Microsoft und Amazon schließen sich zusammen, um Deep Learning für alle Entwickler zugänglich zu machen

Microsoft und Amazon heute angekündigt eine neue Deep-Learning-Schnittstelle namens Gluon. Die in Seattle ansässigen Unternehmen bündeln ihre Kräfte, um Deep Learning mit der neuen Deep Library für alle Entwickler zugänglich zu machen. Die Bibliothek bietet eine „prägnante und leicht verständliche“ Programmierschnittstelle, mit der Entwickler Modelle für maschinelles Lernen zur Verwendung in der Cloud, auf Smartphones und mehr erstellen können.

Gluon stellt Entwicklern eine Python-API zur Verfügung, mit der sie komplexe Modelle für maschinelles Lernen prototypisieren, erstellen und trainieren können. Microsoft und Amazon sagten heute in einer gemeinsamen Pressemitteilung, dass das Erstellen von Modellen für maschinelles Lernen sehr schwierig sein kann und viel Zeit und Rechenleistung erfordert. Gluon hofft, diese Lösung mit seiner Python-API und vorgefertigten neuronalen Netzwerkkomponenten anzugehen. Gluon arbeitet derzeit mit Apache MXNet, aber Microsoft und Amazon werden später Unterstützung für Microsofts Cognitive Toolkit hinzufügen.

„Wir haben die Gluon-Schnittstelle entwickelt, damit das Erstellen neuronaler Netze und Trainingsmodelle so einfach sein kann wie das Erstellen einer App. Wir freuen uns auf unsere Zusammenarbeit mit Microsoft bei der Weiterentwicklung der Gluon-Schnittstelle für Entwickler, die daran interessiert sind, maschinelles Lernen benutzerfreundlicher zu gestalten“, sagte Swami Sivasubramanian, VP von Amazon AI.

Mit der von Gluon bereitgestellten Pyhton-API können Sie Modelle für maschinelles Lernen erstellen und trainieren, ohne Tausende von Codezeilen schreiben zu müssen, die Sie normalerweise zum Erstellen und Trainieren dieser Modelle benötigen würden. Gluon wirkt sich auch überhaupt nicht auf die Trainingsleistung aus, da Sie Ihre Modelle mit der gleichen Geschwindigkeit trainieren können, die Sie erhalten würden, wenn Sie Engines wie Apache MXNet direkt verwenden würden.

Gluon ist heute verfügbar, und Sie können es schau es dir hier auf GitHub an.