新力開源神經網路庫NNabla

新力昨天宣佈開源了自己的神經網路庫NNabla，其中包含用於深度學習系統的 Python API 與用於嵌入式設備的 C++ API。彭博社也表示新力正在加入谷歌、Facebook 和亞馬遜等巨頭的人工智慧開發競爭。

神經網路是深度學習模型的核心，後者自 2012 年在圖像識別領域獲得突破性進展以來獲得了人們的廣泛關注。現在，深度學習已經在很多領域中獲得應用，它不僅僅是一種圖像識別的演算法，也是一種用於建模的黑箱系統。

用於處理深度學習模型的架構各有不同：從小到大，從前饋到迴圈，從非監督到監督……對於深度學習技術的研究發展也有很快速度，新的架構、組件或神經網路每天都在出現。目前裝備 GPU 的高性能深度學習電腦或集群，對於運作深度學習的移動設備、物聯網設備的要求也在催生技術的發展。

新力從 2010 年起就加入了深度學習的研究行列。這次開源的深度學習核心庫已是其研究成果的第三代了，它包含以下特性：

·         CUDA 相容性。

·         它擁有 Python API，因此最大化了設計神經網路模型的靈活性，並且還能支援快速的原型設計和測試。

·         同時支援靜態和動態計算圖（computation graphs）。靜態計算圖在速度和記憶體上有更高的效率，而動態計算圖在設計模型上更加靈活。

·         有各種內置的神經網路模組，如函數、算子和優化器等。該神經網路庫的模組軟體架構允許開發者添加新的模組，因此開發者可以基於新的研究思路實現更快的原型設計、産品或服務部署。

·         它由輕便、輕量的 C++11 核所編寫，並能在多個平臺上運作。該框架已經在 Linux (Ubuntu 16.04) 和 Windows (8, 10) 上進行了測試。

·         極高的速度和記憶體效率。計算圖引擎允許安全的原位計算（in-place computation）和記憶體分享，這將極大地將少記憶體的佔用。因此該框架的設計僅採用少量的計算負載就能執行前向和後向傳播。

·         為各種計算方案而設計的解耦合實現（Decoupled implementation）介面允許為每一個計算方案提供插件式的開發方案。開發者可以更關注函數算子實際計算的特定實現，而不用管計算圖引擎與其記憶體優化等。