索尼免费开放其深度学习工具”核心库”

文章讲的是索尼免费开放其深度学习工具”核心库”,近日,索尼公司今日宣布其“神经网络库”(Neural Network Libraries)现以开放源代码的形式供公众使用,该库可作为开发人工智能深度学习程序的框架。软件工程师和设计师现在能充分利用这些免费的核心库,用于研发深度学习程序并将其融入到产品或服务中。转为开放源代码也是为了让研发队伍能在现有核心库程序的基础上更进一步。

  深度学习是指一种使用模拟人脑的神经网络的机器学习形式。通过转向基于深度学习的机器学习,过去几年,图像和语音识别技术飞速发展,甚至在某些领域已超越人类。与传统形式的机器学习相比,尤其值得关注的是深度学习的多功能性,除了图像和语音识别之外,还应用于包括机器翻译、信号处理和机器人等各种领域。

  神经网络设计工作对深度学习程序的开发至关重要。程序员可构建最适合手头任务的神经网络,例如图像或语音识别,并通过一系列的试验优化网络性能后,将其加载到产品或服务中。索尼核心库(操作模块组)中包含的软件有效地促进了上述所有的开发过程,并融合了以下用于深度学习研发的必要元素。

  多用途执行环境

  索尼核心库中的软件主要用C++11编写,它是一种在各种环境(包括图形处理器GPU在内的操作系统和硬件)中运行的编程语言,可在Linux,Windows以及其它众多平台上运行。

  高效的研发环境

  除了C++核心库,索尼还提供一层Python接口功能。Python是用于深度学习开发的主流编程语言,可实现轻松的原型开发和高效开发。因为它支持直观的、具有较少代码行的神经网络设计,所以能让开发人员专注于创建神经网络,同时发展能更高效、更省时和更节约成本使用深度学习的技术。

  多功能性

  它们既灵活又富有表现力,可跟上不断创新的深度学习领域的最新进展,同时也可应付神经网络的动态性。

  高速运行

  索尼的核心库与英伟达的GPU兼容,能以可达到的最快速度进行神经网络学习并执行,为深度学习所支持的技术研发创造条件,迭代时间更短。

  易于修改

  此外,在深入学习的前沿领域,视需要开发和添加新功能会十分简单。例如,添加优化器模组以及作为神经网络构成元素的功能模块就很简单。

  简单的硬件移植

  核心库的构建考虑了向新硬件移植的问题,所以能够实现向智能手机和物联网设备等硬件的简单转移。

  索尼的研发平台和系统研发团队一直将这些核心库作为涉及深度学习的产品和服务开发的基础。这些包括AR Effect,一个智能增强现实应用程序,用于XperiaTM智能手机系列的拍照功能;以及Lifelog,一个使用动作识别技术的活动追踪小程序;还有Price Estimation Engine(价格估算引擎),在买卖房地产时能提供高度准确的合约价格估算。

  这项政策是索尼人工智能环境优化倡议的一部分。我们需要更多的商品和服务使用人工智能提供更高的便利水平,索尼也正在使其核心库变为开放源代码,希望更多的开发人员和研究人员能够本着为社会做贡献的目的,在其已有程序的基础上更进一步。

作者: 赵钰莹

来源:IT168

原文链接:索尼免费开放其深度学习工具”核心库”

时间: 2024-10-22 23:56:01

索尼免费开放其深度学习工具”核心库”的相关文章

画工太渣没关系,这款深度学习工具拯救你

多年以来,Adobe 领先的图像处理技术已经为该公司在这个行业奠定了牢固的创新和影响力地位.不过随着近年来竞争对手的增多,为了继续保持这一领先地位,Adobe 已经做好了全力以赴的准备. 据国外媒体The Next Web 报道,近日,Adobe 与伯克利大学的研究人员联手,开发了一款全新的智能图像编辑软件.该软件名为 iGAN,使用深度学习技术,以帮助用户更加逼真地实时编辑图像.结果让人大吃一惊. 研究人员通过实验发现了把使用者寥寥几笔的简笔画转化成照片般逼真的图像的方法.这款深度学习工具会受

给深度学习工具新手的一封信

企业需要充分利用已有的大量非结构化数据,而深度学习应用程序无疑是帮助企业完成数据分析等工作的好帮手. 在Twitter公司,Hugo LaRochelle的工作是研究社交网络用户彼此联系的方式,以及想要对内容(包括微博.图片和视频)进行分类和推广,哪些东西会引起他们的兴趣.为了顺利完成这一任务,他和他的同事们使用了一种新兴技术:深度学习工具. LaRochelle分享了在波士顿"深度学习峰会"上发表的演讲.深度学习属于机器学习的范畴,可以解决一些复杂的问题,如用自然语言解释图像或文本.

谷歌之后,亚马逊开源深度学习工具 DSSTNE

五个月以前,谷歌将自己的深度学习系统 TensorFlow开源. 而如今,亚马逊也决定,跟随谷歌的脚步将自己的深度学习软件开源.目前,你可以在 Github 上看到相关的源代码,项目名为 DSSTNE(读作 destiny). 亚马逊在开源项目下面的留言问答中解释了它们开源的动机:"把 DSSTNE 开源,人类对于深度学习的研究将不止于语言理解及视觉识别,智能搜索和推荐将得到更广泛的研究和讨论.我们希望和世界上的顶级研究者们合作,一起提升这方 面的研究进程.但最重要的是,我们希望这方面的研究思路

深度学习的核心:掌握训练数据的方法

       Hello World!今天我们将讨论深度学习中最核心的问题之一:训练数据.深度学习已经在现实世界得到了广泛运用,例如:无人驾驶汽车,收据识别,道路缺陷自动检测,以及交互式电影推荐等等. 我们大部分的时间并不是花在构建神经网络上,而是处理训练数据.深度学习需要大量的数据,然而有时候仅仅标注一张图像就需要花费一个小时的时间!所以我们一直在考虑:能否找到一个方法来提升我们的工作效率?是的,我们找到了. 现在,我们很自豪的将Supervisely令人惊叹的新特性公诸于世:支持AI的标注工

深度学习在2016年都有哪些主要研究进展?(附开源平台地址)| 盘点

在过去的几年时间里,深度学习(Deep Learning)一直都是机器学习社区的核心主题, 2016年也不例外.  研究人员长久以来亟待解决的一个主要挑战就是无监督学习(Unsupervised Learning).Tryolabs 认为,2016 年对于这一领域来说是取得伟大突破的一年,主要原因是出现了大量的基于生成模型(Generative Models)的研究.此外,雷锋网会介绍自然语言处理(NLP)技术在 2016 年所取得的创新,这些技术会是实现该目标的关键.除了回顾那些推动该领域快速

深度学习入门:投身深度学习你需要哪些准备?

更多深度文章,请关注:https://yq.aliyun.com/cloud 我想回答一些我经常被问到的问题:我需要什么样的电脑来进行深度学习?为什么fast.ai推荐Nvidia GPU?你为初学者推荐什么深度学习库?你如何把深度学习引入生产?我认为这些问题都属于一个总的主题:你需要什么(硬件.软件.背景和数据)来进行深入学习? 这篇文章是针对那些新进入这个领域的,并且对入门感兴趣的人. 你需要的硬件 我们感谢游戏业 电子游戏行业(收入方面)大于电影和音乐行业的总和. 在过去的20年里,视频游

【深度学习框架大PK】褚晓文教授:五大深度学习框架三类神经网络全面测评(23PPT)

香港浸会大学褚晓文教授团队在2016年推出深度学习工具评测的研究报告,并在2017年年初发布更新,引起广泛关注.见新智元报道< 基准评测 TensorFlow.Caffe.CNTK.MXNet.Torch 在三类流行深度神经网络上的表现(论文)>,2017年初版本的评测的主要发现可概括如下: 总体上,多核CPU的性能并无很好的可扩展性.在很多实验结果中,使用16核CPU的性能仅比使用4核或8核稍好.TensorFlow在CPU环境有相对较好的可扩展性. 仅用一块GPU卡的话,FCN上Caffe

详解丨FPGA:深度学习的未来?

转自新智元 来源:arxiv 作者:Griffin Lacey  Graham Taylor Shawaki Areibi 摘要 最近几年数据量和可访问性的迅速增长,使得人工智能的算法设计理念发生了转变.人工建立算法的做法被计算机从大量数据中自动习得可组合系统的能力所取代,使得计算机视觉.语音识别.自然语言处理等关键领域都出现了重大突破.深度学习是这些领域中所最常使用的技术,也被业界大为关注.然而,深度学习模型需要极为大量的数据和计算能力,只有更好的硬件加速条件,才能满足现有数据和模型规模继续扩

预测:深度学习未来的6种可能

文章讲的是预测:深度学习未来的6种可能,即使你是掌握了人工智能和神经网络基础知识的数据科学家,你可能还需要更多的时间来了解卷积,了解通过组合低层特征形成更加抽象的高层表示属性类别或特征的深度学习算法的复杂性.随着深度学习的不断创新,这种技术将面临一种风险,即对于普通开发人员来说,如果不进行深入研究难以掌握这种技术. 深度学习的潜力似乎是无限的,开发人员仍然在想如何高效利用深度学习来创造价值.到这十年结束时,深度学习行业将大大简化其提供的功能,使其对普通开发人员也是易于理解和可用的.深度学习的工具