深度学习的开放标准,以简化神经网络的发展

时间:2019-03-06 18:38:59 阅读:19次

  在人工智能的各种探索领域中,深度学习是一个令人兴奋且日益重要的研究领域,它具有帮助计算机理解和从数据中提取意义的巨大潜力,例如:破译图像和声音。

  为了帮助进一步创建和采用可互操作的深度学习模型,IBM加入了开放式神经网络交换(ONNX),这是一个由Facebook和微软于9月份建立的新的行业生态系统。 ONNX提供了一种通用的开放格式来表示深度学习模型。 ONNX计划设想灵活地在开源框架之间无缝地移动深度学习模型,以加速数据科学家的开发。

   ONNX可以让开发人员摆脱在研发阶段必须致力于特定深度学习框架的负担和限制,并为工程师和研究人员提供探索各种可能性的自由,使他们能够更轻松地在不同的深度学习框架和计算媒介,并选择具有最适合其项目的功能的选项。

   IBM长期以来一直支持并积极鼓励采用开放标准和协作创新。 ONNX将帮助鼓励互操作性并营造深度学习系统环境,促进人工智能创新,加速神经网络在各种研究项目,产品和解决方案中的开发和使用。

深度学习的开放标准,以简化神经网络的发展所属专题:神经网络 《深度学习的开放标准,以简化神经网络的发展》链接:http://www.zhouchuanxiong.net/831

深度学习的开放标准,以简化神经网络的发展相关文章

  • 机器学习过去常常超过MELD来评估肝脏疾病
  • IBM科学家证明使用GPU可以将大规模机器学习速度提高10倍
  • 分布式深度学习培训控制提供10倍的性能提升
  • ROMEO寻求通过机器学习和边缘物联网改善风电场
  • 从研究论文中自动生成深度学习模型的代码
  • 攻丝机学习促进更多地利用仿生学进行创新
  • 深度学习培训时间显着减少
  • IBM Research的深度学习进展
  • IBM利用POWER9和NVIDIA GPU设置万亿级机器学习基准记录; PowerAI即将推出
  • 一种用于大规模图的可扩展深度学习方法
  • 在强化学习中发现特征选择的新算法
  • 加速机器学习算法的培训
  • 使用深度学习生成餐厅评论
  • 使用OpenCV和深度学习在视频中跟踪对象
  • 开发一个使用机器学习的基于Web的移动健康应用程序
  • 在Kubernetes上部署和使用多框架深度学习平台
  • 创建一个Web应用程序以与机器学习生成的图像标题进行交互
  • 创建一个Web应用程序,以便与使用机器学习检测到的对象进
  • 机器学习模型的性能评估
  • 构建机器学习推荐引擎,以鼓励基于过去购买行为的额外购买
  • 使用内部部署数据训练基于云的机器学习模型
  • 使用Watson Machine Learning和IBM Db2 Warehouse on Cloud持续学习
  • 部署深度学习驱动的“魔术裁剪工具”
  • 使用机器学习预测心脏病
  • 使用Watson OpenScale监控自定义机器学习引擎
  • 使用Watson OpenScale监控Sagemaker机器学习
  • 使用机器学习和高级分析分析物联网传感器数据
  • 使用Watson OpenScale监控Azure机器学习
  • 从计算机中学习大脑,反之亦然
  • 机器学习分支出来