Huawei опубликовал MindSpore, свой фреймворк машинного обучения

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


MindSpore похож на TensorFlow от Google и PyTorch от Facebook, и он работает на устройствах, в пограничных и облачных средах, снижая барьер входа для разработчиков, стремящихся дополнить приложения искусственным интеллектом.

Huawei объявил, что MindSpore, фреймворк для разработки ИИ-приложений, который компания анонсировала в августе 2019 года, теперь доступен на GitHub и Gitee. MindSpore похож на TensorFlow от Google и PyTorch от Facebook, и он работает на устройствах, в пограничных и облачных средах, снижая барьер входа для разработчиков, стремящихся дополнить приложения искусственным интеллектом.

MindSpore может работать на процессорах, видеокартах и выделенных нейронных процессорах, таких как, например, Huawei Ascend AI. Его использование при работе с типовыми моделями обработки естественного языка сокращает количества строк кода на 20% по сравнению с «ведущими» фреймворками, а в среднем, утверждает Huawei, обеспечивает повышение эффективности разработки на 50%. Более того, он поддерживает параллельное обучение на устройствах и динамическую отладку, что позволяет разработчикам выявлять ошибки и сокращать время обучения моделей.

Интересной особенностью MindSpore является то, что он не обрабатывает никаких данных сам по себе, а принимает только готовую информацию о градиенте и модели. Таким образом, он сохраняет конфиденциальность данных даже в кросс-сценариях, обеспечивая при этом надежность работы моделей.

Дополнением к MindSpore является MindInsight, модуль, который предоставляет возможности отладки и настройки моделей при помощи визуализации процессов обучения. Он строит графики вычислений, показатели прогресса обучения и выдает информацию о параметрах модели, такую как данные обучения и точность. Другой модуль, называемый MindArmour, предназначен для повышения безопасности и надежности моделей с помощью подмодулей для генерации и обнаружения конкурирующих примеров, защиты моделей и их оценки.

Для работы MindSpore нужен Python 3.7+, скоро будет поддержка C++, Rust и Julia. В настоящее время он работает лучше всего на дистрибутивах Linux, таких как Ubuntu и EulerOS.


Источник: apptractor.ru

Комментарии: