Description
ModelMill est une plateforme de deep learning basée sur le cloud développée par Literal Labs pour former, tester et déployer des Réseaux Basés sur la Logique (RBL). Elle est conçue pour automatiser le processus de bout en bout de création de modèles d'IA, de l'importation des données à la génération de SDK, permettant aux utilisateurs de produire des modèles d'IA prêts pour le edge sans avoir besoin d'une expertise en ingénierie IA.
La plateforme accepte des ensembles de données au format CSV, JSON ou ZIP, jusqu'à 5 Go, et inclut des ensembles de données tabulaires OpenML pour ceux qui n'ont pas leurs propres données. ModelMill pré-traite automatiquement les données, effectuant des opérations telles que le filtrage, la normalisation et le remplissage de séquences pour les préparer à un entraînement de haute qualité.
L'annotation est une étape clé dans le flux de travail de ModelMill. Les utilisateurs peuvent annoter les données manuellement ou tirer parti du moteur AutoML de ModelMill, qui propose des annotations basées sur une analyse statistique et des motifs structurels. La plateforme prend en charge les tâches de classification, de régression et de détection d'anomalies, détectant automatiquement le type de tâche en fonction des annotations des données.
Une fois les données annotées, les utilisateurs définissent la cible de déploiement, y compris les contraintes matérielles et les indicateurs commerciaux. ModelMill entraîne ensuite des centaines ou des milliers de configurations de RBL en parallèle, les affinant pour produire une liste restreinte de candidats répondant aux exigences de déploiement.
La dernière étape consiste à convertir le modèle choisi en un SDK en code C, prêt à être intégré dans des bases de code embarquées ou serveur. Le SDK comprend le RBL entraîné, le moteur d'inférence, la configuration de construction, le code d'exemple et la documentation, et est testé sur diverses architectures de processeurs, y compris ARM, ESP, RISC-V et x86.
ModelMill propose plusieurs plans tarifaires, y compris un plan Démo pour l'évaluation, avec des exécutions d'entraînement et des tailles d'ensemble de données limitées. La plateforme est conçue pour des équipes techniquement compétentes sans personnel IA dédié, automatisant la configuration, l'entraînement et la sélection des candidats.
Fonctionnalités principales de ModelMill
Plateforme de deep learning automatisée
Formation de Réseaux Basés sur la Logique
Importation et pré-traitement des données
Annotation assistée par AutoML
Entraînement de modèles en parallèle
Génération de SDK en code C
Déploiement sur matériel edge
Intégration d'ensembles de données OpenML
Pas de besoin de GPU
Prend en charge les formats CSV, JSON, ZIP
Classification, régression, détection d'anomalies
Évaluation continue des performances
Modèle de redevance de déploiement
Visualisations de benchmarking personnalisées
Fonctionnalités de collaboration en équipe
Comment utiliser ModelMill ?
Télécharger des données : Importer des ensembles de données au format CSV, JSON ou ZIP
Annoter : Utiliser le moteur AutoML pour des annotations intelligentes
Définir le déploiement : Spécifier le matériel et les indicateurs commerciaux
Former des modèles : Entraînement parallèle des configurations de RBL
Sélectionner des candidats : Évaluer et choisir les modèles les plus performants
Générer le SDK : Convertir le modèle en code C pour intégration
Déployer : Intégrer le SDK dans le matériel edge
Cas d'utilisation de ModelMill
- Déploiement d'IA en edge
- Annotation de données
- Entraînement de modèles en parallèle
- Génération de SDK
- Utilisation d'ensembles de données OpenML
