当前位置:千优科技>行业资讯>详情

2020 年深度学习发展大盘点

2021-01-07 23:51:30 浏览:338次 来源:互联网 编辑:leo 推荐:人工智能

紧跟近些年的趋势,2020年深度学习依然是发展最快的领域之一,直奔未来工作。其发展是多方面的,而且是多方位的。以下是对今年发展中一些突出亮点的梳理与盘点。

2020 年深度学习发展大盘点

2020年1月

OpenAI宣布将PyTorch作为其标准的深度学习框架

AI研究组织OpenAI宣布PyTorch为其新的标准深度学习框架。PyTorch将提高其在GPU上的大规模研究生产率。在PyTorch的支持下,OpenAI将其生成式建模迭代时间从几周缩短到几天。

2020年3月

(1)Megvii开源深度学习AI框架

中国的初创公司MegviiTechnology表示,将把其深度学习框架开源。MegEngine是Megvii专有AI平台Brain++的一部分。它可以在广泛的范围内训练计算机视觉,并帮助世界各地的开发人员构建商业和工业用途的AI解决方案。

(2)Keras2.4.0发布

新版本清除了关于tf.keras和独立的Keras包之间的不兼容和差异的困惑。现在,一个单一的Keras模型--tf.keras--已经投入使用。

(3)华为技术有限公司开源"Mindspore

华为技术公司开源了MindSpore,这是一个面向移动、边缘和云场景的深度学习训练框架。该框架是轻量级的,正在给TensorFlow和PyTorch带来激烈的竞争。

它可以跨设备扩展,并且在自然语言处理(NLP)等功能上使用的代码减少了20%。它还支持并行训练,节省不同硬件的训练时间,并维护和保存敏感数据。

MindSpore本身并不处理任何数据,而是只摄取预处理后的模型和梯度信息,保持模型的鲁棒性。

2020年4月

IBM公司的CogMol加速了COVID-19的治疗开发

IBM的深度学习框架CogMol将帮助研究人员加速治愈COVID-19等传染病。新框架将解决当前"生成式人工智能模型以创建新型肽、蛋白质、候选药物和材料"中的挑战。

2020年6月

(1)ABBYY开源NeoML,深度学习和算法的框架

ABBYY,宣布推出NeoML。它是一个用于构建、训练和部署ML模型的开源库。NeoML是一个跨平台的框架。它针对在云端、桌面和移动设备上运行的应用进行了优化,并支持深度学习和机器学习算法。

ABBYY的工程师使用它来完成计算机视觉和NLP任务。这些任务包括图像预处理、分类、OCR、文档布局分析以及从文档中提取数据,这些文档可以是结构化的,也可以是非结构化的。

"NeoML为运行在任何设备上的预训练图像处理模型提供了15-20%的性能。"该库被设计为处理和分析多格式数据(视频、图像等)的综合工具。

(2)FINDER发布

网络科学家多年来一直在努力解决一个重要问题。他们一直在试图确定最影响网络功能的关键角色或一组最佳节点。

今年6月,中国国防科技大学、加州大学洛杉矶分校(UCLA)和哈佛医学院(HMS)的研究人员发表了一个名为FINDER(FindingkeyplayersinNetworksthroughDeepReinforcementlearning)的深度强化学习(DRL)框架。它在一小套合成网络上进行训练,然后应用于真实世界的场景。该框架可以识别复杂网络中的关键角色。它发表在《自然机器智能》的一篇论文中。

2020年8月

(1)scikit-learn发布了0.23版本

新版本包括一些新的主要功能,并修复了上一个版本中的bug。其主要功能包括:广义线性模型,以及梯度提升的泊松损失;丰富的估计器的可视化表示;对KMeans的可扩展性和稳定性的改进;对基于直方图的梯度提升估计器的改进;对Lasso和ElasticNet的样本权重支持。

2020年9月

亚马逊出版《深度学习分析》《DiveintoDeepLearning》一书

亚马逊团队在书中加入了关键的编程框架。这本书--DiveintoDeepLearning--是通过Jupyter笔记本起草的,整合了数学、文本和可运行代码。它是一个完全开源的实时文档,可触发更新为HTML、PDF和笔记本版本。

虽然这本书最初是为MXNeT编写的,但其作者也将PyTorch和TensorFlow加入其中。

对于对深度学习感兴趣的学生、开发者和科学家来说,亚马逊的这本书是一个很好的开源资源。

2020年10月

(1)《自然机器智能》杂志发表了一个突破性的模型

今年10月,来自维也纳理工大学(TUWien)、奥地利IST和美国麻省理工学院(MIT)的一个国际研究团队公布了一个新的人工智能系统。这个新时代的人工智能系统建立在线虫等微小动物的大脑上,只需几个人工神经元就能控制车辆。

与以往的深度学习模型相比,该方案具有显著的优势。远离了臭名昭著的"黑盒子",它可以处理嘈杂的输入,并且简单易懂。该模型发表在《自然机器智能》上。

(2)MIScnn发布

MIScnn是一个开源的Python框架,用于卷积神经网络和深度学习的医学图像分割。

它拥有直观的API,只需几行代码就能快速设置医学图像分割管道。MIScnn还具有数据I/O、预处理;贴片式分析;数据增强;度量;具有最先进的深度学习模型和模型利用的库;以及自动评估。

(3)TensorFlow2.3发布

tf.data解决了输入管道瓶颈,提高了资源利用率。对于高级用户来说,它的训练速度有所提高。tf.data允许用户在不同的训练运行中重复使用输出,从而释放出额外的CPU时间。

TFProfiler增加了一个内存剖析器来可视化模型的内存使用情况,以及一个Python追踪器来追踪模型中的Python函数调用。它还提供了对新的Keras预处理层API的实验性支持。

(4)PyTorch1.7.0发布

它包括许多新的API,包括"支持NumPy兼容的FFT操作、剖析工具,以及对分布式数据并行(DDP)和基于远程过程调用(RPC)的分布式训练的重大更新。"

11月及以后

随着2020年进入最后一圈,我们期待更多令人印象深刻的新进展出现。

马克-库班曾说说。"人工智能、深度学习、机器学习--不管你在做什么,如果你不懂的话,就学赶紧学起来吧。因为否则你的知识将在3年内成为老古董。"

为深入研究深度学习干杯!

标签:深度学习人工智能AI

版权声明:文章由 www.e1000u.com 整理收集,来源于互联网或者用户投稿,如有侵权,请联系我们,我们会立即处理。如转载请保留本文链接:https://www.e1000u.com/article/10228.html