Facebook maakte een paar dagen geleden bekend dat je gokt op PyTorch als je standaard AI-framework, sinds zijn huidige kunstmatige-intelligentiemodellen voeren al elke dag triljoenen operaties uitIk wed op Pytorch, het probeert te voldoen aan deze groeiende vraag naar werkdruk Zoals het bedrijf zei dat ze door al hun systemen te migreren, veel sneller kunnen innoveren en tegelijkertijd een meer optimale ervaring voor al hun gebruikers kunnen garanderen.
Voor degenen die het niet weten PyTorch, dat zouden ze moeten weten is een open source machine learning-bibliotheek die is gebaseerd op de Torch-bibliotheek. Het is gemaakt door de onderzoekseenheid voor kunstmatige intelligentie van Facebook en wordt al gebruikt voor een breed scala aan kunstmatige-intelligentietoepassingen, zoals computervisie en modellen voor natuurlijke taalverwerking.
Voorbeelden van PyTorch AI-modellen zijn het aanpassen van gebruikersfeeds en verhalen op Instagram en het identificeren en verwijderen van haatzaaiende uitlatingen op Facebook.
Door PyTorch toe te passen als het standaard AI-framework van Facebook, kunnen we ervoor zorgen dat alle ervaringen met onze technologieën optimaal werken op Facebook-schaal en voor iedereen, ongeacht het apparaat, het besturingssysteem of de kwaliteit van de internetverbinding.
Facebook vermeldt dat deze migratie ook betekent dat je nauwer kunt samenwerken met een community nooit:
PyTorch maakt ons onderzoeks- en engineeringwerk niet alleen effectiever, samenwerkingsgerichter en efficiënter, het stelt ons ook in staat om ons werk als open source PyTorch-bibliotheken te delen en te leren van de vooruitgang die is geboekt door de duizenden PyTorch-ontwikkelaars over de hele wereld.
Een van de redenen om naar PyTorch te gaan is dat het proces van onderzoek tot productie van AI van oudsher vervelend is geweest en complex, en een ander van de belangrijkste problemen die moeten worden aangepakt, is dat onderzoekers moesten kiezen tussen AI-frameworks die zijn geoptimaliseerd voor onderzoek of productie, maar niet voor beide.
Vandaag, meer dan een jaar in het migratieproces, zijn er meer dan 1.700 op PyTorch gebaseerde inferentiemodellen in volle productie op Facebook, en 93 procent van onze nieuwe trainingsmodellen, degenen die verantwoordelijk zijn voor het identificeren en analyseren van inhoud. op PyTorch.
"Deze nieuwe iteratie voegde op Python gebaseerde PyTorch samen met productiegereed Caffe2 en samengevoegde grafische en directe uitvoeringsmodi, wat flexibiliteit biedt voor onderzoek en prestatie-optimalisatie voor productie", schreef Facebook op zijn blog. "PyTorch-ingenieurs bij Facebook hebben een reeks tools, bibliotheken, vooraf opgeleide modellen en datasets geïntroduceerd voor elke ontwikkelingsfase, waardoor de ontwikkelaarsgemeenschap snel nieuwe AI-innovaties op grote schaal kan creëren en implementeren."
En otras palabras, Facebook kiest PyTorch omdat het een uniek raamwerk is voor AI-modellen voor onderzoek en productie production dat biedt flexibiliteit om te experimenteren en ook de mogelijkheid om AI op grote schaal te lanceren wanneer het klaar is voor prime time. Dat maakt het mogelijk om nieuwe modellen in minuten in plaats van weken te implementeren, zei Facebook, terwijl de infrastructuur en technische lasten worden verminderd die gepaard gaan met het onderhouden van twee verschillende kunstmatige-intelligentiesystemen.
Het doel van onze PyTorch-migratie is om een soepelere end-to-end ontwikkelaarservaring te creëren voor onze technici en ontwikkelaars. We willen ons proces van onderzoek tot productie versnellen door gebruik te maken van één enkel platform dat ons de flexibiliteit geeft om te experimenteren en de mogelijkheid om AI-modellen op productieschaal te lanceren.
PyTorch het heeft ook een voordeel als het gaat om het rechtstreeks uitvoeren van AI-modellen op apparaten zoals smartphones. Dit komt omdat Facebook het PyTorch Mobile-framework heeft gecreëerd dat binaire groottes tijdens runtime verkleint om ervoor te zorgen dat PyTorch AI-modellen kunnen worden uitgevoerd op apparaten met minimale verwerkingskracht.
bron: https://ai.facebook.com