Intel veröffentlicht Open-Source-KI-Referenzkits
“Innovation gedeiht in einem offenen, demokratisiertes Umfeld. Das von Intel beschleunigte offene KI-Software-Ökosystem, einschließlich optimierter beliebter Frameworks und Intels KI-Tools, baut auf der Grundlage eines offenen auf, standards-based, unified oneAPI programming model. These reference kits, built with components of Intel’s end-to-end AI software portfolio, will enable millions of developers and data scientists to introduce AI quickly and easily into their applications or boost their existing intelligent solutions.”
About AI Reference Kits: AI workloads continue to grow and diversify with use cases in vision, speech, Empfehlungssysteme und mehr. Intel’s AI reference kits, built in collaboration with Accenture, are designed to accelerate the adoption of AI across industries. They are open source, pre-built AI with meaningful enterprise contexts for both greenfield AI introduction and strategic changes to existing AI solutions.
Four kits are available for download today:
Utility asset health: As energy consumption continues to grow worldwide, Es wird erwartet, dass die Stromverteilungsanlagen in diesem Bereich wachsen werden. Dieses prädiktive Analysemodell wurde trainiert, um Versorgungsunternehmen dabei zu unterstützen, eine höhere Servicezuverlässigkeit bereitzustellen. Es verwendet Intel-optimiertes XGBoost über die Intel oneAPI Data Analytics Library, um den Zustand von Strommasten zu modellieren 34 Attribute und mehr als 10 Millionen Datenpunkte. Die Daten umfassen das Alter des Vermögenswerts, mechanische Eigenschaften, Geodaten, Inspektionen, Hersteller, frühere Reparatur- und Wartungshistorie, und Ausfallprotokolle. Das vorausschauende Anlagenwartungsmodell lernt kontinuierlich neue Daten hinzu, wie neuer Stangenhersteller, Ausfälle und sonstige Zustandsänderungen, sind vorgesehen.
Visuelle Qualitätskontrolle: Qualitätskontrolle (Qualitätskontrolle) ist in jedem Fertigungsbetrieb unerlässlich. The challenge with computer vision techniques is that they often require heavy graphics compute power during training and frequent retraining as new products are introduced. The AI Visual QC model was trained using Intel AI Analytics Toolkit, including Intel Optimization for PyTorch and Intel Distribution of OpenVINO toolkit, both powered by oneAPI to optimize training and inferencing to be 20% und 55% faster, beziehungsweise, compared to stock implementation of Accenture visual quality control kit without Intel optimizations for computer vision workloads across CPU, GPU and other accelerator-based architectures. Using computer vision and SqueezeNet classification, the AI Visual QC model used hyperparameter tuning and optimization to detect pharmaceutical pill defects with 95% accuracy.
Customer chatbot: Konversations-Chatbots sind zu einem wichtigen Dienst geworden, um Initiativen im gesamten Unternehmen zu unterstützen. KI-Modelle, die Konversations-Chatbot-Interaktionen unterstützen, sind umfangreich und hochkomplex. Dieses Referenzkit enthält Deep-Learning-Modelle zur Verarbeitung natürlicher Sprache für die Absichtsklassifizierung und die Erkennung benannter Entitäten mit BERT und PyTorch. Die Intel-Erweiterung für PyTorch und die Intel-Distribution des OpenVINO-Toolkits optimieren das Modell für eine bessere Leistung — 45% schnellere Rückschlüsse im Vergleich zur Standardimplementierung des Kunden-Chatbot-Kits von Accenture ohne Intel-Optimierungen — über heterogene Architekturen hinweg, und ermöglichen Entwicklern die Wiederverwendung von Modellentwicklungscode mit minimalen Codeänderungen für Training und Schlussfolgerungen.
Intelligente Dokumentenindizierung: Unternehmen verarbeiten und analysieren jedes Jahr Millionen von Dokumenten, und viele der halbstrukturierten und unstrukturierten Dokumente werden manuell weitergeleitet. KI kann die Verarbeitung und Kategorisierung dieser Dokumente automatisieren, um die Weiterleitung zu beschleunigen und die manuellen Arbeitskosten zu senken. Verwendung einer Support-Vektor-Klassifizierung (SVC) Modell, Dieses Kit wurde mit der Intel-Distribution von Modin und der Intel-Erweiterung für Scikit-learn powered by oneAPI optimiert. Diese Tools verbessern die Datenvorverarbeitung, Trainings- und Inferenzzeiten zu sein 46%, 96% und 60% faster, beziehungsweise, Im Vergleich zur Stock-Implementierung von Accenture Intelligent Document Indexing Kit ohne Intel-Optimierungen zum Überprüfen und Sortieren der Dokumente 65% accuracy.
Kostenloser Download von der Intel.com AI Reference Kits-Website. Die Kits sind auch auf Github verfügbar.
Warum es wichtig ist: Entwickler möchten KI in ihre Lösungen einfließen lassen, und die Referenzkits tragen zu diesem Ziel bei. Diese Kits bauen auf und ergänzen das KI-Softwareportfolio von Intel mit End-to-End-Tools und Framework-Optimierungen. Aufgebaut auf der Grundlage von oneAPI open, standards-based, Heterogenes Programmiermodell, die Leistung über mehrere Arten von Architekturen hinweg liefert, Diese Tools helfen Datenwissenschaftlern dabei, Modelle schneller und kostengünstiger zu trainieren, indem sie die Einschränkungen proprietärer Umgebungen überwinden.
Was kommt als nächstes: Im nächsten Jahr, Intel wird eine Reihe zusätzlicher Open-Source-KI-Referenzkits mit trainierten Machine-Learning- und Deep-Learning-Modellen veröffentlichen, um Unternehmen jeder Größe auf ihrem Weg zur digitalen Transformation zu unterstützen.