Facebook Open-Sources algumas de suas ferramentas Deep-Aprendizagem

Advertisement

No mundo da aprendizagem de máquina, a palavra de ordem nos dias de hoje é "uma aprendizagem mais profunda." É uma técnica que tem sido um popularizado por Geoff Hinton , que agora está no Google e já trabalhou na Microsoft Research, assim como outros pesquisadores de ciência da computação como Yann LeCun que estão à procura de melhores formas de ensinar computadores como reconhecer objetos e fala.

Facebook, também, fez um pouco de trabalho na área e hoje, a empresa está aberta-sourcing alguns de seus projetos de todo o quadro de computação Torch7 para aprendizado de máquina. Torch tem sido por muito tempo no centro de aprendizado de máquina e muitos projetos de inteligência artificial em laboratórios acadêmicos e em empresas como Google, Twitter e Intel.

Facebook hoje está lançando ferramentas otimizadas para aumentar a velocidade com que deep-aprendizagem projetos que utilizam run Torch. One permite aos desenvolvedores paralelizar a formação de suas redes que utilizam múltiplos GPUs simultaneamente.Outra melhoria garante que treinar as redes neurais convolucionais no centro de muitos sistemas de aprendizagem profundas podem ser treinados 23 vezes mais rápido quando comparado com o mais rápido código publicamente disponível hoje.

Além disso, o Facebook está lançando uma série de ferramentas adicionais que trazem mais velocidade para outras partes do Torch, também. Algumas delas são modestos, mas muitos de resultados dos projectos do Facebook em 3 a 10x melhorias sobre as ferramentas padrão.

Tudo isso é bastante técnico, é claro, e você pode ler mais sobre os detalhes aqui .

O que importa, porém, é que as técnicas de aprendizagem profunda (ou pelo menos os seus resultados) estão lentamente começando a mostrar-se em uma grande parte do software que usamos todos os dias.

Fotos do Google+, por exemplo, usa-lo para que você possa encontrar as imagens em sua biblioteca de fotos. E na CES, na semana passada, a Nvidia passou a maior parte de sua palestra discutindo como ele usa o aprendizado profundo para classificar objetos que uma câmera em um carro pode ver, a fim de aprofundar a sua investigação na condução autónoma.

Fonte(s): TECH CRUNCH