Lingkungan pengembangan MetaTF untuk menyederhanakan pembelajaran mendalam

BrainChip, penyedia AI berkinerja tinggi teknologi, telah memperkenalkan MetaTF, kerangka kerja ML serbaguna yang memungkinkan orang yang bekerja di ruang jaringan saraf konvolusional dengan cepat dan mudah beralih ke komputasi neuromorfik.

Lingkungan pengembangan MetaTF adalah kerangka kerja pembelajaran mesin lengkap yang mudah digunakan untuk pembuatan, pelatihan, dan pengujian jaringan saraf, mendukung pengembangan sistem untuk Edge AI pada prosesor saraf domain acara Akida BrainChip.

Lingkungan pengembangan MetaTF memanfaatkan TensorFlow dan Keras untuk pengembangan dan pelatihan jaringan neural standar industri dan mencakup Akida Execution Engine (simulator chip), pengonversi data-ke-peristiwa, dan kebun binatang model model yang telah dilatih sebelumnya. Kerangka kerja ini memanfaatkan bahasa skrip Python serta alat dan pustaka yang terkait, termasuk notebook Jupyter dan NumPy.

Para profesional pembelajaran mendalam tidak perlu mempelajari kerangka kerja baru untuk segera mulai menggunakan MetaTF. Dalam tiga langkah sederhana, pengguna MetaTF dapat beralih dari merancang dan melatih CNN hingga mengonversinya untuk penerapan pada prosesor saraf Akida untuk sepenuhnya memanfaatkan komputasi neuromorfik dan mengatasi tantangan AI di Edge. Dengan meminimalkan kompleksitas dan mengurangi waktu yang terbuang dalam pengembangan, BrainChip memungkinkan organisasi untuk memaksimalkan sumber daya dan meminimalkan waktu proyek untuk ROI yang lebih besar.

“AI tidak harus rumit dan orang tidak harus tahu bagaimana memprogram komputasi neuromorfik untuk memanfaatkan manfaatnya,” kata Anil Mankar, Chief Development Officer di BrainChip. “Masa depan adalah SNN dan kami telah membangun cara mudah untuk mencapainya. Dengan MetaTF, kami memperkenalkan bagian lain dari teka-teki yang memungkinkan pengguna dengan cepat dan mudah melatih, mengonversi, dan menerapkan model ML ke Akida sambil bekerja di lingkungan perangkat lunak mereka saat ini. ”