Apache SINGA
Apache SINGA
| Utviklet av | Apache Software Foundation |
|---|---|
| Første versjon | 8. oktober 2015 |
| Siste versjon | 2.0.0 (20. april 2019) |
| Skrevet i | C ++ |
| Operativsystem | Linux , macOS og Microsoft Windows |
| Tillatelse | Apache-lisens |
| Nettsted | singa.incubator.apache.org |
Apache SINGA er et Apache-prosjekt som fremdeles er i inkubasjon dedikert til dyp læring . Den tilbyr en fleksibel arkitektur for distribuert opplæring, er skalerbar for å kjøre på et bredt spekter av maskinvare, og fokuserer på helsetjenester.
Historisk
SINGA-prosjektet ble initiert av DB System-gruppen ved National University of Singapore i 2014, i samarbeid med Zhejiang University Database Group, for å støtte komplekse analyser i stor skala og for å gjøre databasesystemer mer intelligente og autonome. Han fokuserte på distribuert dyp læring ved å partisjonere modellen og data på noder i en klynge og parallellere treningsfasen. Prototypen ble akseptert av Apache Incubator imars 2015. Syv versjoner er gitt ut, som vist i tabellen nedenfor. Siden versjon 1.0 støtter SINGA tradisjonelle maskinlæringsmodeller, for eksempel logistisk regresjon. Bedrifter som NetEase , yzBigData, Shentilium og andre bruker SINGA til sine applikasjoner, inkludert helse og økonomi.
| Versjon | Opprinnelig utgivelsesdato | Siste versjon | Utgivelsesdato | |
|---|---|---|---|---|
| 2.0.0 | 2019-04-20 | 2.0.0 | 2019-04-20 | |
| 1.2.0 | 2018-06-06 | 1.2.0 | 2018-06-06 | |
| 1.1.0 | 2017-02-12 | 1.1.0 | 2017-02-12 | |
| 1.0.0 | 2016-09-08 | 1.0.0 | 2016-09-08 | |
| 0.3.0 | 2016-04-20 | 0,1,0 | 2016-04-20 | |
| 0,2,0 | 2016-01-14 | 0,2,0 | 2016-01-14 | |
| 0,1,0 | 2015-10-08 | 0,1,0 | 2015-10-08 | |
| Tekst: Gammel versjon Gammel versjon, støttes fortsatt Siste stabile versjon Siste avanserte versjon Fremtidig versjon | ||||
Programvarestabel
SINGAs programvarestabel består av tre hovedkomponenter: kjernen, innganger / utganger og modellen. Følgende figur illustrerer disse komponentene med maskinvaren. Hovedkomponenten gir minnehåndtering og tensoroperasjoner; IO har klasser for å lese (og skrive) data fra (til) disk og nettverk; Modellkomponenten gir datastrukturer og algoritmer for maskinlæringsmodeller, for eksempel lag for nevrale nettverksmodeller, optimaliserere / initialiserere / beregninger / tap for generelle maskinlæringsmodeller.
Rafiki
Rafiki er en submodule av SINGA ment å tilby en maskinlæringsanalysetjeneste.
Referanser
- Wei, Meihui, Gang og HV, “ Database Meets Deep Learning: Challenges and Opportunities. », SIGMOD Record , vol. 45, n o tojuni 2016, s. 17–22 ( DOI 10.1145 / 3003665.3003669 , les online )
- Ooi, Tan, Sheng og Wang, “ SINGA: En distribuert dyp læringsplattform ”, ACM Multimedia ,2015( DOI 10.1145 / 2733373.2807410 , lest online , åpnet 8. september 2016 )
- Wei, Chen, Anh Dinh og Gao, “ SINGA: gir dyp læring i hendene på multimediabrukere ”, ACM Multimedia ,2015( DOI 10.1145 / 2733373.2806232 , lest online , åpnet 8. september 2016 )
- 网易, " 网易 携手 Apache SINGA 角逐 人工智能 新 战场 _ 网易 科技 " , tech.163.com (åpnet 3. juni 2017 )
- " Ny app gjør det mulig for diabetikere å bruke bilder av måltidet for å sjekke om det er sunt " , www.straitstimes.com (åpnet 6. april 2019 )
- Wang, Gao, Zhang og Sheng, “ Rafiki: Machine Learning as an Analytics Service System ”, PVLDB 12 (2) ,2018( DOI 10.14778 / 3282495.3282499 , lest online , åpnet 9. januar 2019 )