TVM - это открытый стек компилятора глубокого обучения для процессоров, графических процессоров и специализированных ускорителей. Он направлен на сокращение разрыва между ориентированными на продуктивность структурами глубокого обучения и аппаратными бэкэндами, ориентированными на производительность или эффективность. TVM предоставляет следующие основные функции: Компиляция моделей глубокого обучения в Keras, MXNet, PyTorch, Tensorflow, CoreML, DarkNet в минимально развертываемые модули..

Сегодня наиболее важные результаты эволюции искусственного интеллекта и машинного обучения возникают не в результате одного технологического прорыва, а в результате гениального синтеза технологий и методологий. В частности, данные в режиме реального времени, передаваемые с устройств Интернета вещей в алгоритмы машинного обучения, которые постоянно обновляют живые модели ИИ, теперь приносят впечатляющие успехи в здравоохранении, финансах, транспорте и неизбежно во всех областях..

Хотя многие проблемы можно решить в пакетном режиме, подход потоковой обработки может дать вам еще больше преимуществ. Сегодня мы обсудим реальный пример аналитики пользовательских сеансов, чтобы дать вам представление о сценарии использования с исчерпывающим обзором деловых и технических проблем, которые могут решить современные технологии потоковой обработки, такие как Apache Flink. Этот пост написан совместно Адамом Кава (генеральный директор GetInData ) и Давидом Высаковичем (участник..