Intel 公布开源版 Nauta,可开展深度学习模型训练实验

作者: 段段段落 2019-01-25 18:06:32

 Intel 近日公布了 Nauta 的开源版本,这是一个使用 Kubernetes 或 Docker,分布在多个服务器上的深度学习平台。

该平台可使用 MXNet、TensorFlow 和 PyTorch 等许多流行的机器学习框架,采用可以与 Intel 的 Xeon CPU 集群协同工作的处理系统。通过 TensorBoard、命令行代码或 Nauta Web 用户界面等方式,可以看到深度学习实验的结果。

Nauta 是一个企业级的堆栈,适用于需要运行深度学习工作负载,来培训将部署到生产环境中的模型的团队。使用 Nauta,用户可以在单个或多个工作节点上用 Kubernetes 来定义和安排容器化的深度学习实验,检查这些实验的状态和结果从而进一步调整和运行其他实验,或是进行训练过模型的部署准备。

作为新发布的可以使用 Kubernetes 或 Docker 容器的工具,Nauta 允许从业人员通过内部服务器或云端部署人工智能。

去年11月,谷歌引入了 Kubeflow 管道——一个 Kubernetes 工作流,微软则在上个月的公共预览版中引入了 Azure Kubernetes 服务,Linux 基金会的 LF 深度学习基金会去年秋天还推出了用于深度学习的 Acumos AI 工具(可用于Docker或Kubernetes)……

与这些分布式深度学习平台一样,Nauta 也称自己有助于数据科学家和 AI 从业者团队的协同工作。用户自由定制的预制工具,脚本、模型模板以及用于模型测试的批量或流式推断(batch or streaming inference)是平台的一部分。这个新平台的额外更新,将在晚些时候推出。

深度学习 开源 人工智能
上一篇:2019年科技趋势预测:5G即将爆发,人工智能持续发力 下一篇:Gartner:37% 受调查组织现已部署人工智能
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载