Gráficos do Oracle Open-Sources para apoiar o desenvolvimento do ML - GordoSmart - Noticias e Curiosidades da Internet
terça-feira , 17 setembro 2019
Gordo News

Capa » Tecnologia » Gráficos do Oracle Open-Sources para apoiar o desenvolvimento do ML

Gráficos do Oracle Open-Sources para apoiar o desenvolvimento do ML

A Oracle anunciou na quarta-feira que possui um GraphPipe de código aberto para melhorar os aplicativos de aprendizado de máquina.

O objetivo do projeto é melhorar os resultados de implantação de modelos de aprendizado de máquina, observou o líder do projeto, Vish Abrams. Esse processo inclui a criação de um padrão aberto.

A empresa tem um relacionamento questionável com os desenvolvedores de código aberto, por isso sua decisão de abrir o GraphPipe pode não receber uma onda de interesse.

A Oracle espera que os desenvolvedores apoiem o projeto para simplificar e padronizar a implantação de modelos de aprendizado de máquina. O GraphPipe consiste em um conjunto de bibliotecas e ferramentas para seguir um padrão de implantação.

GraphPipe é uma tentativa de padronizar o cliente final e transportar camadas de aprendizado de máquina.

A maioria das implantações de ML tem que construir uma solução customizada que pode não lidar muito bem com múltiplos backends ML, de acordo com Jack E. Gold, analista principal da J.Gold Associates .

“Então, a Oracle está tentando racionalizar todos os recursos do lado do cliente e da camada de transporte”, disse ele ao LinuxInsider. “Isso vai depender se os outros enxergarem isso como um verdadeiro código aberto e construir ferramentas baseadas nele, ou ver isso como um projeto dirigido pela Oracle.”

Se a comunidade de código aberto vê as ações da Oracle como uma tentativa de obter uma vantagem para a empresa, então eles não estarão muito interessados ​​em trabalhar com ela, ele alertou.

Fazendo progresso

A Oracle, sem dúvida, obterá alguns benefícios do GraphPipe de fonte aberta. Já tem alguma capacidade neste espaço. Outros fornecedores, como o Google e a Microsoft, vêm tentando desenvolver capacidades semelhantes, observou Gold, mas até agora essas tentativas não foram via código aberto.

Os desenvolvedores avançaram nos últimos anos na construção de aprendizado de máquina em aplicativos, observou Abrams, mas a implantação bem-sucedida de um modelo requer a superação de vários problemas.

Não há um padrão para o modelo que serve APIs, o que significa que os usuários estão limitados a qualquer estrutura que esteja à mão, explicou ele. Além disso, construir um servidor de modelo pode ser muito complicado. Além disso, muitas das soluções existentes não têm foco no desempenho em alguns casos de uso.

Abrams e sua equipe desenvolveram GraphPipe para enfrentar esses desafios.

Impacto do código aberto

A decisão da Oracle de abrir o código deste projeto poderia beneficiar as comunidades de desenvolvimento. Bibliotecas padronizadas são uma coisa comumente aberta (ML ou não), e elas são uma coisa boa, comentou Gary McGraw, vice-presidente de tecnologia de segurança da Synopsys .

“Neste caso, a Oracle está fornecendo algumas bibliotecas que ajudam em alguns aspectos do pipeline de produção do ML”, disse ele ao LinuxInsider. “Isso faz sentido, uma vez que a Oracle está no negócio de armazenar grandes quantidades de dados em bancos de dados. Big data é outro componente ML que é útil.”

Quem ganha mais com a cooperação é a parte complicada, disse McGraw. Se a biblioteca for útil, ela será escolhida pelos desenvolvedores, que agora usam coisas de código aberto em quase tudo o que constroem.

“Então, isso é uma coisa positiva. GraphPipe parece estar lidando com uma necessidade legítima”, disse ele. “Por outro lado, a Oracle ganhará uma posição em muitos códigos ML e tentará se tornar indispensável, por isso obviamente os beneficia diretamente.”

O que faz

O GraphPipe é um protocolo de rede que simplifica e padroniza a transmissão de dados de aprendizado de máquina entre processos remotos. Não existe um padrão dominante de como os dados do tipo tensor devem ser transmitidos entre os componentes em uma arquitetura de aprendizagem profunda.

Os desenvolvedores geralmente usam protocolos como o JSON. Mas essa solução é ineficiente. O TensorFlow usa vários buffers de protocolo, o que faz dele um software grande e complexo.

O design do GraphPipe resolve ambas as limitações, trazendo eficiência através de um formato binário, mapeado para memória, enquanto permanece simples e leve nas dependências. Ele inclui implementações simples de clientes e servidores que tornam a implantação e a consulta de modelos de aprendizado de máquina a partir de qualquer estrutura menos complicada.

Os servidores do GraphPipe podem fornecer modelos construídos em TensorFlow, PyTorch, mxnet, CNTK ou caffe2, de acordo com Abrams.

Pronto para o Github

O GraphPipe está disponível no GitHub da Oracle, junto com documentação, exemplos e outros conteúdos relevantes.

GraphPipe vem com diretrizes para servir modelos consistentemente de acordo com as definições de flatbuffer.

O conteúdo do pacote também inclui exemplos para a exibição de modelos do TensorFlow, ONNX e caffe2, juntamente com bibliotecas do cliente, para consultar modelos fornecidos pelo GraphPipe.

Comparando os resultados

O GraphPipe se comporta de maneira semelhante a uma solicitação de previsão de uso do TensorFlow. Ele usa flatbuffers como o formato da mensagem, de acordo com a Oracle.

Os Flatbuffers são semelhantes aos buffers de protocolo do Google. Mas fornece o benefício adicional de evitar uma cópia de memória durante a etapa de desserialização. As definições de flatbuffer fornecem uma mensagem de pedido que inclui tensores de entrada, nomes de entrada e nomes de saída.

O GraphPipe depende de um modelo remoto para aceitar a mensagem de solicitação. Retorna um tensor por nome de saída solicitado. O modelo remoto também deve fornecer metadados sobre os tipos e formas das entradas e saídas que ele suporta.

O desempenho do protocolo é melhor no GraphPipe, com base em uma comparação entre velocidade de serialização e desserialização e throughput de ponta a ponta.

Confie na fabricação

Essa escolha de padrões abertos ajuda a Oracle a recuperar a confiança da comunidade, não apenas abrindo seu projeto para o mundo, mas também abraçando o que a comunidade cria e usa, de acordo com Stephen Goldberg, CEO da HarperDB .

Isso cria uma web interconectada que sustenta todos os projetos envolvidos, não apenas o GraphPipe.

“Escolher padrões estabelecidos facilita implementações, já que não há nada novo para aprender, entender ou avaliar”, disse Goldberg ao LinuxInsider.

“Esta é uma grande vitória para desenvolvedores e implementadores no espaço de aprendizado de máquina”, continuou ele. “Em vez de gastar muito tempo nas ervas daninhas descobrindo implementações em estruturas, os desenvolvedores podem se concentrar no trabalho que move seu projeto adiante”.

Mudar sua postura no apoio ao código aberto tem sido imensamente importante para empresas como Microsoft e Oracle, observou Goldberg, e haverá muitos benefícios com o sucesso e continuidade da maturidade de projetos como o GraphPipe.

Com suas marcas estabelecidas e recursos por trás desses projetos, as grandes empresas estarão mais inclinadas a adotar essas ferramentas e produtos.

“A Oracle está dando passos firmes para abraçar o cenário de tecnologia colaborativa que agora habitamos”, disse Goldberg. “Temos visto a Oracle adotar uma abordagem mais aberta, transparente e colaborativa ao seu ecossistema”.

A Oracle está no caminho de se tornar uma grande campeã de colaboração e transparência, sugeriu. A empresa concentrou-se em encontrar as melhores soluções holísticas para os clientes, e isso é uma indicação de que sua adoção do código aberto é autêntica.

Deixe uma resposta

O seu endereço de email não será publicado. Required fields are marked *

*

Ao continuar a usar o site, você concorda com o uso de cookies. Mais Informações

As configurações de cookies neste site estão definidas para "permitir cookies" para oferecer a melhor experiência de navegação possível. Se você continuar a usar este site sem alterar suas configurações de cookies ou clicar em "Aceitar" abaixo, você estará concordando com isso.

Fechar