Beschreibung
ModelMill ist eine cloudbasierte Deep-Learning-Plattform, die von Literal Labs entwickelt wurde, um logikbasierte Netzwerke (LBNs) zu trainieren, zu testen und bereitzustellen. Sie wurde entwickelt, um den End-to-End-Prozess der Erstellung von AI-Modellen zu automatisieren, vom Datenimport bis zur SDK-Generierung, sodass Benutzer edge-fähige AI-Modelle erstellen können, ohne über spezielle AI-Engineering-Kenntnisse zu verfügen.
Weiterlesen
Die Plattform akzeptiert Datensätze im CSV-, JSON- oder ZIP-Format mit einer Größe von bis zu 5 GB und umfasst kuratierte OpenML-Tabellendatensätze für diejenigen, die über keine eigenen Daten verfügen. ModelMill verarbeitet Daten automatisch vor, indem sie Operationen wie Filterung, Normalisierung und Sequenzauffüllung durchführt, um sie für qualitativ hochwertiges Training vorzubereiten.
Die Annotation ist ein wichtiger Schritt im Workflow von ModelMill. Benutzer können Daten manuell annotieren oder die AutoML-Engine von ModelMill nutzen, die Annotationen basierend auf statistischen Analysen und strukturellen Mustern vorschlägt. Die Plattform unterstützt Klassifikations-, Regressions- und Anomalieerkennungsaufgaben und erkennt automatisch den Aufgabentyp basierend auf den Datenannotation.
Sobald die Daten annotiert sind, definieren die Benutzer das Bereitstellungsziel, einschließlich Hardwarebeschränkungen und Geschäftszielen. ModelMill trainiert dann Hunderte oder Tausende von LBN-Konfigurationen parallel und verfeinert sie, um eine Shortlist von Kandidaten zu erstellen, die den Bereitstellungsanforderungen entsprechen.
Der letzte Schritt besteht darin, das gewählte Modell in ein C-Code-SDK umzuwandeln, das bereit für die Integration in eingebettete oder Server-Codebasen ist. Das SDK umfasst das trainierte LBN, die Inferenz-Engine, die Build-Konfiguration, Beispielcode und Dokumentation und wird auf verschiedenen Prozessorarchitekturen getestet, einschließlich ARM, ESP, RISC-V und x86.
ModelMill bietet mehrere Preismodelle an, darunter einen Demoplan zur Evaluierung mit begrenzten Trainingsläufen und Datensatzgrößen. Die Plattform ist für technisch versierte Teams ohne dediziertes AI-Personal konzipiert und automatisiert Konfiguration, Training und Kandidatenauswahl.
- KategorieMLOps & Modell-Deployment
- PreismodellGestaffelt
- BereitstellungEdge-Hardware
- PlattformenCloud
ModelMill's Kernfunktionen
Automatisierte Deep-Learning-Plattform
Training von logikbasierten Netzwerken
Datenimport und -vorverarbeitung
AutoML-unterstützte Annotation
Paralleles Modelltraining
Generierung von C-Code-SDKs
Bereitstellung auf Edge-Hardware
Integration von OpenML-Datensätzen
Keine GPU-Anforderung
Unterstützt CSV-, JSON-, ZIP-Formate
Klassifikation, Regression, Anomalieerkennung
Kontinuierliche Leistungsbewertung
Bereitstellungs-Tantiemenmodell
Benutzerdefinierte Benchmarking-Visualisierungen
Team-Kollaborationsfunktionen
Wie verwendet man ModelMill?
Daten hochladen: Datensätze im CSV-, JSON- oder ZIP-Format importieren
Annotieren: AutoML-Engine für intelligente Annotationen verwenden
Bereitstellung definieren: Hardware- und Geschäftszielvorgaben festlegen
Modelle trainieren: Paralleles Training von LBN-Konfigurationen
Kandidaten auswählen: Bestehende Modelle bewerten und auswählen
SDK generieren: Modell in C-Code für die Integration umwandeln
Bereitstellen: SDK in Edge-Hardware integrieren
ModelMill's Anwendungsfälle
- Edge AI-Bereitstellung
- Datenannotation
- Paralleles Modelltraining
- SDK-Generierung
- Nutzung von OpenML-Datensätzen
