Intel democratiza el desarrollo de aplicaciones de aprendizaje profundo

Diseñado para desarrolladores de productos, investigadores y fabricantes, el módulo Movidius Neural Compute busca reducir las actuales barreras al desarrollo, ajuste e implantación de aplicaciones de IA, ofreciendo la elevada capacidad de procesamiento de una red neuronal profunda dedicada en un módulo de tamaño reducido.

La VPU Myriad 2 alojada en el interior del módulo Movidius Neural Compute ofrece un rendimiento elevado a la vez que eficiente, permitiendo utilizar redes neuronales profundas en tiempo real directamente desde el dispositivo

A medida que más desarrolladores adoptan enfoques avanzados de aprendizaje automático para crear aplicaciones y soluciones innovadoras, Intel mantiene el compromiso de ofrecer las herramientas de desarrollo y los recursos más completos, para asegurar que los desarrolladores puedan equiparse de cara a una economía digital basada en IA. Ya sea para entrenar redes neuronales artificiales en la nube de Intel® Nervana™, optimizar para las cargas de trabajo emergentes, como la inteligencia artificial, la realidad virtual y aumentada o la conducción autónoma mediante procesadores escalables Intel® Xeon®, o ampliar las fronteras de la IA mediante la unidad de procesamiento de visión Movidius vision processing unit (VPU), Intel ofrece una extensa cartera de herramientas de IA, así como opciones para el entrenamiento y la implantación de la siguiente generación de productos y servicios basados en IA.

En palabras de Remi El-Ouazzane, vicepresidente y director general de Movidius, empresa propiedad de Intel: “La VPU Myriad 2 alojada en el interior del módulo Movidius Neural Compute ofrece un rendimiento elevado a la vez que eficiente, con más de 100 gigaflops y un consumo de 1W, permitiendo utilizar redes neuronales profundas en tiempo real directamente desde el dispositivo. “Esto permite implementar una amplia gama de aplicaciones de IA offline”.

El desarrollo de la inteligencia artificial se compone de dos etapas fundamentales: (1) entrenar a un algoritmo mediante grandes conjuntos de datos utilizando técnicas modernas de aprendizaje automático y (2) utilizar el algoritmo en aplicaciones finales encargadas de interpretar datos reales. Esta segunda etapa se conoce como “inferencia” y aplicar la inferencia de forma externa, o de forma nativa desde el dispositivo, aporta numerosos beneficios en términos de latencia, consumo y privacidad:

• Compilar: convertir automáticamente una red neuronal convolucional (CNN) basada en Caffe y ya entrenada en una red neuronal integrada y optimizada para operar directamente en la VPU Myriad 2 de Movidius.
• Ajustar: las métricas de rendimiento por capa de las redes neuronales, tanto estándar como diseñadas a medida, permiten realizar ajustes efectivos para obtener un rendimiento óptimo con datos reales y un consumo ultra bajo. Los scripts de validación permiten a los desarrolladores comparar la precisión de los modelos optimizados en el dispositivo con la de los modelos originales basados en PC.
• Acelerar: el módulo Movidius Neural Compute es el único capaz de actuar como un acelerador discreto de redes neuronales al añadir la capacidad dedicada de inferencia de aprendizaje profundo a las actuales plataformas informáticas para mejorar el rendimiento y la eficiencia.