这是毫不秘密的,即去年的人们加速了AI和深度学习的采用和发展。但是,ML应用程序部署的主要问题是它需要的巨大资源,从高性能和昂贵的GPU开始。以色列初创公司 开发一个AI驱动的平台,可自动制作可扩展的深度神经网络解决方案,可以集成到各种商业应用中。

使用AI改进ai

AI.的进步主要由深度学习提供动力,引发了医学,制造,运输,沟通和零售业的开创性创新。但是,长时间的开发周期,高计算成本和不满意推理绩效绩效几乎不可能对企业提升AI。通过利用AI来改进AI,Degi自动将模型转换为准备在规模的有效生产。通过DeCi的新深度学习平台,AI开发人员可以在任何任务上实现最高的绩效改进,无论是机器视觉,NLP还是音频,从而获得显着的竞争优势。

信贷:分公司

"是在AI授权数据科学家和深度学习工程师中引领一个范式转变,并通过创建和部署有效和强大的解决方案所需的工具,“尤纳坦杰菲曼说 。 “迅速增加的神经网络模型的复杂性和多样性使公司实现了最大的表现。我们意识到最佳策略是利用AI本身来解决这一挑战。使用AI, 迪伊 目标是帮助每个AI从业者解决世界上最复杂的问题。“

以色列初创公司 利用机器学习技术自动优化神经网络,因此它们将更有效地运行和按比例更高。该公司的深度学习平台自动齿轮上的神经网络,以便在任何硬件上成为最佳的生产级解决方案,包括CPU,GPU和Edge和Mobile的专用AI芯片。该平台供电 迪伊 专利申请Autonac(自动神经结构建设)技术,使用机器学习重新设计任何模型并最大限度地提高其推理性能。该平台优化任何给定的深度学习模型,并为任何所需的硬件削减其计算成本。

“与大多数古典机器学习算法相比,在深度学习中,通过非常大,过度参数化但非常慢的神经网络实现闪亮的样本精度更容易,”Ran El-Yaniv教授说, 迪伊 首席科学家,“我们的Autonac通过优化神经网络结构,用户的数据集和目标计算硬件之间的拟合,在一大群神经网络架构中执行跨越大量神经网络架构的智能高速搜索,以积极加速运行时加速运行时,同时保持精确度。 “

上个月, 将推断结果提交给Mlperf,是深度学习绩效的工业标准。在几个受欢迎的英特尔CPU上,DECI将众所周知的RESET神经网络的推广速度加速11.8倍,同时符合MLPERF精度目标。这种幅度的加速度关闭了对CPU和标准GPU的推断等延迟之间的间隙。这是对云,企业数据中心和边缘设备的数百万可用的CPU启动深度学习推断的重要步骤。

由深学学习科学家Yonatan Geifman,博士学位,与科技企业家Jonatrene Elial,教授Ran El-Yaniv,计算机科学家和机器学习专家。 已经招募了一支核心团队的顶级深入学习工程师和科学家,具有丰富的精英组织和大学的经验。创业公司的910万美元的种子资金循环由风险投资者公司领导 出现 方形钉。 本公司与17名员工在以色列的办事处,计划使用新资本继续人才招聘。