Das Update für die plattformübergreifende Open-Source-Bibliothek NeoML soll eine 50 Prozent schnellere Leistungsfähigkeit als andere beliebte Open-Source-Bibliotheken für maschinelles Lernen bieten. Mit NeoML können Entwickler Modelle für maschinelles Lernen erstellen, trainieren und bereitstellen.
Das Update umfasst die Unterstützung der Programmiersprache Python, die beliebteste Sprache für maschinelles Lernen und künstliche Intelligenz. Das Framework bietet 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 erheblich und erlaubt mehr Entwicklern KI-basierte Anwendungen und Lösungen zu erstellen.
Eine Umfrage von CodinGame aus dem Jahr 2020 ergab, dass Python in der vierteljährlichen Rangliste von RedMonk mit Java gleichauf liegt und als beliebteste Programmiersprache gilt. Python wird in allen Branchen für Aufgaben wie Automatisierung, Webentwicklung, Scripting, Web Scraping und die Datenanalyse von Unternehmen wie Google, Pinterest, Spotify, Dropbox und vielen anderen eingesetzt. Auch im akademischen Bereich wird Python häufig von Studenten verwendet, um das Programmieren, maschinelles Lernen und Data Science zu erlernen.
Quelle: AbbyyDie Vielseitigkeit von Python ist nur einer der Gründe für dessen Beliebtheit. Mit der hinzugefügten Python-Unterstützung können nun noch mehr Entwickler und Unternehmen NeoML nutzen, um Modelle für die Erkennung, Klassifizierung, semantische Segmentierung, Verifizierung und Predictive Modeling von Objekten zu erstellen, zu trainieren und bereitzustellen und so verschiedene Geschäftsziele zu erreichen. So bietet sich beispielsweise Organisationen aus dem Gesundheitswesen die Möglichkeit administrative Prozesse zu rationalisieren, Infektionskrankheiten abzubilden und medizinische Behandlungen zu personalisieren; Versicherer können Beitrags- und Schadentrends ihrer Policen einschätzen.
Die erheblichen Geschwindigkeitsverbesserungen haben NeoML 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% höhere Geschwindigkeit für Training und Inferenz neuronaler Netzwerke. NeoML bietet durchschnittlich eine um 50 Prozent schnellere Leistung als die beiden beliebtesten Open-Source-Bibliotheken für maschinelles Lernen.
Damit eignet sich das Framework besonders für die Entwicklung von kundenorientierten, plattformübergreifenden Anwendungen, die sowohl eine nahtlose User Experience als auch eine On-Device-Datenverarbeitung erfordern. Einer der Hauptvorteile von NeoML ist die hohe Cloud-Effizienz, die es Unternehmen ermöglicht, die verfügbaren Ressourcen bestmöglich zu nutzen.
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 vollkommen 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. Entwickler aus den USA, Kanada, Deutschland, den Niederlanden, Brasilien, China, Indien und Südkorea setzen die Bibliothek bereits in ihren Projekten ein. (rhh)
Mehr zu NeoML
