Gluon, a nova biblioteca de Deep Learning

Ontem (12/10), a Microsoft e a Amazon revelaram o Gluon, a nova biblioteca de deep learning (aprendizagem profunda). Com ela, será possível o desenvolver facilmente sofisticados modelos de machine learning.

O Gluon é o resultado do trabalho colaborativo entre as duas empresas, que recentemente anunciaram a integração de seus assistentes de voz. A sua interface oferece uma API Python e componentes otimizados de rede neural. Isso facilita a criação de redes neurais usando código simples e conciso, sem sacrificar o desempenho. Portanto, desenvolvedores de todos os níveis de habilidade poderão construir, treinar e implantar sofisticados modelos para nuvem, dispositivos de borda e aplicativos móveis.

Atualmente, a biblioteca de aprendizagem profunda é compatível apenas com o Apache MXNet. No entanto, a Microsoft informou que em breve será suportado pelo Microsot Cognitive Toolkit (CNTK).

Qual é a importância desta biblioteca?

Para construir uma rede neural, são necessários três componentes: dados de treinamento, um modelo e um algoritmo. O algoritmo é utilizado para treinar o modelo para entender os padrões nos dados. Como o volume de dados é grande e os modelos e algoritmos são complexos, treinar um modelo pode levar dias e até semanas.

Mecanismos de deep learning como o Apache MXNet, Microsoft Cognitive Toolkit e TensorFlow foram criados para acelerar o processo de treinamento. No entanto, tais mecanismos requerem modelos e algoritmos, que geralmente usam um código longo e complexo.

Existem outras ferramentas de aprendizado profundo que facilitam a construção de modelos, mas essa simplicidade pode comprometer o desempenho.

A interface Gluon oferece aos desenvolvedores o melhor de ambos os mundos – uma interface de programação concisa e fácil de entender que permite que os desenvolvedores criem protótipos e experimentem rapidamente modelos de rede neural e um método de treinamento que tenha um impacto mínimo sobre a velocidade do mecanismo subjacente. Os desenvolvedores podem usar a interface Gluon para criar redes neurais ao virar e mudar seu tamanho e forma dinamicamente. Além disso, como a interface Gluon reúne o algoritmo de treinamento e o modelo de rede neural, os desenvolvedores podem realizar um treinamento de modelo um passo de cada vez. Isso significa que é muito mais fácil depurar, atualizar e reutilizar redes neurais.

Características do Gluon

  • Código simples e fácil de entender: o Gluon oferece um conjunto completo de blocos de construção de redes neurais plug-and-play, incluindo camadas, otimizadores e inicializadores predefinidos.
  • Estrutura flexível e imperativa: o Gluon não exige que o modelo de rede neural seja rigidamente definido, mas traz o algoritmo de treinamento e o modelo mais próximos para fornecer flexibilidade no processo de desenvolvimento.
  • Gráficos dinâmicos: o Gluon permite definir modelos de rede neural dinâmicos, o que significa que eles podem ser criados dinamicamente com qualquer estrutura e usar qualquer fluxo de controle nativo do Python.
  • Alto desempenho: o Gluon fornece todos os benefícios acima sem afetar a velocidade de treinamento que o mecanismo subjacente fornece.

 

Mais informações e download: GitHub

Fonte: Microsoft

Compartilhe
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

Deixe um comentário