MetaTF-Entwicklungsumgebung zur Vereinfachung des Deep Learning

BrainChip, ein Anbieter von Hochleistungs-KI Technologie, hat MetaTF eingeführt, ein vielseitiges ML-Framework, das es Menschen, die im Bereich Faltungs-Neuronale Netzwerke arbeiten, ermöglicht, schnell und einfach auf neuromorphes Computing umzusteigen.

Die MetaTF-Entwicklungsumgebung ist ein benutzerfreundliches, vollständiges Framework für maschinelles Lernen zum Erstellen, Trainieren und Testen neuronaler Netze, das die Entwicklung von Systemen für Edge AI auf dem neuronalen Prozessor Akida der Eventdomäne von BrainChip unterstützt.

Die MetaTF-Entwicklungsumgebung nutzt TensorFlow und Keras für die Entwicklung und Schulung neuronaler Netze nach Industriestandard und umfasst die Akida Execution Engine (Chipsimulator), Daten-Ereignis-Konverter und einen Modellzoo mit vorab trainierten Modellen. Das Framework nutzt die Python-Skriptsprache und die zugehörigen Tools und Bibliotheken, einschließlich Jupyter-Notizbücher und NumPy.

Deep-Learning-Profis müssen kein neues Framework erlernen, um MetaTF sofort nutzen zu können. In drei einfachen Schritten können MetaTF-Benutzer CNNs entwerfen und trainieren, um sie für die Bereitstellung auf dem neuronalen Akida-Prozessor zu konvertieren, um das neuromorphe Computing voll auszunutzen und die Herausforderungen der KI am Rande zu bewältigen. Durch die Minimierung der Komplexität und die Reduzierung der Zeitverschwendung bei der Entwicklung ermöglicht BrainChip Unternehmen, Ressourcen zu maximieren und Projektzeiten zu minimieren, um einen höheren ROI zu erzielen.

"KI muss nicht komplex sein und die Leute müssen nicht wissen, wie man neuromorphes Computing programmiert, um seine Vorteile zu nutzen", sagte Anil Mankar, Chief Development Officer bei BrainChip. „Die Zukunft ist SNN und wir haben einen einfachen Weg gefunden, um dorthin zu gelangen. Mit MetaTF stellen wir ein weiteres Puzzleteil vor, mit dem Benutzer ML-Modelle schnell und einfach trainieren, konvertieren und für Akida bereitstellen können, während sie in ihren aktuellen Softwareumgebungen arbeiten. “