Paperspace brengt tools uit ter verbetering van machine learning modellen
Paperspace heeft nieuwe tools aangekondigd om data science teams die machine learning onderzoeken beter te kunnen bedienen. Het bedrijf heeft naar eigen zeggen de eerste toekomstbestendige cloud ontworpen.
Het bedrijf heeft altijd toegang geboden tot GPU’s in hun cloudcentra om zo meer rekenkracht te bieden. Nu wil het bedrijf meer bieden dan slechts infrastructuur. De nieuwe tools die zijn aangekondigd zouden developers en projecten efficiënter moeten laten verlopen. Vooral wanneer er wordt gewerkt in een multi-cloud of hybride omgeving.
Volgens CEO en mede-oprichter Dillion Erb is het een streven om een volledige set tools voor data onderzoekers en ontwikkelaars uit te brengen. Met andere woorden, het bedrijf wil meer bieden dan alleen pure GPU verwerkingsmogelijkheden.
“Machine Learning teams vergen veel GPU rekenkracht – en zoals bekend is hebben we een aantal jaar met GPU’s gewerkt en is het nu één van onze specialiteiten. Wat we nu doen is een soort agile methode of een CI/CD (continuous integration/continuous delivery) benadering toepassen voor machine learning. En we gebruiken dat om machine learning problemen op een veel grotere schaal aan te pakken”, aldus de CEO.
Het bedrijf introduceert daarom “GradientCI”, de eerste veelomvattende CI/CD engine voor het bouwen, trainen en toepassen van deep learning modellen. In de toepassing kunnen data en DevOps teams een algemene interface gebruiken. Zo zou het samenwerken efficiënter moeten worden wanneer het op machine learning aankomt, volgens Paperspace.
De toepassing is gebaseerd op de workflow van software development. Volgens de CEO is zo’n toepassing nog niet beschikbaar in het veld van machine learning. Met de lancering van deze update zal het efficiënter worden om machine learning modellen op te zetten en toe te passen.
