Raamwerkkonsolidasie: Is dit tyd dat diepleerraamwerke saamsmelt?

• Author:
• Author naam

  Quantumrun Foresight
• 31 Januarie 2023

Gereedskap wat kunsmatige intelligensie (KI) en masjienleer (ML) gebruik, maak dit vir organisasies moontlik om hul steeds groeiende skatkis van data meer effektief te bestuur en te ontleed. In die besonder word diepleerraamwerke (DL) die boustene van baie KI/ML-innovasies. Die uitdaging lê nou daarin om verskillende raamwerke te konsolideer om navorsing en ontwikkeling te versnel.

Raamwerk konsolidasie konteks

'n Programmeringsraamwerk is 'n stel gereedskap wat ontwikkelaars help om sagteware en stelsels te bou wat goed georganiseerd en betroubaar is. 'n Raamwerk in programmering verskaf klaargemaakte komponente of oplossings vir algemene probleme, wat ontwikkelaars dan kan aanpas volgens hul spesifieke behoeftes. In tradisionele programmering roep persoonlike kode die biblioteek in om toegang te verkry tot herbruikbare kode. Met omkering van beheer (IoC), maak die raamwerk 'n beroep op persoonlike stukke kode wanneer nodig.

As dit by DL kom, bied raamwerke 'n maklike manier om diep neurale netwerke te ontwerp, op te lei en te bekragtig. Baie DL-raamwerke gebruik grafiese verwerkingseenhede (GPU's) om opleiding te versnel, insluitend PyTorch, TensorFlow, PyTorch Geometric en DGL. Hierdie raamwerke maak staat op GPU-versnelde biblioteke soos cuDNN, NCCL en DALI om hoë werkverrigting te lewer. 

Die gewildheid van sekere DL-raamwerke onder navorsers weerspieël dikwels die neigings in kommersiële toepassings. Byvoorbeeld, Google se TensorFlow en Meta se PyTorch is twee van die gewildste. PyTorch het veral sedert 2017 'n toename in aanvaarding gesien. Volgens KI-gefokusde tydskrif The Gradient het 2019 persent PyTorch in 75-konferensieartikels genoem wat die raamwerk genoem het, maar nie TensorFlow nie. Uit 161 navorsers wat meer TensorFlow-vraestelle as PyTorch-vraestelle gepubliseer het, het 55 persent na Pytorch oorgeskakel, terwyl slegs 15 persent die teenoorgestelde gedoen het.

Ontwrigtende impak

Daar is 'n toenemende behoefte vir maatskappye om hul KI-raamwerke te konsolideer om konsekwente resultate en kwaliteitbeheer te verskaf. Die navorsing-tot-produksie-pyplyn van KI-projekte was in die verlede bekend as stadig en vervelig. Veelvuldige stappe, gereedskap wat moeilik is om te gebruik, en 'n gebrek aan standaardisering het dit moeilik gemaak om tred te hou met alles. Navorsers en ingenieurs het gesukkel om te kies tussen raamwerke wat óf goed was vir navorsing óf kommersiële produksie, maar nie albei nie.

In 2021 het Meta besluit om al sy KI-stelsels na PyTorch te migreer. Voorheen het die maatskappy twee groot raamwerke gebruik - oopbron PyTorch vir navorsing (wat die maatskappy in vennootskap met Linux Foundation ontwikkel het) en Caffe2, die interne raamwerk wat vir kommersiële doeleindes gebruik word. Hierdie oorgang is goeie nuus nie net vir Meta nie, wat geld sal bespaar op instandhouding en ontwikkeling, maar ook vir ontwikkelaars wat hierdie oopbronraamwerk gebruik. Meta het gesê dit sal daarop fokus om met die PyTorch-ontwikkelaarsgemeenskap saam te werk, saam te werk aan idees en potensiële projekte. 

PyTorch-ingenieurs by Facebook het geleidelik verskeie instrumente, voorafopgeleide modelle, biblioteke en datastelle bekendgestel wat noodsaaklik is vir elke stadium in die ontwikkeling van KI/ML-innovasies. Met die 2021-opdaterings was daar meer as 3,000 XNUMX deurlopende navorsing in vergelyking met die vorige weergawes. Hopelik sal tegnologiemaatskappye meer saamwerk om KI-raamwerke af te sny en interoperabele stelsels te skep wat samewerking en aanvaarding bevorder.

Implikasies van raamwerkkonsolidasie

Wyer implikasies van raamwerkkonsolidasie kan die volgende insluit: 

• Vinniger innovasie in die KI/ML-ruimte namate meer maatskappye een hoofraamwerk vir navorsing aanneem.
• Konsekwente eindgebruikerervaring oor verskillende sagteware wat dieselfde onderliggende infrastruktuur gebruik, veral vir slimhuise en Internet of Things (IoT) toestelle.
• Navorsers wat in staat is om algoritme-vooroordeel en ander foute/kwessies akkuraat te identifiseer wanneer een gemeenskaplike raamwerk gebruik word.
• Meer samewerking tussen tegnologiefirmas en organisasies om oopbronraamwerke te skep waartoe enigiemand toegang kan verkry en daarop kan voortbou.
• Toenemende mededinging tussen groot tegnologiefirmas om die mees dominante raamwerk daar te stel, wat samewerking kan belemmer.

Vrae om op kommentaar te lewer

• As jy in die DL-ruimte werk, hoe het konsolidasie van raamwerke jou werk makliker gemaak?
• Wat is die ander voordele van 'n uitgesoekte aantal raamwerke wat goed saamwerk?