Китайский разработчик систем искусственного интеллекта Megvii сделал исходный код фреймворка глубокого обучения MegEngine доступным для разработчиков по всему миру.
Это — первый шаг по открытию исходного кода всей платформы глубокого обучения собственной разработки компании Brain++.
Почему это важно
Немногие разработчики решений в области машинного обучения могут похвастаться собственным фреймворком. Обычно для разработки используются решения с открытым исходным кодом от таких технологических гигантов как Google и Facebook.
Открытие исходного кода позволяет авторам решений сделать свою платформу машинного обучения более популярной, привязать разработчиков к своей инфраструктуре, а также способствует более быстрому нахождению и устранению ошибок и ускоренному развитию платформы.
Китайские AI-гиганты, желая воспользоваться этими преимуществами, также раскрывают исходный код своих решений для глубокого обучения. Первым стал Baidu в 2016 году, открыв исходный код своей платформы для параллельного распределённого глубокого обучения на основе промышленной практики PaddlePaddle.
Подробности
Megvii опубликовала раннюю версию MegEngine, бета-релиз которой ожидается в июне, а официальный запуск — в сентябре.
История Brain++
- 2014 — начата разработка центрального фреймворка для глубокого обучения MegEngine, а также платформы управления данными для обучения MegData.
- 2015 — запущена платформа облачных вычислений для глубокого обучения MegCompute, производительность MegEngine увеличена в 10 раз.
- 2019 — MegEngine, MegData и MegCompute объединены в единый проект Brain++.
- 2020 — Начато открытие исходного кода Brain++, открыт код MegEngine и доступ для разработчиков к базам данных и алгоритмов.
MegEngine — основной компонент Brain++, промышленный фреймворк глубокого обучения нового поколения. MegEngine помогает разработчикам обучать и развёртывать модели глубокого обучения с помощью удобного интерфейса программирования. Архитектура MegEngine специально разделена на вычислительные интерфейсы, графическое представление, оптимизацию и компиляцию, управление временем выполнения и вычислительное ядро. Это может значительно упростить процесс разработки алгоритмов, добиться высокой скорости и точности обучения модели. Система поддерживает динамическое и гибридное статико-динамическое программирование, импорт моделей, встроенные высокопроизводительные алгоритмы компьютерного зрения, и особенно подходит для обучения алгоритмов на больших моделях данных.
MegEngine особенно эффективен при использовании больших объёмов графических или видео-данных и может использоваться для сложных задач, включая классификацию изображений, обнаружение объектов и видео-аналитику, утверждает Megvii.
Контекст
Компания планировала подать повторную заявку на IPO на Гонконгской бирже, после того как срок прежней заявки истёк в начале этого года. В настоящее время сроки подачи новой заявки неизвестны.
Компания приняла активное участие в борьбе со вспышкой Covid-19, в кратчайшие сроки разработав систему для определения лиц с лихорадкой в движущемся потоке людей.