Programmering

Stavemaskineindlæringsplatformen foregår på stedet

Spell, en end-to-end-platform til maskinlæring og dyb læring - der dækker dataforberedelse, træning, implementering og styring - har annonceret Spell for Private Machines, en ny version af sit system, der også kan implementeres på din egen hardware som på skyressourcer.

Spell blev grundlagt af Serkan Piantino, tidligere direktør for engineering hos Facebook og grundlægger af Facebooks AI-forskningsgruppe. Stave tillader hold at oprette reproducerbare maskinlæringssystemer, der indeholder velkendte værktøjer såsom Jupyter-notesbøger, og som udnytter cloud-hostede GPU-beregningsforekomster.

Stave understreger brugervenligheden. For eksempel er hyperparameteroptimering til et eksperiment en funktion på højt niveau med en kommando. Brugere må heller ikke gøre meget for at konfigurere infrastrukturen; Stave registrerer, hvilken hardware der er tilgængelig, og orkestrerer, så det passer. Stave organiserer også eksperimentaktiver, så både eksperimenter og deres data kan versioneres og kontrolleres som en del af udviklingsprocessen.

Stave kørte oprindeligt kun i skyen; der har ikke været nogen "bag-firewall" -installationen indtil nu. Stave til private maskiner giver udviklere mulighed for at køre platformen på deres egen hardware. Både on-prem og cloud ressourcer kan blandes og matches efter behov. For eksempel kunne en prototype-version af et projekt oprettes på lokal hardware og derefter skaleres ud til en AWS-instans til produktionsinstallation.

Meget af Spells arbejdsgang er allerede designet til at føles som om den kører lokalt og som supplement til eksisterende arbejdsgange. Python-værktøjer til stavearbejde kan konfigureres med pip installere stave, for eksempel. Og fordi Spell runtime bruger containere, kan flere versioner af et eksperiment med forskellige hyperparameterturneringer køres side om side.