資訊專欄INFORMATION COLUMN
摘要：構建于框架之上，是一個深度概率編程框架，有助于大規模探索模型，使深度學習模型開發和測試更快更無縫。繼去年月的宣布之后，這是從投票的第二個項目。今天宣布對該項目的貢獻使我們更接近建立人工智能機器學習和深度學習的綜合生態系統的目標。
由Uber貢獻，Pyro實現靈活和富有表現力的深度概率建模
舊金山 - 2019年2月21日 - LF DL（LF Deep Learning Foundation，LF深度學習基金會），一個支持和永續人工智能（AI）、機器學習（ML）和深度學習（DL）開源創新的Linux基金會，宣布由Uber創辦的Pyro項目是其最新的孵化項目。Pyro構建于PyTorch框架之上，是一個深度概率編程框架，有助于大規模探索AI模型，使深度學習模型開發和測試更快、更無縫。繼去年12月的Horovod宣布之后，這是LF DL從Uber投票的第二個項目。
除了哈佛大學、麻省理工學院、斯坦福大學、牛津大學、劍橋大學和The Broad Institute之外，Pyro還被西門子、IBM和Uber等大公司以及Noodle.AI等初創公司所采用。在Uber，Pyro解決了一系列問題，包括傳感器融合、時間序列預測、廣告活動優化和數據增強，以便深入了解圖像。
Pyro是第五個加入LF DL的項目，LF DL提供財務和智力資源、基礎設施、營銷、研究、創意服務和活動支持。這種豐富的中立環境促進了其項目的快速發展，包括Acumos AI、Angel項目、EDL項目和Horovod，鼓勵其他貢獻者以及開源社區的更廣泛合作。
“LF DL基金會很高興歡迎Pyro加入我們的項目系列。今天宣布Uber對該項目的貢獻使我們更接近建立人工智能、機器學習和深度學習的綜合生態系統的目標。”LF DL執行董事Ibrahim Haddad說。“我們期待幫助社區發展，為Pyro做出貢獻并進一步改進預測和其他能力。”
Pyro的設計考慮了四個關鍵原則：
通用：Pyro可以表示任何可計算的概率分布。
可擴展：Pyro可以輕松擴展到大型數據集。
最小化：Pyro是通過一小部分功能強大，可組合的抽象實現的。
靈活：Pyro的目標是在你需要時實現自動化，在你需要時進行控制。
“Pyro最初是在Uber AI Labs創建的，旨在幫助工業界和學術界的AI從業者更快、更無縫地進行深度概率編程。”Uber AI Labs負責人Zoubin Ghahramani說。“通過將Pyro納入LF DL項目組合，我們希望為全球研究人員提供更多機會，并使深度學習和貝葉斯（Bayesian ）建模更易于獲取。”
Pyro加入了現有的LF DL項目：Acumos，一個平臺和開源框架，可以輕松構建、共享和部署AI應用程序；Angel ML，一個靈活而強大的參數服務器，適用于大規模機器學習；EDL，一個彈性深度學習框架，旨在幫助云服務提供商使用深度學習框架構建集群云服務；Horovod，一個跨多個機器的分布式培訓框架。
KubeCon + CloudNativeCon和Open Source Summit大會日期：
會議日程通告日期：2019 年 4 月 10 日
會議活動舉辦日期：2019 年 6 月 24 至 26 日
KubeCon + CloudNativeCon和Open Source Summit贊助方案
KubeCon + CloudNativeCon和Open Source Summit多元化獎學金現正接受申請
KubeCon + CloudNativeCon和Open Source Summit即將首次合體落地中國
KubeCon + CloudNativeCon和Open Source Summit購票窗口，立即購票！
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/19966.html
摘要：加入基金會作為高級會員將為愛立信提供董事會技術咨詢委員會和外展委員會的席位。愛立信的會員資格使他們有機會在一個中立的空間做出貢獻，并從中受益。隨著愛立信的加入，董事會包括百度愛立信華為諾基亞騰訊和中興通訊。 showImg(https://segmentfault.com/img/bVbpaNp?w=1667&h=480); 舊金山 - 2019年2月21日 - LF DL（LF De...
摘要：截止到今天，已公開發行一周年。一年以來，社區中的用戶不斷做出貢獻和優化，在此深表感謝。所以與衡量它的指標包括在機器學習研究論文中的使用。來自香港科技大學的在上推出了面向普通觀眾的在線課程。 Yann LeCun Twitter截止到今天，PyTorch 已公開發行一周年。一年以來，我們致力于打造一個靈活的深度學習研究平臺。一年以來，PyTorch 社區中的用戶不斷做出貢獻和優化，在此深表感謝...
摘要：摘要本文主要講了神經進化是深度學習的未來，以及如何用進化計算方法優化深度學習。揭示了神經進化的突破性研究深度學習的大部分取決于網絡的規模和復雜性。在這三個例子中，使用神經進化成功地超越了最先進的基準。 摘要： 本文主要講了神經進化是深度學習的未來，以及如何用進化計算方法（EC）優化深度學習（DL）。 過去幾年時間里，我們有一個完整的團隊致力于人工智能研究和實驗。該團隊專注于開發新的進化...
閱讀 1688·2021-11-23 09:51
閱讀 3202·2021-09-26 10:21
閱讀 805·2021-09-09 09:32
閱讀 886·2019-08-29 16:06
閱讀 3315·2019-08-26 13:36
閱讀 777·2019-08-26 10:56
閱讀 2570·2019-08-26 10:44
閱讀 1150·2019-08-23 14:04
