Machine Learning: In Facebooks PyTorch 1.0 sollen Forschung und Produktion verschmelzen
Facebook hat eine neue Version seines Deep-Learning-Frameworks PyTorch angekündigt, die den Wechsel von Forschung und Training der Modelle zum Produktionseinsatz vereinfachen soll. Eine erste Beta ist im Laufe des Jahres geplant.
- Björn Bohn
Im Rahmen der Entwicklerkonferenz F8 hat Facebook Version 1.0 seines quelloffenen Deep-Learning-Frameworks PyTorch vorgestellt. Darin verschmelzen Funktionen des auf Python basierenden PyTorch mit denen des ebenfalls von Facebook entwickelten Caffe2, um Forschung und Produktion näher zusammenzubringen. Außerdem soll das von Microsoft, Amazon und Facebook entwickelte ONNX-Format (Open Neural Network Exchange) nativ zum Exportieren von Modellen dienen.
Die Beta-Version soll in den kommenden Monaten verfügbar sein. Es ist geplant, dass das Framework dann mit einer Reihe von Werkzeugen, Bibliotheken, Datensetzen und bereits trainierten Deep-Learning-Modellen erscheint. Microsoft hat im selben Atemzug bereits die Integration von PyTorch 1.0 in die Azure Machine Learning Services und die Data Science Virtual Machine angekündigt.
Verschmelzen von Forschung und Produktion
Facebook hat eine Kombination aus PyTorch, Caffe2 und ONNX bereits eingesetzt, um Translate, das Übersetzungswerkzeug von Facebook, auszuliefern und einzusetzen. Allerdings war laut Facebook die für die Produktion notwendige Migration von PyTorch zu Caffe2 immer mit großem Aufwand verbunden. Das ändert sich offenbar ab Version 1.0.
Mit PyTorch 1.0 soll ein hybrides Frontend Entwicklern die Möglichkeit bieten, den Großteil des verwendeten Python-Codes aus der Prototyping-Phase in den benötigten Graph für die Verwendung in der Produktion umzuwandeln. Der Einsatz des ONNX-Formats gewährt außerdem, dass mit PyTorch 1.0 erstellte Modelle in anderen AI-Frameworks eingesetzt werden können.
Weitere Informationen liefert Facebook im PyTorch-Blog und der offiziellen Ankündigung. Facebook hatte das Open-Source-Framework erstmals Anfang 2017 enthüllt. Trotz des bisher eher experimentellen Status von PyTorch haben bereits einige Universitäten, Uber, Nvidia, Twitter und andere Unternehmen damit gearbeitet. (bbo)
