Suche
Mehr Machine Learning!

ML Bulletin: TensorFlow Fold, MXNet und intelligente Dinge

Melanie Feldmann

© Shutterstock / a-image

Das Ökosystem rund um das Maschinelle Lernen wächst weiter: TensorFlow Fold bringt Dynamic Computational Graphs und MXNet wächst im Apache Incubator. Außerdem bekennt sich Bosch dazu, in zehn Jahren fast nur noch intelligente Produkte zu bauen.

TensorFlow Fold: Deep Learning mit Dynamic Computational Graphs

In vielen Machine-Learning-Anwendungen durchlaufen eingehende Daten einen Schritt, bei dem der Input auf eine Dimension skaliert und in Batches zusammengefasst wird. So können Deep Learning Libraries den gleichen Graphen für den gesamten Input im Batch parallel nutzen. Das macht die Ausführung schneller. Jedoch gibt es viele Bereiche, in denen Daten nicht homogen genug für ein solches Vorgehen sind. Sprache oder abstrakte Syntaxbäume in Sourcecode sind Beispiele dafür. Der unterschiedliche Input führt zu verschiedenen genutzten Graphen, was schlecht für die Prozessoren, den Speicher und den Cache ist. Google will dieses Problem mit TensorFlow Fold in den Griff bekommen. Das Tool unterstützt Entwickler dabei Deep-Learning-Modelle zu implementieren, die in Größe und Struktur variieren. Auch TensorFlow Fold verpackt die Daten in Batches, nutzt hierfür aber einen Dynamic Batching, das Google in seinem Paper „Deep Learning with Dynamic Computational Graphs“ beschreibt.

Lesen Sie auch: TensorFlow 1.0: Release-Kandidat bringt erstes Java API

MXNet im Apache Incubator

Die Deep Learning Framework MXNet wurde in den Apache Incubator aufgenommen. Das Framework erlaubt es, Neuronale Netzwerke zu definieren, zu trainieren und zu deployen. Es läuft auf Amazon Linux, Ubuntu/Debian und Windows, aber auch auf Docker oder in der Cloud. Bei embedded Geräten unterstützt es z. B. das Raspberry Pi mit Raspbian. Als Sprachen kennt MXNet zurzeit Python, R, Julia und Scala. Vor allem Amazon ist ein Unterstützer und Nutzer von MXNet. Auf der AWS re:invent zeigte Leo Dirac (AWS Deep Learning) wie ein Empfehlungsystem mit MXNet funktioniert.

Deep Learning erkennt Hautkrebs

Forscher des Stanford Artificial Intelligence Laboratory haben einen Algorithmus darauf trainiert, Hautkrebs von harmlosen Hautveränderungen zu unterscheiden. Dazu nutzten sie einen bereits von Google mit 1,28 Millionen Bildern aus 1.000 verschiedenen Kategorien gefütterten Algorithmus, der eigentlich Hunde von Katzen unterscheiden kann. Da es keine Datenbank an Bildern von Hauterkrankungen gab, erstellten die Forscher zusammen mit Dermatologen aus der ganzen Welt eine eigene. Am Ende hatten sie 130.000 Bilder von 2.000 verschiedenen Hautkrankheiten. In einem abschließenden Test erkannte der Algorithmus Hautkrebs genauso gut wie Hautärzte. Das nächste Ziel der Forscher ist es, den Algorithmus vom PC auf das Smartphone zu bringen. So könnten Menschen, die schlechten Zugang zu medizinischer Versorgung haben, Hautkrebs einfach selbst diagnostizieren.

Bosch setzt auf Künstliche Intelligenz

Bis 2012 will Bosch rund 300 Millionen Euro in sein Bosch Center for Artificial Intelligence investieren. Etwa 100 Experten sollen an den drei Standorten in Bengaluru (Indien), Palo Alto (USA) und Renningen forschen. Der Plan ist, dass in zehn Jahren kaum ein Bosch-Produkt ohne Künstliche Intelligenz mehr produziert wird. Bereits in fünf Jahren sollen intelligente Produkte zehn Prozent des Umsatzes des Konzerns erzielen.

Geschrieben von
Melanie Feldmann
Melanie Feldmann
Melanie Feldmann ist seit 2015 Redakteurin beim Java Magazin und JAXenter. Sie hat Technikjournalismus an der Hochschule Bonn-Rhein-Sieg studiert. Ihre Themenschwerpunkte sind IoT und Industrie 4.0.
Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.