Google begint opensource-zoekplatform voor ml

Google geeft extra ondersteuning aan onderzoekers die op zoek zijn naar optimale modellen voor machine learning (ml). De techgigant introduceert Model Search, een opensource-platform dat researchers helpt de beste ml-modellen te ontwikkelen. Dit gaat efficiënt en geautomatiseerd, aldus Google.

[vc_row][vc_column][vc_column_text]

Tensorflow

Model Search is gebouwd op Tensorflow, een opensource-raamwerk voor machine learning. Het platform kan op één computer of in een gedistribueerde omgeving draaien.Het zoeksysteem bestaat uit meerdere trainers, een zoekalgoritme, een ‘transfer-learning’ algoritme en een database voor de opslag van de verschillende geëvalueerde modellen. Het systeem kan zowel trainings- als evaluatie-experimenten voor verschillende ml-modellen met uiteenlopende architecturen en trainingstechnieken draaien. Dit gebeurt op een adaptieve, maar toch asynchrone manier.

Heuristisch zoekalgoritme

Terwijl elke trainer experimenten onafhankelijk uitvoert, delen alle trainers de kennis die ze uit die experimenten verkrijgen. Aan het begin van elke cyclus zoekt het zoekalgoritme alle voltooide proeven op. Dan wordt ‘beam search’, een heuristisch zoekalgoritme, gebruikt om te bepalen wat je vervolgens gaat proberen. Daarna roept hij de mutatie op via een van de beste architecturen die tot nog toe zijn gevonden. Vervolgens wijst hij het resulterende model opnieuw toe aan een trainer.
Na een model-zoekopdracht kunnen gebruikers de gevonden modellen met elkaar vergelijken. Bovendien hebben ze de mogelijkheid een eigen zoekruimte te creëren om de architectonische elementen in de modellen aan te passen.

Neuraal netwerkmodel

Het systeem bouwt een neuraal netwerkmodel op uit een set van vooraf gedefinieerde bouwblokken. Elk blok representeert een bekende micro-architectuur, zoals LSTM, ResNet of Transformer-lagen. Door blokken van reeds bestaande architectonische componenten te gebruiken, kan Model Search de beste kennis benutten van technieken als ‘neural architecture search’ (NAS).
Deze benadering is volgens Google efficiënt, doordat structuren worden verkend in plaats van hun meer fundamentele en gedetailleerde componenten. Dat maakt de schaal van de zoekruimte kleiner.[/vc_column_text][/vc_column][/vc_row]

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze site gebruikt artificiële intelligentie en machine learning om spam te verminderen. Bekijk hoe uw reactiegegevens worden verwerkt.

Gerelateerde berichten

De voor- en nadelen van kunstmatige intelligentie onder de loep: van machine learning tot GPT!

Kunstmatige intelligentie (A.I.) is een technologie die steeds verder ontwikkeld wordt en die steeds meer gebruikt wordt in allerlei soorten industrieën. A.I. biedt enorme mogelijkheden om processen te automatiseren en te verbeteren, en om nieuwe manieren te vinden om problemen op te lossen. Hoewel A.I. en machine learning enorme voordelen kunnen bieden, is het belangrijk om te erkennen dat er ook bezorgdheid bestaat over de mogelijke gevolgen van deze technologieën, zoals werkloosheid en discriminatie. Overheden kunnen helpen om ervoor te zorgen dat A.I. op verantwoorde wijze wordt ontwikkeld en gebruikt, en mensen kunnen hun eigen kennis over A.I. vergroten door opleidingsprogramma’s te volgen en het gesprek aan te gaan met experts op het gebied van A.I.

Lees verder

Data delen moet verkeer veilig maken

Het ministerie van Infrastructuur en Waterstaat (I&W) start een nieuw project dat het wegverkeer veiliger moet maken. Onder de naam Safety Priority Services (SPS) wordt met ANWB, Be-Mobile, Hyundai, Inrix, Kia en TomTom samengewerkt om data te delen en daarmee het aantal veiligheidsmeldingen in navigatiesystemen op te voeren.

Lees verder

Hoe ontsluiten data iedereen klaarstoomt voor succes

Waar bedrijven vroeger transformatieplannen voor een periode van drie jaar maakten, veranderen technologische innovaties en klantverwachtingen tegenwoordig veel sneller. Alles wat bedrijven doen, moet worden gedreven door flexibiliteit, wendbaarheid en klantgerichtheid. Digitaal transformeren omvat alles. Van het verbinden met en het bedienen van klanten, tot het bouwen van de juiste data-architectuur, tot het verankeren van een open datacultuur in hun organisatie. Digitaal transformeren omvat ook het trainen van hun personeel om data effectief en transparant te delen en te benutten. Dit artikel is het tweede deel van een drieluik waarbij wordt gekeken naar de veranderende rol van cio’s.

Lees verder
U bent helemaal bij, dit was het laatste bericht.
  • Tags

  • Categorieën

  • Archieven

  • Naar de inhoud springen