Geekly Articles each Day

MicrosoftとAmazonが新しい機械学習ライブラリを導入-Gluon

Amazon Web Services（AWS）とMicrosoftは先週Gluonオープン機械学習ライブラリを導入しました。 クリエイターは、開発者が複雑な機械学習モデルを簡単にプロトタイプ化し、クラウドに展開できるようになると主張しています。


/ Flickr / cory doctorow / cc

Gluonは、明確で包括的なAPIを提供します。 ライブラリ内のモデルは、他のデータと同様に定義および管理されます。 学習速度を犠牲にすることなく、プロトタイプをすばやく作成し、新しいアーキテクチャのニューラルネットワークの動的なグラフを使用することもできます。

AWS人工知能部門の責任者であるマットウッドによると 、ニューラルネットワークを使用した機械学習は、学習データ、ニューラルネットワークモデル、学習アルゴリズムの3つの主要なコンポーネントで構成されています。 ニューラルネットワークは有向グラフに似ています。入力データは、特定の重みを持つシナプスのニューラルレイヤーを介して出力に接続されます。 トレーニング中、アルゴリズムは出力のエラーに基づいて重みを調整します。 これは、ネットワークを学習する従来の方法です。 数日以上続くことがあります。

ディープラーニングフレームワークは、物事のスピードアップに役立ちます。 しかし、それらを扱うには、ユーザーの追加の努力が必要です。グラフの正式な定義、重みの計画と調整です。

数百万の接続を持つネットワークを管理することは必須です。 したがって、深層学習ネットワークはかさばり、デバッグが困難です。 他のプロジェクトにコードを使用することも困難です。

Gluonの機能


Gluon開発者は、インテリジェントテクノロジーの作成を簡素化しようとしました。 AWS は 、Gluonの主な利点は動的グラフ、高速統合、スケーラブルな学習であると主張しています。


Gluonはオープンで無料の製品です。 GitHubで見つけることができます。

その他の図書館


Gluonに加えて、ここ数か月でさらにいくつかのライブラリが登場しました。 IBMはPowerAI DDLを使用して、50分でImageNetデータに基づいてResnet-50ニューラルネットワークをトレーニングしました。 これを行うために、開発者はそれぞれ4つのGPUを備えた64台のサーバーを使用しました。

GoogleのDeeplearn.jsライブラリを使用すると、ソフトウェアをインストールせずにブラウザでニューラルネットワークをトレーニングできます。 同社の開発者によると 、このライブラリはラピッドプロトタイピング、視覚化、オフラインコンピューティングのプラットフォームになる可能性があります。

CatBoostは、Yandex開発者の決定木に対する勾配ブースティングアルゴリズムです。 CatBoostバージョン0.2の新しいバージョンが9月にリリースされ、すでにGitHubで公開されています 。 CatBoostは、タスクのランク付けと予測のためにYandexが使用するユニバーサルMatrixNetアルゴリズムの原理に基づいています。

関連リンク


最後に、インテリジェントシステムの開発に関連するツールとマテリアルの小さなセレクションを提供します。 たとえば、Quoraユーザーは次のリソースに注意することをお勧めします。


また、Redditユーザーは、無料の自己学習リソースの選択と、 Awesome Machine Learningのフレームワークとライブラリの精選されたリストを表示することを提案しました。

こちらおよびこちらのリンクで 、いくつかのフレームワークと有用な資料を見つけることができます。

PSブログでは他に何を書いていますか：

Source: https://habr.com/ru/post/J340406/

More articles:


All Articles