Servidores e workstations para Inteligência Artificial e Aprendizagem Profunda

CAFFE

O Caffe é uma estrutura de aprendizado profundo feita com expressão, velocidade e modularidade em mente. Arquitetura expressiva incentiva aplicação e inovação. Modelos e otimização são definidos pela configuração sem codificação. Alterne entre CPU e GPU definindo um único sinalizador para treinar em uma máquina GPU e depois implemente em clusters de mercadorias ou dispositivos móveis.

DIGITS 

O sistema de treinamento de GPU NVIDIA Deep Learning (DIGITS) coloca o poder do aprendizado profundo nas mãos de engenheiros e cientistas de dados. DIGITS pode ser usado para treinar rapidamente a rede neural profunda (DNNs) altamente precisa para tarefas de classificação de imagem, segmentação e detecção de objetos.

TENSORFLOW

O TensorFlow é uma biblioteca de software de código aberto para computação numérica usando gráficos de fluxo de dados. Os nós no gráfico representam operações matemáticas, enquanto as arestas do gráfico representam as matrizes de dados multidimensionais (tensores) comunicadas entre eles. A arquitetura flexível permite implantar a computação em uma ou mais CPUs ou GPUs em um desktop, servidor ou dispositivo móvel com uma única API. O TensorFlow foi desenvolvido originalmente por pesquisadores e engenheiros que trabalham no Google Brain Team da organização de pesquisa Machine Intelligence do Google para realizar aprendizado de máquina e pesquisa em redes neurais profundas, mas o sistema é geral o suficiente para ser aplicado em uma ampla variedade de outros domínios também.

TORCH

Torch é uma estrutura de computação científica com amplo suporte para algoritmos de aprendizado de máquina. É fácil de usar e eficiente, graças a uma linguagem de script fácil e rápida, LuaJIT, e uma implementação C / CUDA subjacente.

THEANO 

Theano é uma biblioteca de computação numérica para Python. No Theano, os cálculos são expressos usando uma sintaxe do tipo NumPy e compilados para serem executados com eficiência nas arquiteturas de CPU ou GPU. O Theano é um projeto de código aberto,  desenvolvido principalmente por um grupo de aprendizado de máquina da Universidade de Montreal.

PYTORCH

Tensores e redes neurais dinâmicas em Python com forte aceleração de GPU.

CHAINER

O Chainer é uma estrutura de código aberto independente e baseada em Python para modelos de aprendizado profundo. O Chainer fornece um meio flexível, intuitivo e de alto desempenho para implementar uma gama completa de modelos de aprendizado profundo, incluindo modelos de ponta, como redes neurais recorrentes e auto-codificadores variacionais.

CLUSTERONE

O Clusterone facilita e agiliza a execução de cargas de trabalho de aprendizado profundo, de qualquer escala e complexidade, em qualquer infraestrutura. Colocando os cientistas de dados em primeiro lugar. Isso remove o tempo gasto no gerenciamento e configuração da infraestrutura das equipes de ciência de dados, fornecendo uma plataforma pronta para uso e ferramentas essenciais. Para as organizações, reduz os custos do projeto, maximizando a eficiência de suas equipes de ciência de dados e recursos de hardware.

KERAS

Keras é uma biblioteca de redes neurais de alto nível, escrita em Python e capaz de rodar sobre o TensorFlow ou o Theano. Foi desenvolvido com o objetivo de permitir experimentação rápida.

TRAKOMATIC

oSense é um sistema facial para pessoas contando e classificando-as por faixa etária e gênero. Ele também monitora o tempo gasto em um determinado local e é capaz de detectar novos e repetidos visitantes.

PYLEARN

Pylearn2 é uma biblioteca de aprendizado de máquina. A maior parte de sua funcionalidade é construída sobre o Theano. Isso significa que você pode escrever plugins Pylearn2 (novos modelos, algoritmos etc.) usando expressões matemáticas, e o Theano otimizará e estabilizará essas expressões para você e as compilará em um back-end de sua escolha (CPU ou GPU).

HOROVOD

Horovod é uma estrutura de treinamento distribuído para TensorFlow, Keras e PyTorch. O objetivo do Horovod é tornar o Deep Learning distribuído rápido e fácil de usar.

RISEML

Plataforma / camada superior para Kubernetes e Horovod

MICROSOFT COGNITIVE TOOLKITUm kit de ferramentas gratuito, fácil de usar, de código aberto e de nível comercial que treina algoritmos de aprendizado profundo para aprender como o cérebro humano. Anteriormente CTNK.

DEEPLEARNING4J

O Deeplearning4j pretende ser plug and play de ponta, mais convenções do que configuração, o que permite uma rápida criação de protótipos para cientistas de dados, profissionais de aprendizado de máquina e engenheiros de software. O DL4J é personalizável em escala.

ND4J

O ND4J é um projeto de código aberto destinado a desenvolvedores profissionais de Java familiarizados com implantações de produção, um IDE como o IntelliJ e uma ferramenta de criação automatizada como o Apache Maven. Nossa ferramenta irá atendê-lo melhor se você já tiver essas ferramentas.

APACHE SINGA

O Apache SINGA é um projeto de Incubação do Apache para o desenvolvimento de uma biblioteca de aprendizado de máquina de código aberto. Ele fornece uma arquitetura flexível para treinamento distribuído escalável, é extensível para rodar em uma ampla gama de hardware e tem foco em aplicativos de assistência médica.

MXNET

O Apache MXNet é uma estrutura moderna de aprendizado profundo de código aberto usada para treinar e implantar redes neurais profundas. É escalável, permitindo treinamento rápido de modelo e suporta um modelo de programação flexível e várias linguagens (C ++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl, Wolfram Language). A biblioteca MXNet é portátil e pode ser dimensionada para várias GPUs.

OPENCV

O OpenCV (Open Source Computer Vision) é uma biblioteca de funções de programação destinadas principalmente à visão computacional em tempo real. Originalmente desenvolvido pela Intel, foi posteriormente suportado pela Willow Garage e pela Itseez (que mais tarde foi adquirida pela Intel). A biblioteca é multiplataforma e gratuita para uso sob a licença BSD de código aberto.

DEEPCHEM

O DeepChem é uma biblioteca python que fornece uma cadeia de ferramentas de código aberto de alta qualidade para aprendizado profundo em descoberta de drogas, ciência de materiais, química quântica e biologia.

BIDMACH

O BIDMach é uma biblioteca de aprendizado de máquina muito rápida. A distribuição do github contém apenas o código fonte. Você também precisa de um jdk 8, uma instalação do NVIDIA CUDA 8.0 (se você quiser usar uma GPU) e CUDNN 5 se planeja usar redes profundas. Para construir você precisa do maven 3.X.

H2O

A H2O.ai é uma empresa de software de código aberto e criadora do H2O, uma plataforma de ciência de dados e aprendizado de máquina de código aberto usada por muitas empresas da Fortune 500, mais de 14.000 organizações e centenas de milhares de cientistas de dados em todo o mundo.

FAST.AI

O Fast.ai é uma biblioteca que simplifica o treinamento de redes neurais rápidas e precisas usando as melhores práticas modernas. Baseia-se em pesquisas sobre as melhores práticas de aprendizado profundo realizadas em fast.ai. A biblioteca inclui suporte “pronto para uso” para modelos de filtragem de visão, texto, tabular e colaborativo.

DARKNET

Darknet é uma estrutura de rede neural de código aberto escrita em C e CUDA. É rápido, fácil de instalar e suporta computação de CPU e GPU. Você olha apenas uma vez (YOLO) é um sistema de detecção de objetos de última geração, em tempo real, codificado no Darknet.

RAPIDS

O suíte RAPIDS de bibliotecas de software de código aberto permite a execução de pipelines de ciência e dados de ponta a ponta nas GPUs. Ele conta com as primitivas NVIDIA CUDA para otimização da computação em baixo nível, mas expõe o paralelismo da GPU e a velocidade da memória de alta largura de banda por meio de interfaces Python fáceis de usar.

TENSORRT

O servidor de inferência TensorRT é uma plataforma de inferência, fornecendo uma solução de software que expande a utilidade de modelos e estruturas e melhora a utilização de GPUs e CPUs. As soluções de inferência Exxact Deep Learning são fornecidas com o servidor de inferência TensorRT, que encapsula tudo o que você precisa para implantar um servidor de inferência de alto desempenho.