Sõnastik

BMXNet

Mis on BMXNet?

BMXNet on avatud lähtekoodiga teek binaarsete närvivõrkude jaoks, mille avaldas 2017. aastal Potsdami Hasso Plattneri Instituut ja mis põhineb raamistikul Apache MXNet. Binaarsed võrgud salvestavad kaalud ja aktivatsioonid 32 biti asemel ühe bitiga, mistõttu mudelid on palju väiksemad ja kiiremad – see on atraktiivne nutitelefonide ja sardseadmete jaoks, kuigi tavaliselt mõningase täpsuse arvelt. Kuna MXNeti arendus lõpetati 2023. aastal, pakub BMXNet nüüd peamiselt teaduslikku huvi (seisuga oktoober 2026).

Teemad

Süvaõpe
Serva-TI
Teadus

Proovi KI.ordot

Agendid, töövood ja mallid ühes tööruumis – tasuta 24-tunnine demo.

Alusta demot

← Kõik terminid

Seotud terminid

MXNet

Apache MXNet oli avatud lähtekoodiga süvaõppe raamistik, mis suutis mudeleid tõhusalt treenida mitmel GPU-l ja masinal ning millel olid liidesed Pythonile, C++-le, R-ile, Scalale ja muudele keeltele. Amazon Web Services toetas seda mõned aastad eelistatud raamistikuna. Apache Software Foundation lõpetas projekti 2023. aasta septembris ja viis selle 2024. aasta veebruariks arhiivi Apache Attic; seda ei arendata enam. Olemasolevad mudelid viiakse tavaliselt üle teistele raamistikele.

raamistik
süvaõpe
+1

Tehisnärvivõrgud (ANN)

Tehisnärvivõrgud (artificial neural networks, ANN) on arvutusmudelid, mis koosnevad paljudest ühendatud üksustest („neuronitest“), mis on paigutatud kihtidesse ja töötlevad sisendeid kaalutud ühenduste kaudu. Treenimise käigus kohandatakse kaalusid samm-sammult näidete põhjal, tavaliselt tagasilevi (backpropagation) abil. ANN-id on süvaõppe alus ja annavad jõudu pildituvastusele, kõnetuvastusele ning suurtele keelemudelitele. Hoolimata bioloogilisest eeskujust töötavad need palju lihtsamalt kui inimese aju.

Süvaõpe
TI alused
+1

Süvaõpe

Süvaõpe on masinõppe haru, mis kasutab paljude kihtidega tehisnärvivõrke. Sellised võrgud õpivad suurtest andmehulkadest ise, millised tunnused on olulised – piltidel servadest, tekstides tähenduslike seosteni. Süvaõpe on tänapäevaste keelemudelite, pildituvastuse, kõnetuvastuse ja masintõlke aluseks ning vajab tavaliselt märkimisväärset arvutusvõimsust ja treeningandmeid.

närvivõrgud
masinõpe
+1