Entorno de desarrollo MetaTF para simplificar el aprendizaje profundo
BrainChip, un proveedor de IA de alto rendimiento la tecnología, ha presentado MetaTF, un marco de aprendizaje automático versátil que permite a las personas que trabajan en el espacio de redes neuronales convolucionales pasar rápida y fácilmente a la computación neuromórfica.
El entorno de desarrollo MetaTF es un marco de aprendizaje automático completo y fácil de usar para la creación, entrenamiento y prueba de redes neuronales, que respalda el desarrollo de sistemas para Edge AI en el procesador neuronal de dominio de eventos Akida de BrainChip.
El entorno de desarrollo de MetaTF aprovecha TensorFlow y Keras para el desarrollo y la capacitación de redes neuronales estándar de la industria e incluye Akida Execution Engine (simulador de chip), convertidores de datos a eventos y un zoológico de modelos de modelos previamente entrenados. El marco aprovecha el lenguaje de secuencias de comandos Python y sus herramientas y bibliotecas asociadas, incluidos los cuadernos Jupyter y NumPy.
Los profesionales del aprendizaje profundo no necesitan aprender un nuevo marco para comenzar a usar MetaTF de inmediato. En tres sencillos pasos, los usuarios de MetaTF pueden pasar de diseñar y entrenar CNN a convertirlas para su implementación en el procesador neuronal Akida para aprovechar al máximo la computación neuromórfica y superar los desafíos de la IA en el perímetro. Al minimizar la complejidad y reducir el tiempo perdido en el desarrollo, BrainChip permite a las organizaciones maximizar los recursos y minimizar los tiempos de los proyectos para obtener un mayor retorno de la inversión.
“La IA no tiene por qué ser compleja y las personas no tienen que saber cómo programar la computación neuromórfica para aprovechar sus beneficios”, dijo Anil Mankar, director de desarrollo de BrainChip. “El futuro es SNN y hemos creado una manera fácil de llegar allí. Con MetaTF, presentamos otra pieza del rompecabezas que permite a los usuarios entrenar, convertir e implementar modelos ML en Akida de manera rápida y sencilla mientras trabajan en sus entornos de software actuales ".