الوصف
ModelMill هي منصة تعلم عميق قائمة على السحابة تم تطويرها بواسطة Literal Labs لتدريب واختبار ونشر الشبكات القائمة على المنطق (LBNs). تم تصميمها لأتمتة العملية الشاملة لإنشاء نماذج الذكاء الاصطناعي، من استيراد البيانات إلى توليد SDK، مما يسمح للمستخدمين بإنتاج نماذج ذكاء اصطناعي جاهزة للحافة دون الحاجة إلى خبرة هندسية متخصصة في الذكاء الاصطناعي.
قراءة المزيد
تقبل المنصة مجموعات البيانات بتنسيقات CSV وJSON أو ZIP، حتى حجم 5 جيجابايت، وتشتمل على مجموعات بيانات جدولية مفتوحة من OpenML لأولئك الذين ليس لديهم بيانات خاصة بهم. يقوم ModelMill بمعالجة البيانات مسبقًا تلقائيًا، حيث يقوم بإجراء عمليات مثل التصفية، والتطبيع، وتعبئة التسلسل لإعدادها للتدريب عالي الجودة.
التعليق هو خطوة رئيسية في سير عمل ModelMill. يمكن للمستخدمين التعليق على البيانات يدويًا أو الاستفادة من محرك AutoML الخاص بـ ModelMill، الذي يقترح تعليقات بناءً على التحليل الإحصائي والأنماط الهيكلية. تدعم المنصة مهام التصنيف، والانحدار، واكتشاف الشذوذ، حيث يتم الكشف تلقائيًا عن نوع المهمة بناءً على تعليقات البيانات.
بمجرد التعليق على البيانات، يقوم المستخدمون بتحديد هدف النشر، بما في ذلك قيود الأجهزة ومقاييس الأعمال. يقوم ModelMill بعد ذلك بتدريب المئات أو الآلاف من تكوينات LBN بشكل متوازي، مما ينقيها لإنتاج قائمة مختصرة من المرشحين الذين يستوفون متطلبات النشر.
تتضمن الخطوة النهائية تحويل النموذج المختار إلى SDK بلغة C، جاهزًا للتكامل في الأكواد المدمجة أو الخوادم. يتضمن SDK LBN المدرب، ومحرك الاستدلال، وملفات تكوين البناء، وكود مثال، والوثائق، ويتم اختباره عبر معمارية المعالجات المختلفة، بما في ذلك ARM وESP وRISC-V وx86.
يقدم ModelMill عدة خطط تسعير، بما في ذلك خطة تجريبية للتقييم، مع عدد محدود من عمليات التدريب وأحجام مجموعات البيانات. تم تصميم المنصة للفرق القادرة تقنيًا دون وجود موظفين مخصصين للذكاء الاصطناعي، حيث تقوم بأتمتة التكوين والتدريب واختيار المرشحين.
- الفئةMLOps ونشر النماذج
- نموذج التسعيرمتدرج
- النشرأجهزة الحافة
- المنصاتسحابي
الميزات الأساسية لـ ModelMill
منصة تعلم عميق مؤتمتة
تدريب الشبكات القائمة على المنطق
استيراد البيانات ومعالجتها مسبقًا
تعليق مدعوم من AutoML
تدريب نماذج متوازي
توليد SDK بلغة C
نشر على الأجهزة الطرفية
تكامل مع مجموعات بيانات OpenML
لا حاجة لوحدة معالجة الرسوميات
يدعم تنسيقات CSV وJSON وZIP
التصنيف والانحدار واكتشاف الشذوذ
تقييم مستمر للأداء
نموذج حقوق نشر النشر
تصورات مخصصة للمعايير
ميزات تعاون الفريق
كيفية استخدام ModelMill؟
تحميل البيانات: استيراد مجموعات البيانات بتنسيقات CSV وJSON أو ZIP
التعليق: استخدام محرك AutoML للتعليقات الذكية
تحديد النشر: تحديد قيود الأجهزة ومقاييس الأعمال
تدريب النماذج: تدريب متوازي لتكوينات LBN
اختيار المرشحين: تقييم واختيار أفضل النماذج أداءً
توليد SDK: تحويل النموذج إلى كود C للتكامل
نشر: دمج SDK في الأجهزة الطرفية
حالات استخدام ModelMill
- نشر الذكاء الاصطناعي على الحافة
- تعليق البيانات
- تدريب نماذج متوازي
- توليد SDK
- استخدام مجموعة بيانات OpenML
