Cydgrynhoi fframwaith: A yw'n bryd i fframweithiau dysgu dwfn uno?
Cydgrynhoi fframwaith: A yw'n bryd i fframweithiau dysgu dwfn uno?
Cydgrynhoi fframwaith: A yw'n bryd i fframweithiau dysgu dwfn uno?
- Awdur:
- Ionawr 31, 2023
Mae offer sy'n defnyddio deallusrwydd artiffisial (AI) a dysgu peirianyddol (ML) yn ei gwneud hi'n bosibl i sefydliadau reoli a dadansoddi eu trysorau data cynyddol yn fwy effeithiol. Yn benodol, mae fframweithiau dysgu dwfn (DL) yn dod yn flociau adeiladu llawer o arloesiadau AI/ML. Yr her bellach yw cydgrynhoi gwahanol fframweithiau er mwyn rhoi ymchwil a datblygiad ar y llwybr carlam.
Cyd-destun cydgrynhoi fframwaith
Mae fframwaith rhaglennu yn set o offer sy'n helpu datblygwyr i adeiladu meddalwedd a systemau sy'n drefnus ac yn ddibynadwy. Mae fframwaith mewn rhaglennu yn darparu cydrannau parod neu atebion i broblemau cyffredin, y gall datblygwyr wedyn eu haddasu yn ôl eu hanghenion penodol. Mewn rhaglennu traddodiadol, mae cod arfer yn galw i mewn i'r llyfrgell i gael mynediad at god y gellir ei ailddefnyddio. Gyda gwrthdroad rheolaeth (IoC), mae'r fframwaith yn galw ar ddarnau arferol o god pan fo angen.
O ran DL, mae fframweithiau'n darparu ffordd hawdd o ddylunio, hyfforddi a dilysu rhwydweithiau niwral dwfn. Mae llawer o fframweithiau DL yn defnyddio unedau prosesu graffeg (GPUs) i gyflymu hyfforddiant, gan gynnwys PyTorch, TensorFlow, PyTorch Geometric, a DGL. Mae'r fframweithiau hyn yn dibynnu ar lyfrgelloedd cyflymedig GPU fel cuDNN, NCCL, a DALI i gyflawni perfformiad uchel.
Mae poblogrwydd rhai fframweithiau DL ymhlith ymchwilwyr yn aml yn adlewyrchu'r tueddiadau mewn cymwysiadau masnachol. Er enghraifft, mae TensorFlow Google a PyTorch Meta yn ddau o'r rhai mwyaf poblogaidd. Yn benodol, mae PyTorch wedi gweld cynnydd mewn mabwysiadu ers 2017. Yn ôl y cylchgrawn sy'n canolbwyntio ar AI The Gradient, mewn papurau cynhadledd 2019 a soniodd am y fframwaith a ddefnyddiwyd, nododd 75 y cant PyTorch ond nid TensorFlow. Allan o 161 o ymchwilwyr a gyhoeddodd fwy o bapurau TensorFlow na phapurau PyTorch, newidiodd 55 y cant i Pytorch, a dim ond 15 y cant a wnaeth y gwrthwyneb.
Effaith aflonyddgar
Mae angen cynyddol i gwmnïau gyfuno eu fframweithiau AI i ddarparu canlyniadau cyson a rheolaeth ansawdd. Gwyddys bod y gwaith ymchwil-i-gynhyrchu o brosiectau AI wedi bod yn araf ac yn ddiflas yn y gorffennol. Roedd camau lluosog, offer sy'n anodd eu defnyddio, a diffyg safoni yn ei gwneud hi'n anodd cadw golwg ar bopeth. Cafodd ymchwilwyr a pheirianwyr drafferth dewis rhwng fframweithiau a oedd naill ai'n dda ar gyfer ymchwil neu gynhyrchu masnachol, ond nid y ddau.
Yn 2021, penderfynodd Meta fudo ei holl systemau AI i PyTorch. Yn flaenorol, defnyddiodd y cwmni ddau brif fframwaith - PyTorch ffynhonnell agored ar gyfer ymchwil (a ddatblygwyd gan y cwmni mewn partneriaeth â Linux Foundation) a Caffe2, y fframwaith mewnol a ddefnyddir at ddibenion masnachol. Mae'r trawsnewid hwn yn newyddion da nid yn unig i Meta, a fydd yn arbed arian ar gynnal a chadw a datblygu, ond hefyd i ddatblygwyr sy'n defnyddio'r fframwaith ffynhonnell agored hwn. Dywedodd Meta y byddai'n canolbwyntio ar weithio gyda chymuned datblygwyr PyTorch, gan gydweithio ar syniadau a phrosiectau posibl.
Yn raddol mae peirianwyr PyTorch yn Facebook wedi cyflwyno offer amrywiol, modelau sydd wedi'u hyfforddi ymlaen llaw, llyfrgelloedd, a setiau data sy'n hanfodol ar gyfer pob cam wrth ddatblygu arloesiadau AI / ML. Gyda diweddariadau 2021, bu mwy na 3,000 o ymchwil parhaus o gymharu â'r fersiynau blaenorol. Gobeithio y bydd cwmnïau technoleg yn cydweithio mwy i dorri i lawr fframweithiau AI a chreu systemau rhyngweithredol sy'n hyrwyddo cydweithredu a mabwysiadu.
Goblygiadau cydgrynhoi fframwaith
Gall goblygiadau ehangach cydgrynhoi fframwaith gynnwys:
- Arloesi cyflymach yn y gofod AI/ML wrth i fwy o gwmnïau fabwysiadu un prif fframwaith ar gyfer ymchwil.
- Profiad defnyddiwr terfynol cyson ar draws gwahanol feddalwedd sy'n defnyddio'r un seilwaith sylfaenol, yn enwedig ar gyfer dyfeisiau cartref clyfar a Rhyngrwyd Pethau (IoT).
- Ymchwilwyr yn gallu adnabod gogwydd algorithm a bygiau/materion eraill yn gywir wrth ddefnyddio un fframwaith cyffredin.
- Mwy o gydweithio rhwng cwmnïau technoleg a sefydliadau i greu fframweithiau ffynhonnell agored y gall unrhyw un gael mynediad iddynt ac adeiladu arnynt.
- Cynyddu cystadleuaeth rhwng cwmnïau technoleg mawr i sefydlu'r fframwaith mwyaf blaenllaw, a all rwystro cydweithredu.
Cwestiynau i wneud sylwadau arnynt
- Os ydych chi'n gweithio yn y gofod DL, sut mae cydgrynhoi fframweithiau wedi gwneud eich swydd yn haws?
- Beth yw manteision eraill nifer dethol o fframweithiau sy’n cydweithio’n dda?
Cyfeiriadau mewnwelediad
Cyfeiriwyd at y cysylltiadau poblogaidd a sefydliadol canlynol ar gyfer y mewnwelediad hwn: