和复杂,但可用的计算能力却跟不上中国机械网okmao.com。这种差距还通过使深度学习开发和处理更加繁琐和昂贵而造成财务障碍。

深度学习开发平台加速 AI 工作 中国机械网,okmao.com

虽然神经架构搜索 (NAS) 已作为一种潜在的解决方案来自动设计优于手动设计的架构的高级人工神经网络,但操作此类技术的资源需求过高。迄今为止,NAS 仅在谷歌、微软等科技巨头以及学术界的范围内成功实施,证明其对绝大多数开发人员来说是不切实际的。


为了解决这个问题,Deci 的平台由其专有的 NAS 引擎 AutoNAC(自动神经架构构建)提供支持,使 AI 开发人员能够自动且经济地构建高效的计算机视觉模型,为任何给定的推理硬件、速度、大小和目标。Deci 生成的模型比其他已知的最先进 (SOTA) 架构的性能高出 3 到 10 倍。


开发人员可以使用 AutoNAC 引擎为各种硬件和计算机视觉任务生成的预训练和优化模型 (DeciNets) 开始他们的项目,或者使用 AutoNAC 引擎生成更多针对其特定用途量身定制的自定义架构 -案例。此外,该平台还为团队提供开发基于深度学习的应用程序所需的各种工具,包括用于轻松选择和基准测试模型和硬件的硬件感知模型库、SuperGradients - 一个开源训练库,其中包含经过验证的更快训练方法、自动运行时优化、模型打包等。


通过使用 Deci 的平台,人工智能开发人员可以提高推理性能和效率,从而能够在资源受限的边缘设备上进行部署,最大限度地提高硬件利用率并降低训练和推理成本。缩短了整个开发周期,消除了模型将如何部署在推理硬件上的不确定性。


借助 Deci 的硬件感知模型动物园,开发人员可以通过 Deci 的 SaaS 平台在包括边缘设备在内的各种硬件上快速测量预训练和优化模型的推理时间。无需手动设置和测试各种模型和硬件组合,从而简化硬件和模型选择过程。


借助 Deci 的 2.0 版平台,人工智能开发人员可以:


使用 Deci 的 AutoNAC 引擎自动找到为应用程序、硬件和性能目标量身定制的准确高效的架构。


利用经过验证的超参数配方和 Deci 基于 PyTorch 的开源训练库 SuperGradients。


自动编译和量化您的模型并评估不同的生产设置。


开发人员可以使用 Deci 基于 python 的推理引擎在任何环境中部署他们的深度学习工作负载。


Deci 的平台包括三层:


免费社区层:适用于希望找到最佳模型、简化硬件评估并提高运行时性能的数据科学家和 ML 工程师。


专业层:适用于希望快速实现生产级推理性能并缩短开发时间的深度学习团队。


企业层:适用于希望满足高度定制用例的特定性能目标的深度学习专家。


免责声明: 本文仅代表作者本人观点,与中国机械网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。
客服邮箱:service@cnso360.com | 客服QQ:23341571