F8 2017 | Facebook 开源全新深度学习框架 Caffe2,让 AI 从云端走向终端

简介:

F8 2017 | Facebook 开源全新深度学习框架 Caffe2,让 AI 从云端走向终端

雷锋网消息。在昨晚开幕的 F8 年度开发者大会上,Facebook 发布了一款全新的开源深度学习框架 Caffe2。按照官网介绍,它最大的特点就是轻量、模块化和扩展性,即一次编码,到处运行(和 Java 的宣传语类似)。说得更直白一点,就是 Caffe2 可以方便地为手机等移动终端设备带来 AI 加持,让 AI 从云端走向终端。

  Caffe2 相比 Caffe 更新了什么

Caffe2 官方博客表示:长期以来,提起 AI 模型的训练和部署,人们通常都会联想到大数据中心或超级计算机。之所以会出现这种现象,是因为小型计算设备在大规模图像、视频、文本和语音处理上具有明显的短板,无论在速度还是可靠性上都远远不及大型数据中心。因此在移动设备上部署 AI 模型,使其能够快速准确地处理相关分析任务,一直是一项有待解决的难题。要解决这个难题,让 AI 终端化,除了有赖于移动硬件平台的发展之外,在软件框架层面也需要一个灵活轻便的框架支持。

而 Caffe2 正是这样一个框架。它是在此前流行的开源框架 Caffe 基础上的重构和升级,一方面集成了诸多新出现的算法和模型,另一方面在保证运算性能和可扩展性的基础上重点加强了框架在轻量级硬件平台的部署能力。按照官方介绍,Caffe2 除了支持现在已经成为标配的云端 GPU 加速之外,还可以部署在包括 iOS,Android,英伟达 Tegra X1 和树莓派(Raspberry Pi)等在内的各种移动平台上。用户只需要加载 Caffe2 框架,然后通过几行简单的 API 接口调用(Python 或 C++),就能在手机 App 上实现包括图像识别、自然语言处理和计算机视觉等在内的各种 AI 功能。

Caffe 和 Caffe2 背后的主要开发者,加州大学伯克利分校博士贾扬清在接受外媒采访时表示:

“几乎所有的深度学习框架都或多或少地提到了扩展性,但我们可以相当自信地说,Caffe2 在这方面要优于其他框架。”

在 Caffe 平台的另一项核心竞争力:Model Zoo 社区方面,Caffe2 也提供了完整的支持。此前,为数众多的 Caffe 开发者和研究人员都会经常在 Model Zoo 社区分享一些已经实现好的组件或模型,其他开发者可以直接下载和修改,这大大加快了大家的开发进度,避免了重复劳动。在更新了 Caffe2 之后,官方表示用户依然可以在 Model Zoo 社区上传相关组件,而且官方提供了脚本工具可以将老版 Caffe 模块一键转换到 Caffe2 平台,详情参见:

http://caffe2.ai/docs/zoo.html 

  Caffe2 得到了哪些支持

值得注意的是,除了 Caffe2 框架本身之外,Facebook 还在发布会上宣布了一系列和 Caffe2 相关的云平台和硬件平台支持。

云平台方面,亚马逊 AWS 表示目前在旗下的 Deep Learning AMI 上已经加入了 Caffe2 支持,用户可以直接在 AWS 运行相关样例。微软 Azure 也表示已经在旗下 Data Science Virtual Machine (DSVM)上兼容 Caffe2。

硬件平台方面,Nvidia 加速计算总经理兼副总裁 Ian Buck 在博客中表示,旗下的 GPU 可以接入 Facebook 服务器进行深度学习计算,并将帮助更多人学习使用 Caffe2。高通表示,公司正在与 Facebook 合作,进一步优化 Caffe2 框架,并将深度适配旗下 Snapdragon 神经处理引擎(NPE)。英特尔表示,未来将集成旗下数学内核库(MKL)到 Caffe2 中。

目前,Caffe2 框架已经被 Facebook 内部采用,开发者和研究人员们正在使用该框架提供的各种工具训练大型的机器学习模型,并为 Facebook 旗下的移动应用提供 AI 智能体验。

Caffe2 官网:http://caffe2.ai/ 

GitHub 开源地址:https://github.com/caffe2/caffe2 





本文作者:恒亮
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
15天前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
51 3
|
14天前
|
机器学习/深度学习 人工智能 算法
整合海量公共数据,谷歌开源AI统计学专家DataGemma
【10月更文挑战第28天】谷歌近期开源了DataGemma,一款AI统计学专家工具,旨在帮助用户轻松整合和利用海量公共数据。DataGemma不仅提供便捷的数据访问和处理功能,还具备强大的数据分析能力,支持描述性统计、回归分析和聚类分析等。其开源性质和广泛的数据来源使其成为AI研究和应用的重要工具,有助于加速研究进展和推动数据共享。
44 6
|
17天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
74 9
|
1月前
|
存储 人工智能 uml
介绍一款好用的开源画图神器-draw.io | AI应用开发
draw.io 是一款基于浏览器的开源绘图工具,无需安装即可使用,支持多种操作系统和设备。其简洁的界面、丰富的形状库、智能对齐功能和强大的云端协作能力,使其成为专业人士和创意爱好者的首选。无论是产品设计、流程图绘制还是思维导图构建,draw.io 都能满足你的多样化需求。【10月更文挑战第7天】
104 0
|
12天前
|
机器学习/深度学习 监控 PyTorch
深度学习工程实践:PyTorch Lightning与Ignite框架的技术特性对比分析
在深度学习框架的选择上,PyTorch Lightning和Ignite代表了两种不同的技术路线。本文将从技术实现的角度,深入分析这两个框架在实际应用中的差异,为开发者提供客观的技术参考。
32 7
|
15天前
|
机器学习/深度学习 自然语言处理 并行计算
DeepSpeed分布式训练框架深度学习指南
【11月更文挑战第6天】随着深度学习模型规模的日益增大,训练这些模型所需的计算资源和时间成本也随之增加。传统的单机训练方式已难以应对大规模模型的训练需求。
61 3
|
14天前
|
存储 人工智能 SEO
全开源免费AI网址导航网站源码
Aigotools 可以帮助用户快速创建和管理导航站点,内置站点管理和自动收录功能,同时提供国际化、SEO、多种图片存储方案。让用户可以快速部署上线自己的导航站。
33 1
|
16天前
|
机器学习/深度学习 算法 编译器
Python程序到计算图一键转化,详解清华开源深度学习编译器MagPy
【10月更文挑战第26天】MagPy是一款由清华大学研发的开源深度学习编译器,可将Python程序一键转化为计算图,简化模型构建和优化过程。它支持多种深度学习框架,具备自动化、灵活性、优化性能好和易于扩展等特点,适用于模型构建、迁移、部署及教学研究。尽管MagPy具有诸多优势,但在算子支持、优化策略等方面仍面临挑战。
43 3
|
16天前
|
机器学习/深度学习 人工智能 算法
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第27天】本文探讨了深度学习技术在医学影像诊断中的最新进展,特别是在卷积神经网络(CNN)的应用。文章介绍了深度学习在识别肿瘤、病变等方面的优势,并提供了一个简单的Python代码示例,展示如何准备医学影像数据集。同时强调了数据隐私和伦理的重要性,展望了AI在医疗领域的未来前景。
38 2
|
1月前
|
人工智能 Java API
阿里云开源 AI 应用开发框架:Spring AI Alibaba
近期,阿里云重磅发布了首款面向 Java 开发者的开源 AI 应用开发框架:Spring AI Alibaba(项目 Github 仓库地址:alibaba/spring-ai-alibaba),Spring AI Alibaba 项目基于 Spring AI 构建,是阿里云通义系列模型及服务在 Java AI 应用开发领域的最佳实践,提供高层次的 AI API 抽象与云原生基础设施集成方案,帮助开发者快速构建 AI 应用。本文将详细介绍 Spring AI Alibaba 的核心特性,并通过「智能机票助手」的示例直观的展示 Spring AI Alibaba 开发 AI 应用的便利性。示例源

热门文章

最新文章