LINUX.ORG.RU

Machine learning


26

1

Всего сообщений: 12

Начало продаж комплекта Raspberry Pi AI за 70 долларов

Начало продаж комплекта Raspberry Pi AI за 70 долларов
Группа Hardware and Drivers

Команда производителя Raspberry Pi объявила о начале продаж Raspberry Pi AI Kit, который объединяет Raspberry Pi M.2 HAT+ с модулем ускорения AI Hailo для совместного использования с Raspberry Pi 5. Комплект обеспечивает доступный, экономичный и энергоэффективный способ интеграции высокопроизводительного искусственного интеллекта с производительностью в 13 тераопераций в секунду (TOPS). Модуль имеет стандарт подключения M.2 2242 и поставляется предварительно установленным в M.2 HAT+, что обеспечивает связь между интерфейсом M.2 модуля AI и интерфейсом PCIe 3.0 Raspberry Pi 5.

( читать дальше... )

>>> Подробности на официальном ресурсе Raspberry Pi

 , , ,

NeTC
()

CTranslate2 3.14.0

Группа Open Source

26 мая состоялся выпуск 3.14.0 CTranslate2 — фреймворков, разрабатываемых под лицензией MIT проектом OpenNMT на языках C++ и Python, и предназначенных для эффективного использования (с использованием оптимизаций для CPU и GPU) натренированных моделей в системах машинного перевода.

( читать дальше... )

>>> Подробности

 , , , ,

dataman
()

Вышел PyTorch 2.0

Группа Разработка

PyTorch — популярный фреймворк для машинного обучения — обновился до версии 2.0. В этот релиз включены более 4500 изменений.

( читать дальше... )

>>> Подробности

 , ,

ymn
()

Выпуск SmartGuitarAmp

Выпуск SmartGuitarAmp
Группа Open Source

SmartGuitarAmp — плагин гитары, созданный с помощью JUCE, который использует модели нейронных сетей для имитации реального оборудования. Этот плагин использует модель WaveNet для воссоздания звука реального оборудования. Текущая версия моделирует небольшой ламповый усилитель, с возможностью добавления дополнительных опций в будущем. Есть два канала чистый CLEAN, который эквивалентен чистому каналу на усилителе, и второй LEAD — канал перегруженного звука. Регуляторы Gain и EQ были добавлены для модуляции смоделированного звука.

Так же можно создавать свои собственные модели и загружать их в SmartGuitarAmp. Обучение выполняется с помощью PyTorch на предварительно записанных .wav сэмплах.

Демонстрационное видео

>>> Подробности

 ,

MaxPower
()

Вышел PyTorch 1.5.0

Группа Разработка

PyTorch — популярный фреймворк для машинного обучения — обновился до версии 1.5.0. Этот релиз включает в себя несколько крупных дополнений и улучшений API, среди которых можно отметить:

  • C++ API, ранее считавшийся экспериментальным, окончательно стабилизирован. Теперь пользователи могут легко переводить свои модели с Python API на C++ API.

  • Стабилизирован пакет torch.distributed.rpc, предоставляющий широкие возможности в распределенном обучении, включая автоматическое вычисление градиентов и обновление параметров модели.

  • Обновлен torch_xla — пакет, который использует компилятор XLA для ускорения обучения моделей на облачных TPU.

  • Также обновлены пакеты torchaudio, torchvision и torchtext, предоставляющие инструменты для разработки моделей, обрабатывающих звуковые, графические и текстовые данные.

  • Python 2 больше не поддерживается. Вся дальнейшая разработка будет вестись только для Python 3.

>>> Подробности

 , ,

ymn
()

Вышел PyTorch 1.3.0

Группа Разработка

PyTorch, популярный открытый фреймворк для машинного обучения, обновился до версии 1.3.0 и продолжает набирать обороты благодаря своей ориентации на удовлетворение потребностей как исследователей, так и прикладных программистов.

Некоторые изменения:

  • экспериментальная поддержка именованных тензоров. Теперь можно обращаться к измерениям тензора по имени, вместо указания абсолютной позиции:
    NCHW = [‘N’, ‘C’, ‘H’, ‘W’]
    images = torch.randn(32, 3, 56, 56, names=NCHW)
    images.sum('C')
    images.select('C', index=0)
    
  • поддержка 8-битного квантования с помощью FBGEMM и QNNPACK, которые интегрированы в PyTorch и используют общий API;
  • работа на мобильных устройствах под управлением iOS и Android;
  • выпуск дополнительных инструментов и библиотек для интерпретации моделей.

Кроме того, опубликована запись докладов с прошедшей конференции Pytorch Developer Conference 2019.

>>> Подробности

 , ,

ymn
()

Вышел PyTorch 1.2.0

Группа Разработка

PyTorch — популярный открытый фреймворк для машинного обучения обновился до версии 1.2.0. Новый релиз включает в себя более 1900 исправлений, которые охватывают JIT, ONNX, распределенные режимы обучения и улучшения производительности.

Некоторые изменения:

  • Новый TorchScript API позволяет легко сконвертировать nn.Module (включая подмодули и методы, вызываемые в forward()) в ScriptModule.
  • Совместно с Microsoft добавлена полная поддержка ONNX Opset версий 7(v1.2), 8(v1.3), 9(v1.4) и 10 (v1.5). Кроме того, теперь пользователи могут зарегистрировать свои собственные символы для экспорта кастомных операций и указывать динамические размеры входных данных во время экспорта.
  • Поддержка tensorboard больше не является экспериментальной.
  • Добавлен модуль nn.Transformer, основанный на статье Attention Is All You Need.
  • Многочисленные улучшения в C++ API.

>>> Подробности

 , ,

ymn
()

Выпуск свободного сервера навыков 0Mind v1.1.0

Группа Разработка

Выпущена новая версия свободного сервера навыков 0Mind v1.1.0 (http://0mind.net). В релиз вошло много изменений (https://github.com/MisteryX/0Mind/commits/master)

Главные новшества:

  • Добавлена поддержка высокоэффективного инструмента инференса TensorRT (только на видеокартах NVIDIA) с движками фреймворков Tensorflow, Caffe, UFF, PLAN.
  • Добавлена нативная поддержка популярного академического фреймворка Scikit Learn.
  • Добавлен новый механизм параметризованной загрузки моделей (подробности в документации).
  • Существенно переработана и улучшена система информирования об ошибках.

На сайте проекта также был представлен новый проект открытого реестра публичных пулов моделей с интерфейсом 0Mind REST API - OpenMind, а также анонсирован новый инструмент 0MindBrain для масштабирования, балансировки нагрузки и группового инференса в сети из множества пулов серверов 0Mind.

>>> Подробности

 , , ,

xxxa0c
()

Новый алгоритм градиентного бустинга от Яндекса

Группа Open Source

Компания «Яндекс» представила новый алгоритм градиентного бустинга на деревьях решений CatBoost. Также опубликован исходный код и ряд утилит для обучения и визуализации его результатов под лицензией Apache 2.0.

Градиентный бустинг активно используется в машинном обучении. Алгоритм CatBoost отличается поддержкой категориальных параметров «из коробки», а на тестах (с открытыми датасетами и исходным кодом) демонстрирует лучшие результаты, чем основные конкуренты: LightGBM, XGBoost, H2O.

>>> Репозиторий на GitHub

>>> Подробности

 , ,

rymis
()

Leaf 0.2 — высокопроизводительная платформа машинного обучения

Группа Open Source

Анонсирован выход новой версии Leaf 0.2. Leaf написан на языке программирования Rust и является модульной, производительной и переносимой платформой машинного обучения.

По тестам на производительность, Leaf 0.2 опережает другие платформы, являясь, на данный момент, самой быстрой платформой машинного обучения. По словам разработчиков, они смогли добиться этого за счёт выбора языка программирования Rust и библиотеки для высокопроизводительных вычислений Collenchyma (также написанной на Rust). Также, за счёт использования библиотеки Collenchyma можно обучать и запускать модели на CPU, GPU, FPGA, и т.д. с использованием OpenCL или CUDA или другого вычислительного языка, на разных машинах и операционных системах, без лишней адаптации кода. Это делает очень удобным возможность разворачивания моделей на серверах, рабочих станциях, смартфонах, а также современных встраиваемых устройствах.

Чтобы ознакомиться, разработчики предлагают установить Leaf 0.2 и поиграться с примерами, включая популярные Глубокие Нейронные Сети как Alexnet, Overfeat, VGG и другие.

>>> Подробности

 , , ,

dotcoder
()

Релиз shuf-t 1.2 — аналог shuf для файлов размером с RAM

Группа Open Source

Хочу представить публике утилиту shuf-t — аналог shuf (случайная перестановка строк файла) из GNU Core Utilities, предназначенный для работы с текстовыми файлами, размеры которых сравнимы или превышают доступную RAM.

( Кому это нужно? )

>>> Проект на github

 ,

Truf
()

Релиз Apache Mahout 0.6

Группа Кластеры

6 февраля увидел свет релиз Apache Mahout за номером 0.6.

Среди нововведений:

  • Уменьшение времени вычисления скалярного произведения векторов.
  • Поддержка MongoDB и Cassandra DataModel.
  • Исправлены некоторые ошибки и введены некоторые дополнительные улучшения.

Подробный список изменений доступен на сайте Apache Software Foundation.

Apache Mahout представляет собой реализацию большого количества алгоритмов машинного обучения: кластеризацию, классификацию, фильтрацию и т.п. Основные алгоритмы разработаны с применением парадигмы map/reduce и применяются для обработки и анализа больших объемов данных на платформе Hadoop. Apache Mahout выпускается на условиях Apache Software license 2.0.

Напоминаю, что Apache Hadoop — один из перспективных проектов Apache Foundation, который предоставляет собой свободно распространяемый набор утилит, библиотек и программный каркас для разработки и выполнения распределённых программ, работающих на кластерах из сотен и тысяч узлов.

>>> Подробности

 , , , ,

ymn
()