PyTorch, un framework open source auquel Facebook confie ses modèles d'IA

Facebook fait savoir il y a quelques jours que vous pariez sur PyTorch comme framework d'IA par défaut, puisque son courant les modèles d'intelligence artificielle effectuent déjà des milliards d'opérations chaque jourJe parie sur Pytorch, il cherche à satisfaire cette demande croissante de charge de travail Comme l'entreprise l'a indiqué, en migrant tous ses systèmes, elle pourra innover beaucoup plus rapidement tout en assurant une expérience plus optimale à tous ses utilisateurs.

Pour ceux qui ignorent PyTorch, ils devraient savoir que est une bibliothèque d'apprentissage automatique open source qui est basé sur la bibliothèque Torch. Il a été créé par l'unité de recherche en intelligence artificielle de Facebook et est déjà utilisé pour alimenter un large éventail d'applications d'intelligence artificielle, telles que la vision par ordinateur et les modèles de traitement du langage naturel.

Des exemples de modèles PyTorch AI incluent la personnalisation des flux d'utilisateurs et des histoires sur Instagram, et l'identification et la suppression des discours de haine sur Facebook.

L'adoption de PyTorch comme framework d'IA par défaut de Facebook permet de garantir que toutes les expériences sur nos technologies se dérouleront de manière optimale à l'échelle de Facebook et pour tout le monde, quel que soit l'appareil, le système d'exploitation ou la qualité de la connexion Internet.

Facebook mentionne que cette migration signifie également que vous pouvez travailler plus étroitement avec une communauté jamais:

PyTorch rend non seulement notre travail de recherche et d'ingénierie plus efficace, collaboratif et efficient, il nous permet également de partager notre travail en tant que bibliothèques PyTorch open source et d'apprendre des progrès réalisés par les milliers de développeurs PyTorch à travers le monde. .

Une des raisons aller à PyTorch est que le processus de la recherche à la production de l'IA a toujours été fastidieux et complexe, et un autre des principaux problèmes à résoudre est que les chercheurs ont été contraints de choisir entre des cadres d'IA optimisés pour la recherche ou la production, mais pas pour les deux.

Aujourd'hui, plus d'un an après le début du processus de migration, il existe plus de 1.700 93 modèles d'inférence basés sur PyTorch en pleine production sur Facebook, et XNUMX% de nos nouveaux modèles de formation, ceux chargés d'identifier et d'analyser le contenu sur Facebook, ils sont sur PyTorch.

"Cette nouvelle itération a fusionné PyTorch basé sur Python avec Caffe2 prêt pour la production et a fusionné les modes d'exécution graphique et immédiat, offrant une flexibilité pour la recherche et l'optimisation des performances pour la production", a écrit Facebook sur son blog. « Les ingénieurs PyTorch de Facebook ont ​​présenté une famille d'outils, de bibliothèques, de modèles pré-entraînés et d'ensembles de données pour chaque étape de développement, permettant à la communauté des développeurs de créer et de mettre en œuvre rapidement de nouvelles innovations d'IA à grande échelle. »

En d'autres termes, Facebook choisit PyTorch car il s'agit d'un cadre unique pour la recherche et la production de modèles d'IA Quoi offre la flexibilité d'expérimenter et aussi la possibilité de lancer l'IA à grande échelle lorsqu'elle est prête pour les heures de grande écoute. Cela permet de déployer de nouveaux modèles en quelques minutes au lieu de plusieurs semaines, a déclaré Facebook, tout en réduisant la charge d'infrastructure et d'ingénierie liée à la maintenance de deux systèmes d'intelligence artificielle différents.

L'objectif de notre migration PyTorch est de créer une expérience de développement de bout en bout plus fluide pour nos ingénieurs et développeurs. Nous voulons accélérer notre processus de la recherche à la production en utilisant une plate-forme unique qui nous permet la flexibilité d'expérimenter ainsi que la possibilité de lancer des modèles d'IA à l'échelle de la production.

PyTorch il présente également un avantage lorsqu'il s'agit d'exécuter des modèles d'IA directement sur des appareils tels que des smartphones. En effet, Facebook a créé le framework PyTorch Mobile qui réduit les tailles binaires au moment de l'exécution pour garantir que les modèles PyTorch AI peuvent fonctionner sur des appareils avec une puissance de traitement minimale.

source: https://ai.facebook.com


Soyez le premier à commenter

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont marqués avec *

*

*

  1. Responsable des données : AB Internet Networks 2008 SL
  2. Finalité des données: Contrôle du SPAM, gestion des commentaires.
  3. Légitimation: votre consentement
  4. Communication des données: Les données ne seront pas communiquées à des tiers sauf obligation légale.
  5. Stockage des données: base de données hébergée par Occentus Networks (EU)
  6. Droits: à tout moment, vous pouvez limiter, récupérer et supprimer vos informations.