ABBYYs Open-Source-Bibliothek NeoML jetzt mit Python-Unterstützung und 10-facher Geschwindigkeitsverbesserung
NeoML bietet eine 50% schnellere Leistung als andere beliebte Open-Source-Bibliotheken für maschinelles Lernen.
ABBYY, ein Unternehmen für Digital Intelligence, hat heute ein umfassendes Update für NeoML, seine plattformübergreifende Open-Source-Bibliothek, bekannt gegeben, mit der Entwickler Modelle für maschinelles Lernen erstellen, trainieren und bereitstellen können. Das Update umfasst die Unterstützung der Programmiersprache Python, die beliebteste Sprache für maschinelles Lernen und künstliche Intelligenz. Das Framework bietet außerdem eine fünf bis zehn Mal höhere Geschwindigkeit sowie über 20 neue ML-Methoden, einschließlich zehn Netzwerkschichten und Optimierungsverfahren. Zusätzlich unterstützt NeoML jetzt Apple M1 Chips, Grafikprozessoren auf Linux-basierten Geräten und Intel GPUs. Dies erweitert die möglichen Anwendungsfälle und Szenarien für die Bibliothek erheblich und erlaubt mehr Entwicklern KI-basierte Anwendungen und Lösungen zu erstellen.
Eine Umfrage von CodinGame aus dem Jahr 2020 ergab, dass Python in der vierteljährlichen Rangliste von RedMonk mit Java gleichauf liegt und als beliebteste Programmiersprache gilt. Python wird in allen Branchen für Aufgaben wie Automatisierung, Webentwicklung, Scripting, Web Scraping und die Datenanalyse von Unternehmen wie Google, Pinterest, Spotify, Dropbox und vielen anderen eingesetzt. Auch im akademischen Bereich wird Python häufig von Studenten verwendet, um das Programmieren, maschinelles Lernen und Data Science zu erlernen. Die Vielseitigkeit von Python ist nur einer der Gründe für dessen Beliebtheit. Mit der hinzugefügten Python-Unterstützung können nun noch mehr Entwickler und Unternehmen NeoML nutzen, um Modelle für die Erkennung, Klassifizierung, semantische Segmentierung, Verifizierung und Predictive Modeling von Objekten zu erstellen, zu trainieren und bereitzustellen und so verschiedene Geschäftsziele zu erreichen. So bietet sich beispielsweise Organisationen aus dem Gesundheitswesen die Möglichkeit administrative Prozesse zu rationalisieren, Infektionskrankheiten abzubilden und medizinische Behandlungen zu personalisieren; Versicherer können Beitrags- und Schadentrends ihrer Policen einschätzen.
Die erheblichen Geschwindigkeitsverbesserungen haben NeoML zu einem der schnellsten Machine-Learning-Frameworks auf dem Markt gemacht. Es bietet im Vergleich zur Vorgängerversion eine bis zu zehn Mal höhere Leistung für klassische Algorithmen und eine bis zu 30% höhere Geschwindigkeit für Training und Inferenz neuronaler Netzwerke. NeoML bietet durchschnittlich eine um 50% schnellere Leistung1 als die beiden beliebtesten Open-Source-Bibliotheken für maschinelles Lernen. Damit eignet sich das Framework hervorragend für die Entwicklung von kundenorientierten, plattformübergreifenden Anwendungen, die sowohl eine nahtlose User Experience als auch eine On-Device-Datenverarbeitung erfordern. Einer der Hauptvorteile von NeoML ist die hohe Cloud-Effizienz, die es Unternehmen ermöglicht, die verfügbaren Ressourcen bestmöglich zu nutzen.
"Open Source ist ein starker Treiber für technologische Innovationen. Wir wollen den Fortschritt der künstlichen Intelligenz unterstützen, indem wir mit der Entwickler-Community zusammenarbeiten, um unsere Open-Source-Bibliothek weiter auszubauen und zu verbessern", kommentiert Markus Pichler, Vice President of Sales Europe bei ABBYY. "NeoML eröffnet Entwicklern neue Möglichkeiten, die es ihnen erlauben, zu experimentieren, zu entwickeln und bahnbrechende Initiativen zu starten, während sie von der hohen Inferenzgeschwindigkeit, der Plattformunabhängigkeit und der Unterstützung des Frameworks für mobile Geräte profitieren. Wir laden alle Entwickler, Datenwissenschaftler und Akademiker dazu ein, NeoML auf GitHub zu nutzen und dazu beizutragen."
NeoML ist als universelles Werkzeug zur Verarbeitung und Analyse von Daten in einer Vielzahl von Formaten wie Text, Bild, Video, und weiteren konzipiert. Benutzer können Modelle überall einsetzen: in der Cloud, on-premises, im Browser oder auf dem Gerät. Die Bibliothek unterstützt die Programmiersprachen C++, Java und Objective C und bietet mehr als 20 traditionelle ML-Algorithmen wie Klassifizierungs-, Regressions- und Clustering-Frameworks. Die neuronalen Netzwerkmodelle von NeoML unterstützen über 100 Layer-Typen. Die Bibliothek ist vollkommen plattformübergreifend, wodurch der gleiche Code auf allen gängigen Betriebssystemen einschließlich Windows, Linux, MacOS, iOS und Android ausgeführt werden kann. Zudem ist sie sowohl für CPUs als auch für GPUs optimiert.
NeoML ist ab sofort auf GitHub verfügbar. Entwickler aus den USA, Kanada, Deutschland, den Niederlanden, Brasilien, China, Indien und Südkorea setzen die Bibliothek bereits in ihren Projekten ein. Die Algorithmen des Frameworks werden auch übergreifend im Produktportfolio von ABBYY eingesetzt. Das Unternehmen bietet einen personalisierten Entwickler-Support, die laufende Anpassung von Berichten, regelmäßige Updates und Leistungsverbesserungen. Für die Zukunft plant ABBYY, neue Architekturen und Algorithmen hinzuzufügen.
Um mehr über NeoML zu erfahren, besuchen Sie bitte: https://github.com/neoml-lib/neoml
Um mehr über ABBYYs Digital Intelligence-Lösungen zu erfahren, besuchen Sie bitte: https://www.abbyy.com/de.
1 Laut interner Tests.
Über ABBYY
ABBYY ermöglicht es, mit seiner Digital Intelligence Plattform die gesamten Geschäftsprozesse und Informationen, die ein Unternehmen antreiben, zu analysieren und im Detail zu verstehen. ABBYY-Technologien werden von mehr als 5.000 Unternehmen weltweit eingesetzt, darunter viele Fortune-500-Unternehmen. Die als führend ausgezeichneten Lösungen im Bereich Intelligent Document Processing (IDP) und Process Discovery & Mining steigern Effizienz, Rentabilität und Wettbewerbsfähigkeit eines Unternehmens und verbessern das Kundenerlebnis nachhaltig. ABBYY ist ein globales Unternehmen mit Niederlassungen in 14 Ländern. Weitere Informationen finden Sie unter https://www.abbyy.com/de.
ABBYY und das ABBYY Logo sind entweder registrierte Warenzeichen oder Warenzeichen von ABBYY Software Ltd. Alle anderen Warenzeichen sind Eigentum ihrer jeweiligen Inhaber.
ABBYY-Pressekontakt:
Bianca Stupp
bianca.stupp@abbyy.com