ABBYY
22.06.2021, 11:59 Uhr
NeoML: Jetzt mit Python und zehnfachem Tempo
ABBYY hat ein umfassendes Update für seine seine plattformübergreifende Open-Source-Bibliothek NeoML vorgestellt, mit der Entwickler Modelle für maschinelles Lernen erstellen, trainieren und bereitstellen können.
ABBYY, ein Unternehmen für Digital Intelligence, hat ein Update für seine plattformübergreifende Open-Source-Bibliothek NeoML bekanntgegeben. Mit NeoML können Entwickler Modelle für maschinelles Lernen erstellen, trainieren und bereitstellen. Das Update umfasst die Unterstützung der Programmiersprache Python. Das Framework bietet laut Hersteller außerdem eine fünf bis zehn Mal höhere Geschwindigkeit sowie über 20 neue ML-Methoden, einschließlich zehn Netzwerkschichten und Optimierungsverfahren. Zusätzlich unterstützt NeoML jetzt Apple M1 Chips, Grafikprozessoren auf Linux-basierten Geräten und Intel GPUs. Dies erweitert die möglichen Anwendungsfälle und Szenarien für die Bibliothek und erlaubt mehr Entwicklern KI-basierte Anwendungen und Lösungen zu erstellen.
Die erheblichen Geschwindigkeitsverbesserungen haben NeoML laut ABBYY zu einem der schnellsten Machine-Learning-Frameworks auf dem Markt gemacht. Es bietet im Vergleich zur Vorgängerversion eine bis zu zehn Mal höhere Leistung für klassische Algorithmen und eine bis zu 30 Prozent höhere Geschwindigkeit für Training und Inferenz neuronaler Netzwerke. Als einen der Hauptvorteile von NeoML bezeichnet der Hersteller die hohe Cloud-Effizienz, die es Unternehmen erlauben soll, die verfügbaren Ressourcen bestmöglich zu nutzen.
Markus Pichler, Vice President of Sales Europe bei ABBYY: "Open Source ist ein starker Treiber für technologische Innovationen. Wir wollen den Fortschritt der künstlichen Intelligenz unterstützen, indem wir mit der Entwickler-Community zusammenarbeiten, um unsere Open-Source-Bibliothek weiter auszubauen und zu verbessern. NeoML eröffnet Entwicklern neue Möglichkeiten, die es ihnen erlauben, zu experimentieren, zu entwickeln und bahnbrechende Initiativen zu starten, während sie von der hohen Inferenzgeschwindigkeit, der Plattformunabhängigkeit und der Unterstützung des Frameworks für mobile Geräte profitieren. Wir laden alle Entwickler, Datenwissenschaftler und Akademiker dazu ein, NeoML auf GitHub zu nutzen und dazu beizutragen."
NeoML ist als universelles Werkzeug zur Verarbeitung und Analyse von Daten in einer Vielzahl von Formaten wie Text, Bild, Video, und weiteren konzipiert. Benutzer können Modelle überall einsetzen: in der Cloud, on-premises, im Browser oder auf dem Gerät. Die Bibliothek unterstützt die Programmiersprachen C++, Java und Objective C und bietet mehr als 20 traditionelle ML-Algorithmen wie Klassifizierungs-, Regressions- und Clustering-Frameworks. Die neuronalen Netzwerkmodelle von NeoML unterstützen über 100 Layer-Typen. Die Bibliothek ist plattformübergreifend, wodurch der gleiche Code auf allen gängigen Betriebssystemen einschließlich Windows, Linux, MacOS, iOS und Android ausgeführt werden kann. Zudem ist sie sowohl für CPUs als auch für GPUs optimiert.
NeoML ist ab sofort auf GitHub verfügbar.