Nul
De wereld van de geïntegreerde ontwikkelomgevingen, of “IDEs,” rich programma ‘ s die samen te brengen zijn veel mogelijkheden, niet veel actie in de jaren sinds de artificial intelligence en cloud computing overspoeld programmeren in het algemeen.
Een intrigerende startup gevestigd in Brooklyn, New York, kan dat veranderen.
Paperspace, opgericht, drie jaar geleden, is dinsdag aangekondigd dat zij heeft ontvangen van $13 miljoen in een onderneming geld van investeerders Batterij Ventures, Sinus Ventures, Sorenson Ventures, evenals de investering arm van de chip gigant Intel, waarmee het totaal van de haul-to-date $19 miljoen. Bestaande investeerder Geïnitialiseerd Kapitaal ook lid geworden van de ronde.
Het geld gaat naar het verfijnen en uitbreiden van Paperspace ‘ s belangrijkste product, de “Gradient”, een soort mash-up van tools die speciaal is ontworpen voor het programmeren van machine learning neurale netwerken. De Intel betrokkenheid is met name interessant, omdat Intel heeft in de laatste jaren versterkt op verschillende AI-projecten voor een verjonging van de processor line-up.
Ook: Snel.ai ‘ s software kan radicaal te democratiseren AI
Mede-oprichter en chief executive Dillon Erb sprak met ZDNet over de vrij primitieve, programmeer omgeving van de huidige machine learning ontwikkeling.
Het probleem Paperspace is het aanpakken, zegt hij, is verwant aan de vroege dagen van de ontwikkeling van het Web. “Het is niet moeilijk te vinden, het berekenen van vandaag,” zegt Erb, verwijzend naar de beschikbaarheid van de GPU boerderijen op Amazon en TPU-installaties in Google met de Google Cloud.
“Het ontbrekende deel is software, net zoals in de vroege dagen van de ontwikkeling van het Web. Dit is een ernstig probleem dat veel mensen worden geconfronteerd, hetgeen wij gezien hebben uit de eerste hand de uitdagingen die mensen hebben om zelfs de ontwikkeling van een single [AI] model.”
Een data scientist kunt implementeren van 15 regels van Facebook ‘ s PyTorch machine-learning framework, en “toegang hebben tot cutting-edge onderzoek.” Maar, “dan alle andere code die nodig is om het samen te stellen, krijg je uiteindelijk een home-rolling-het-zelf, het rooien van een bos van open-source tools en hacken het samen”.
Verloop combineert de populaire Jupyter Notebook ontwikkeling interface met PyTorch of TensorFlow of andere kaders, en een wolk installatie van Docker containers. Een speciale Python module voor Paperspace is gedownload lokaal voor het uitvoeren van de Paperspace command line, en een paar haken zijn ingebed in een doel PyTorch of ander bestand. Vanaf daar is het makkelijk om de aftrap van het Uitvoeren van de opdracht, het ophalen van een PyTorch project van GitHub, en het implementeren van het om echter vele container installaties nodig zijn op bare-metal GPU verwerking beheerd door Paperspace. (Het bedrijf eerder dit jaar aangekondigd de ondersteuning voor Google ‘ s tweede-generatie TPU.) Paperspace zorgt voor details van dingen, zoals het oplossen van I/O-knelpunten, zegt Erb, of hoe de structuur van de opslag voor apps.
Ook op: Facebook open-source AI kader PyTorch 1.0
Het klantenbestand heeft de neiging in de richting van teams van 5 tot 15 personen, in toenemende mate AI-onderzoekers. Zij betalen per gebruiker, per maand vergoeding, met de stijgende niveaus van de GPU-werk vergoedingen. Een enterprise-versie, met variabele prijzen, zoals onbeperkte GPU workloads.
Paperspace ‘s cloud-gebaseerde programmeer-omgeving wil de gouden standaard voor het gemakkelijk publiceren van machine learning modellen op welke collectie van de Gpu’ s, TPUs, of andere processors een team wil.
Het punt van dit alles is niet te verkopen GPU computing; dat is een commodity, en terwijl Paperspace gebouwd zijn eigen datacenters voor een deel van het werk, het is ook afhankelijk van Google Cloud instances. Zo groothandel Gpu ‘ s, of TPUs, is gewoon een ticket voor de toegang tot het spel. De echte magie, dringt Erb, is de “stapeling” van code die maakt het gemakkelijk om te binden Jupyter naar Github machine learning projecten en vervolgens naar de onderliggende berekenen.
Paperspace begonnen toen er nog geen Gpu ‘ s die worden aangeboden op een gehoste basis. Erb en collega ‘ s — het team is op dit moment een lean 16 mensen-afkomstig was uit de wereld van computer-assisted design, en ze beseften de waarde van de toegang tot de GPU boerderijen. (De naam Paperspace is afkomstig van de CAD-wereld. Het verwijst naar het “venster in een 3-D wereld,” het bedrijf zegt. Zoals de naam van het opstarten, het is gemeen om te dienen als “een metafoor voor het idee van een portaal in de oneindige kracht van de cloud.”)
Paperspace ontvangen zaad financiering van incubator YCombinator voor dat de oorspronkelijke missie van het gebouw GPU wolken. Maar dan Erb en collega ‘ s dat er iets interessant. “We waren aan al deze verzoeken voor iets dat in het bijzonder gericht op TensorFlow en PyTorch,” hij weerspiegelt. “We realiseerden ons dat als we groeven in dat dit een nieuwe kans.”
Ook: Google preps TPU 3.0 voor AI, machine learning, model training
Paperspace werkte enige tijd met Snelle.ai, de non-profit organisatie gerund door Jeremy Howard en Rachel Thomas dat is het geven van cursussen over machine learning, die onlangs werd geprofileerd in deze ruimte. Erb gemerkt dat de strijd van de studenten in Howard ‘ s cursussen samen te brengen, zelfs de meest basale software tools. “Zelfs gewoon aan de Jupiter up and running, en ervoor te zorgen dat u niet steeds een toeslag van honderden dollars voor GPU gevallen is een uitdaging”, constateert hij. “Het probleem is niet de toegang tot de hardware, dat is er in overvloed; het probleem is de software te bind het samen.
Erb hoopt de Paperspace stack is uitgegroeid tot een industrie standaard voor dat “laag abstractie” dat zit boven welke GPU, of TPU, of andere berekenen wordt gebruikt door een klant. Hij merkt op trends in de machine learning te abstract afstand van server infrastructuur. Een “coole” hij is het kijken naar de opkomst van ONNX, de industrie moeite om gemeenschappelijke vertaling model tussen de verschillende machine learning kaders. Het is een tijd van grote onrust in de industrie, en “het juiste niveau van abstractie voor deze dingen is undefined nu,” wat betekent dat de verdeling van de middelen tussen GPU en containers en machine learning kaders en software tools.
Een intrigerende vraag is wat er gebeurt met Intel in deze deal. Heeft het bedrijf nog aan te tonen silicium in het wild in grote mate, verzekeraars het veld zo ver van Nvidia ‘s Gpu’ s en Google ‘ s TPUs. Erb niet reageren op Intel ‘ s potentiële silicium successen, maar hij is “erg enthousiast” over de lopende werkzaamheden tussen Paperspace en Intel.
“Intel is het maken van echt grote investeringen”, in AI, zegt hij. “In onze gesprekken met de AI-groep zijn er, ze werken allemaal op het grote probleem, het is niet alleen hardware en software, het is groter dan
Vorige en aanverwante dekking:
Wat is AI? Alles wat je moet weten
Een executive gids voor kunstmatige intelligentie, van machine learning en algemene AI-neurale netwerken.
Wat is diep leren? Alles wat je moet weten
De lowdown op diep leren: van hoe het zich verhoudt tot het bredere veld van machine-leren door te zien hoe aan de slag met het.
Wat is machine learning? Alles wat je moet weten
In deze gids wordt uitgelegd wat ‘machine learning’ is, hoe het is in verband met kunstmatige intelligentie, hoe het werkt en waarom het belangrijk is.
Wat is cloud computing? Alles wat u moet weten over
Een introductie van cloud computing recht vanaf de basis tot IaaS en PaaS -, hybride -, public en private cloud.
Verwante artikelen:
Er is geen rol voor de AI of data science: dit is een team inspanning Opstarten Verwanten brengt glimp van hoop voor AI AI-robotica: Het uitzicht vanuit de Chief Data Science Office Salesforce intro ‘ s van Einstein Stem, een AI-voice assistant voor ondernemingen is Het niet de banen AI is het vernietigen van dat stoort me, het is die groeiende Hoe Facebook schalen AI
Verwante Onderwerpen:
Ontwikkelaar
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0