Vortrag: Künstliche Intelligenz bei Amazon

Steffen Rochel von Amazon AI stellt Gluon vor, eine flexible neue Schnittstelle, die die Geschwindigkeit von MXNet mit einem benutzerfreundlichen Frontend verbindet. In der Vergangenheit mussten sich die Anwender von Deep Learning bezüglich der Wahl von Frameworks zwischen Benutzerfreundlichkeit und Schnelligkeit entscheiden. Auf der einen Seite gab es Frameworks wie Theano und TensorFlow. Diese bieten Geschwindigkeit und Speichereffizienz, sind jedoch schwieriger zu programmieren, können beim Debuggen hinderlich sein und erlauben nicht viele native Sprachfunktionen wie den grundlegenden Steuerungsablauf. Auf der anderen Seite gibt es imperative Frameworks wie Chainer und PyTorch. Es bereitet regelrecht Freude, mit diesen zu programmieren. Außerdem erleichtern sie das Debuggen. Jedoch können nicht mit dem Code von Theano & Co. konkurrieren, wenn es um Geschwindigkeit geht. Die neue Schnittstelle Gluon verbindet beide Stärken und umgeht die entscheidenden Hindernisse.

In diesem Vortrag wird Rochel einen kurzen Überblick über Grundlagen des Deep Learning, die Grundlagen von Gluon und fortgeschrittene Modelle geben. Er zeigt, wie man neuronale Netzwerke mit Gluon definieren kann und führt vor, wie man Modelle serialisieren und dynamische Graphen erstellen kann. Schließlich wird er zeigen, wie man Netzwerke hybridisieren und gleichzeitig die Vorteile des imperativen und symbolischen Deep Learnings genießen kann. /gob