FOSSBYTES TECH SIMPLIFIED LOGO

Ghi chú nhanh: Caffe2 là Thư viện học sâu nguồn mở mới của Facebook. Trái ngược với thư viện PyTorch trước đây, Caffe2 được xây dựng đặc biệt để đưa Học sâu vào Ứng dụng di động. Điện thoại thông minh của chúng tôi sẽ sớm trở nên thông minh hơn “Sâu sắc hơn” !!.

Nếu bạn nghĩ rằng Học sâu chỉ là về toán học, bạn đã nhầm to. Các phòng nghiên cứu khác nhau trên khắp thế giới cố gắng phát triển các khung phần mềm hiệu quả và nhanh chóng cho phép các nhà nghiên cứu hoặc công chúng triển khai và thử nghiệm các mô hình Học sâu. Thỉnh thoảng, các thư viện hiệu quả mới đang được phát hành nhằm vào các yêu cầu khác nhau. Một trong những khuôn khổ như vậy là Caffe2.

Caffe2 là một khung Deep Learning dạng mô-đun do Facebook phát hành cho Điện toán Di động. Để minh chứng, các tính năng camera mới của Messenger của Facebook sử dụng Caffe2 cho các tính năng hình ảnh thú vị của nó. Bạn có thể kiểm tra cái đó ngoài. Facebook đã bắt tay với NVIDIA để tinh chỉnh các thư viện của mình nhằm khai thác triệt để tiềm năng của GPU NVIDIA. Hơn nữa, họ cũng đã xây dựng các thư viện chuyên dụng đặc biệt cho CPU ARM, Raspberry Pi và các thiết bị IoT khác nhau.

Tuy nhiên, một deep learning khác

Có rất nhiều khuôn khổ Học sâu và Học máy có sẵn cho hầu hết các ngôn ngữ lập trình chính. Những cái được sử dụng rộng rãi là Tensorflow, (Py) Đuốc và Theano (với nhiều giao diện người dùng khác nhau như Keras, v.v.). Nhu cầu cho một cái mới là gì? Chúng tôi phải thừa nhận câu hỏi này đầu tiên.

Chà, luôn cần có những cải tiến về khả năng và hỗ trợ Phần cứng, và quan trọng hơn, Deep Learning giống như cái vạc đầy sức sống của một phù thủy. Thỉnh thoảng a thần dược Deep Learning được tạo ra. Để theo kịp điều đó, chúng tôi cần nâng cao hơn nồi hơivạc. (Các thành phần thuốcmôn Toán). Đây là nơi các khuôn khổ này xuất hiện.

Nguồn - Pytorch Forums Caffe2
So sánh các Thư viện DL. Nguồn – Diễn đàn PyTorch

Vậy Caffe2 có những tính năng mới nào? Thứ nhất, các nhà nghiên cứu của FAIR đang hướng tới khái niệm “unframework”, trong đó họ tập trung nhiều hơn vào việc xây dựng các khối chính của các thư viện riêng biệt AI như FAISS, Gloo, v.v. và tích hợp chúng vào các thư viện nhẹ như Caffe2 và PyTorch để phát triển linh hoạt và nhanh nhẹn hơn. Điều này mang lại sự minh bạch hơn cho thư viện đồng thời cung cấp một cơ sở vững chắc. Những cải tiến lớn hơn cho các khối cơ bản đó có thể được tích hợp dễ dàng vào các thư viện này.

Thứ hai, Caffe đã là một khung Deep Learning phổ biến trong giới học thuật vì khả năng tùy chỉnh dễ dàng và Caffe2 là phần mở rộng tự nhiên của nó để xây dựng các ứng dụng sẵn sàng sản xuất dựa trên các mô hình nghiên cứu. Có một làn sóng lạc quan rằng Caffe2 sẽ sớm được chấp nhận rộng rãi trong cộng đồng AI.

TÌM HIỂU QUẢNG CÁO MẶT KÍNH HỌC MÁY

Khả năng

  • Nhấn mạnh vào Điện toán di động – Caffe2 được tối ưu hóa cho CPU ARM và tự hào về hiệu suất vượt trội so với GPU trên bo mạch. Nó hỗ trợ Andriod và iOS.
  • Nhẹ và có thể mở rộng
  • Hỗ trợ máy tính phân tán
  • Sẵn sàng sản xuất
  • API Python và C ++ phong phú
  • “Mã một lần, chạy mọi nơi”

Hơn nữa, như một phần khởi động, Caffe2 cũng cung cấp các mô hình có sẵn của kiến ​​trúc học sâu tiêu chuẩn để bất kỳ ai cũng có thể xây dựng dựa trên chúng thay vì từ đầu.

Bạn có thể đã nghe nói về sự phổ biến rộng rãi PyTorch khung được Facebook phát hành vài tháng trước. PyTorch được phát triển dành riêng cho nghiên cứu – xây dựng mạng lưới thần kinh kỳ lạ và thử nghiệm. Caffe2 được xây dựng cho các mô hình sức mạnh công nghiệp có thể được triển khai cho dữ liệu quy mô lớn trên nhiều nền tảng di động khác nhau.

Những lời hứa

Xây dựng một có thể sử dụng và ổn định Thư viện mã nguồn mở là một nhiệm vụ khó hơn tưởng tượng. Đây là một trong những cơ sở đặt các Thư viện Học sâu nổi tiếng như Tensorflow không thể lên cấp. Đặc biệt, quản lý một thư viện mã nguồn mở trong một lĩnh vực nóng như Deep Learning là một nhiệm vụ khó khăn. Họ có rất nhiều người đóng góp và yêu cầu kéo nên việc quản lý họ thật tẻ nhạt. Sự chậm trễ phát sinh lần lượt làm thất vọng những người đóng góp. Để giải quyết vấn đề này, các nhà phát triển Caffe2 đã hứa sẽ chấp nhận nhanh hơn và minh bạch hơn từ những người đóng góp để nâng cao hơn nữa Caffe2.

Hơn nữa, FAIR đã hứa hẹn khả năng tương tác trên PyTorch và Caffe2, để các mô hình thử nghiệm có thể được triển khai trực tiếp trên các nền tảng di động sử dụng Caffe2, do đó mong muốn của rất nhiều công ty khởi nghiệp AI. Nhưng điểm cần lưu ý ở đây là Caffe2 không hỗ trợ đồ thị động bởi vì nó có thể bị quá tải tính toán mà các nền tảng di động hiện không thể hỗ trợ.

Tuy nhiên, Caffe2 là một bước nhảy vọt trong phần mềm Học sâu với những triết lý và cách tiếp cận phù hợp. Nó cũng dạy chúng ta rằng xây dựng phần mềm cũng là về triết lý đằng sau nó.

This post is also available in: Spanish German Tiếng Việt Italian

LEAVE A REPLY

Please enter your comment!
Please enter your name here