با پلتفرم مشترک مایکروسافت و آمازون، یادگیری عمیق در دسترس تمام توسعه‌دهندگان قرار می‌گیرد

با پلتفرم مشترک مایکروسافت و آمازون، یادگیری عمیق در دسترس تمام توسعه‌دهندگان قرار می‌گیردReviewed by رضا بیگدلی on Oct 16Rating: 5.0با پلتفرم مشترک مایکروسافت و آمازون، یادگیری عمیق در دسترس تمام توسعه‌دهندگان قرار می‌گیردبا پلتفرم مشترک مایکروسافت و آمازون، یادگیری عمیق در دسترس تمام توسعه‌دهندگان قرار می‌گیرد

مایکروسافت و آمازون امروز از یک رابط کاربری جدید یادگیری عمیق به‌ نام Gloun رونمایی کردند. دو شرکت مستقر در سیاتل با کتابخانه‌ی یادگیری عمیق جدید خود، برای ارائه‌ی دسترسی همه‌ی توسعه‌دهندگان به یادگیری عمیق، به جمع شرکت‌های دیگر پیوسته‌اند‌. رابط کاربری این کتابخانه مختصر و به‌سادگی قابل فهم است و به توسعه‌دهندگان اجازه می‌دهد مدل‌های یادگیری ماشینی را برای استفاده در فضای ابری، گوشی‌های هوشمند و … ایجاد کنند.Gluon یک API به زبان پایتون در اختیار توسعه‌دهندگان قرار خواهد داد که می‌توانند از آن برای ایجاد نمونه‌های نمایشی اولیه، ساخت و آموزش مدل‌های پیچیده‌ی یادگیری ماشینی استفاده کنند. مایکروسافت و آمازون در رویداد مطبوعاتی مشترک امروز خود اعلام کردند که ساخت مدل‌های یادگیری ماشینی می‌تواند یک فرآیند بسیار مشکل باشد و برای انجام این کار به زمات و قدرت پردازشی زیادی نیاز خواهید داشت.امید می‌رود Gluon با API پایتون و اجزای از پیش ساخته‌‌شده‌ی شبکه‌ی عصبی خود، راهکاری برای رفع مشکلات مطرح شده در اختیار افراد قرار دهد. در حال حاضر Gluon با آپاچی MXNet کار می‌کند؛ اما مایکروسافت و آمازون در آینده پشتیبانی از Cognitive Toolkit مایکروسافت را نیز به این سیستم‌ اضافه خواهند کرد. سوامی سیاسوبرامانیان، رئیس واحد هوش مصنوعی آمازون, گفت:

ما رابط کاربری Gluon را ایجاد کردیم تا ساخت شبکه‌های عصبی و مدل‌های یادگیری به‌ سادگی ساخت یک اپلیکیشن باشد. ما در آینده نیز به همکاری خود با مایکروسافت ادامه خواهیم داد تا توسعه‌دهندگان را به استفاده از این رابط کاربری ترغیب کنیم و توسعه‌دهندگان بتوانند با روشی آسان‌تر، مدل‌های یادگیری ماشینی مد نظرشان را ایجاد کنند.

با توجه به اینکه API رابط کاربری Gluon به زبان پایتون نوشته شده است، امکان ساخت مدل‌های یادگیری ماشینی و آموزش آن‌ها با روشی آسان در دسترس علاقه‌مندان خواهد بود و این در حالی است که در شرایط معمولی برای ساخت و آموزش این‌ مدل‌ها نیاز به نوشتن هزاران خط کد خواهید داشت. Gluon بر عملکرد یادگیری مدل‌ها تأثیری نخواهد داشت و در واقع سرعت عملکرد مدل‌های ساخته‌شده با این رابط کاربری با سرعت عملکرد مدل‌هایی که به‌طور مستقیم با موتورهایی چون آپاچی MXNet ساخته شده‌اند، برابر است.

Comments are closed.