Название базовой системы (платформы): | Microsoft Azure |
Разработчики: | Microsoft |
Дата премьеры системы: | 10 мая 2017 г |
Технологии: | Cloud Computing |
2017: Анонс
10 мая 2017 года Microsoft представила сервис для обучения нейронных сетей в облачной инфраструктуре компании. Новое решение получило название Azure Batch AI Training.
Azure Batch AI Training станет частью платформы Azure и позволит сторонним разработчикам обучать собственные нейросетевые модели, используя наиболее популярные фреймворки для глубинного обучения TensorFlow от Google, Cognitive Toolkit от Microsoft, Caffe и другие библиотеки. Разработчики смогут выполнять рабочие нагрузки на нескольких центральных и графических процессорах, а также на программируемых логических матрицах FPGA.
Все вычисления будут проводиться в облаке Azure, что поможет сократить расходы разработчиков и упростить их работу. При желании пользователи смогут самостоятельно выбрать тип устройств для обучения моделей.
Разработчики и специалисты в области данных смогут настроить среду для обучения своих нейросетевых моделей, что, как отмечает издание TechCrunch, должно стать решающим фактором для использования этого сервиса после публичного запуска. К маю 2017 года Azure Batch AI Training находится в стадии тестирования определенным кругом разработчиков. TAdviser выпустил новую карту российского рынка информационных технологий: более 380 разработчиков и интеграторов
Более подробная информация об Azure Batch AI Training остается не раскрытой. В частности, неизвестны сроки запуска финальной версии продукта и стоимость решения.
На конференции Build 2017, в рамках которой был анонсирован набор инструментов для обучения нейронных сетей Azure Batch AI Training, Microsoft показала, как разработчики могут самостоятельно тренировать искусственный интеллект для работы с фотографиями. На примере флоры было продемонстрировано, как можно различать различные растения по их внешнему виду.[1]
Примечания
Подрядчики-лидеры по количеству проектов
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
Распределение систем по количеству проектов, не включая партнерские решения
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)