Google、グラフィックスデータ専用の TensorFlow 機械学習フレームワークをリリース

Google は最近、オープンソースの機械学習 (人工知能) フレームワークである Neural Structured Learning (NSL) を正式に導入し、ニューラルグラフ学習メソッドを使用して、さまざまなチャートや異なる構造のデータのセットに基づいてニューラルネットワークをトレーニングしました。

特に、NSL は TensorFlow (さまざまな認知および言語理解タスクにおける機械学習用のオープンソースソフトウェアライブラリ) との優れた互換性を実現するように構築されており、両方に向けて特別に設計されています。熟練した機械学習の実践者と経験の浅い機械学習の実践者の両方が使用できます。基本的に、NSL はコンピュータービジョンモデルを作成し、NLP を展開し、医療記録やグラフ、ナレッジグラフなどのグラフィカルデータセットから予測を実行できます。

GoogleがChromeの緊急アップデートをリリース、ユーザーはすぐにアップデートする必要がある

Google、グラフィックスデータ専用の TensorFlow 機械学習フレームワークをリリース Neural Structured Learning はオープンソースの機械学習フレームワークです

「トレーニング中に特定の構造信号を活用することで、開発者は、特にラベル付けされたデータの量が比較的少ない場合に、より最適な精度でモデルを取得できます。構造化信号に基づくトレーニングも、より堅牢なモデルの作成に役立ちます。この種のトレーニング手法は、より積極的かつ迅速な方法でモデルのパフォーマンスを向上させるために Google 社内で広く使用されています」と TensorFlow のエンジニアリングチームはブログ投稿で述べています。

NSL では、完全教師あり学習、半教師あり学習、または教師なし学習を通じて機械学習モデルをトレーニングし、それによってモデルを作成できます。モデルは、グラフィック信号を使用してトレーニングプロセスを標準化し、場合によっては 5 行未満のコードで行われます。

Google は、Googe アプリケーションを置き換えることができる、多くの便利な機能を備えた非常に軽量なバージョンである Google Go を世界的に発売します

Google、グラフィックスデータ専用の TensorFlow 機械学習フレームワークをリリース 神経構造学習フレームワークの動作構造

さらに、この新しいフレームワークには、開発者が独自のデータと API を構造化し、最小限のコード行数でトレーニング敵対的モデルを作成するのに役立つ組み込みツールも多数組み込まれています。

Google Cloud は以前 4 月に、BigQuery のリンクされたシートや AutoML Tables などの構造化データ用のトレーニングソリューションをいくつか導入しました。

人工知能の分野に関連する他のニュースでは、先週、Google AI (以前は Google Research として知られていました) もオープンソースツール SM3 をリリースしました。これは、Google の BERT や GPT2 の OpenAI などの大規模言語のトレーニングモデルに特化したオプティマイザーです。