Facebook reso noto qualche giorno fa che stai scommettendo su PyTorch come framework AI predefinito, poiché la sua attuale i modelli di intelligenza artificiale eseguono già migliaia di miliardi di operazioni ogni giornoHo scommesso su Pytorch, cerca di soddisfare questa crescente domanda di carico di lavoro poiché la società ha affermato che migrando tutti i loro sistemi, saranno in grado di innovare molto più rapidamente garantendo un'esperienza più ottimale per tutti i loro utenti.
Per chi non lo sa PyTorch, dovrebbero saperlo è una libreria di machine learning open source che si basa sulla libreria Torch. È stato creato dall'unità di ricerca sull'intelligenza artificiale di Facebook ed è già utilizzato per alimentare una vasta gamma di applicazioni di intelligenza artificiale, come la visione artificiale e i modelli di elaborazione del linguaggio naturale.
Esempi di modelli di intelligenza artificiale PyTorch includono la personalizzazione dei feed e delle storie degli utenti su Instagram e l'identificazione e la rimozione dell'incitamento all'odio su Facebook.
L'adozione di PyTorch come framework AI predefinito di Facebook aiuta a garantire che tutte le esperienze sulle nostre tecnologie funzionino in modo ottimale su scala Facebook e per tutti, indipendentemente dal dispositivo, dal sistema operativo o dalla qualità della connessione Internet.
Facebook afferma che questa migrazione significa anche che puoi lavorare insieme a una comunità più da vicino mai:
PyTorch non solo rende il nostro lavoro di ricerca e ingegneria più efficace, collaborativo ed efficiente, ma ci consente anche di condividere il nostro lavoro come librerie PyTorch open source e imparare dai progressi fatti dalle migliaia di sviluppatori PyTorch in tutto il mondo. .
Una delle ragioni per andare a PyTorch è che il processo di ricerca sull'intelligenza artificiale è stato tradizionalmente noioso e complesso, e un altro dei principali problemi da affrontare è che i ricercatori sono stati costretti a scegliere tra framework di intelligenza artificiale ottimizzati per la ricerca o la produzione, ma non per entrambi.
Oggi, dopo più di un anno dal processo di migrazione, ci sono più di 1.700 modelli di inferenza basati su PyTorch in piena produzione su Facebook e il 93% dei nostri nuovi modelli di formazione, quelli responsabili dell'identificazione e dell'analisi dei contenuti. su Facebook, sono su PyTorch.
"Questa nuova iterazione ha unito PyTorch basato su Python con Caffe2 pronto per la produzione e ha unito le modalità grafiche e di esecuzione immediata, fornendo flessibilità per la ricerca e l'ottimizzazione delle prestazioni per la produzione", ha scritto Facebook sul suo blog. "Gli ingegneri PyTorch di Facebook hanno introdotto una famiglia di strumenti, librerie, modelli pre-addestrati e set di dati per ogni fase di sviluppo, consentendo alla comunità di sviluppatori di creare e implementare rapidamente nuove innovazioni AI su larga scala".
In altre parole, Facebook sceglie PyTorch perché è un framework unico per i modelli AI di ricerca e produzione che offre flessibilità per sperimentare e anche la possibilità di lanciare l'IA su larga scala quando è pronta per la prima serata. Ciò rende possibile distribuire nuovi modelli in pochi minuti anziché in settimane, ha affermato Facebook, riducendo al contempo l'infrastruttura e il carico di ingegneria che derivano dal mantenimento di due diversi sistemi di intelligenza artificiale.
L'obiettivo della nostra migrazione PyTorch è creare un'esperienza di sviluppo end-to-end più fluida per i nostri ingegneri e sviluppatori. Vogliamo accelerare il nostro processo dalla ricerca alla produzione utilizzando un'unica piattaforma che ci consenta la flessibilità di sperimentare insieme alla capacità di lanciare modelli di intelligenza artificiale su scala di produzione.
PyTorch ha anche un vantaggio quando si tratta di eseguire modelli AI direttamente su dispositivi come gli smartphone. Questo perché Facebook ha creato il framework PyTorch Mobile che riduce le dimensioni binarie in fase di esecuzione per garantire che i modelli PyTorch AI possano essere eseguiti su dispositivi con una potenza di elaborazione minima.
fonte: https://ai.facebook.com