Suchen

Definition Was ist Gluon?

| Autor / Redakteur: Dipl.-Ing. (FH) Stefan Luber / Nico Litzel

Bei Gluon handelt es sich um ein Deep Learning Interface von Amazon und Microsoft. Es bietet Programmierern einen einfachen Zugang zur Künstlichen Intelligenz über standardisierte APIs für dynamisch erweiterbare neuronale Netze.

Firmen zum Thema

(Bild: © aga7ta - stock.adobe.com)

Gluon wurde gemeinsam von Amazon und Microsoft entwickelt. Es handelt sich um eine Deep-Learning-Schnittstelle, die die Entwicklung von eigenen Anwendungen der Künstlichen Intelligenz (KI) ermöglicht. Es lassen sich mit Gluon dynamisch erweiterbare neuronale Netzwerke aufbauen. Nutzbar ist Gluon mit dem Framework Apache MXNet und mit dem Cognitive Toolkit von Microsoft. Unterstützt wird die Schnittstelle zudem durch die Services, Tools und Infrastrukturen von Microsoft Azure.

Das Interface ist für Programmierer einfach zu nutzen und gestattet das Erstellen von hoch skalierbaren und flexiblen Deep-Learning-Modellen. Laut Microsoft und Amazon lässt sich Gluon auf mehr als 500 GPUs skalieren und unterstützt sowohl Big-Data- als auch Sparse-Data-Umgebungen. Ziel des Gluon-Interfaces ist es, die Entwicklung neuronaler Netze und das Training der Modelle ähnlich einfach zu machen wie die Entwicklung von Applikationen. Die komplette Bibliothek von Gluon steht unter einer Open-Source-Lizenz zur Verfügung. Das gestattet Entwicklern, ohne Lizenzkosten mit der Schnittstelle zu arbeiten.

Die zentralen Funktionen und Vorteile der KI-Schnittstelle Gluon

Gluon stellt ein nutzerfreundliches API zur Verfügung. Neuronale Netze lassen sich über einen einfachen, klaren und präzisen Code ansprechen. Für Programmierer bietet sich der Vorteil, dass die Funktionen der Schnittstelle einfach zu erlernen sind. Die Definition von Netzwerken mit Gluon ist dynamisch und flexibel. Das Datenmodell und der Trainingsalgorithmus lassen sich problemlos kombinieren. Der Algorithmus definiert das Netzwerk. Programmierer können Standard-Programmierfunktionen wie Schleifen oder Bedingungen anwenden, um Netzwerke zu erstellen. Zudem stehen zahlreiche Debugfunktionen zur Verfügung.

All diese Eigenschaften machen es für Entwickler wesentlich einfacher und schneller möglich, neuronale Netzwerke zu definieren, aufzubauen, zu managen und zu trainieren. Darüber hinaus gestattet es Gluon, sehr komplexe Modelle zu erschaffen. Hierfür ist Gluon mit einer umfangreichen und leistungsstarken Library ausgestattet. Vordefinierte Funktionsblöcke der Library lassen sich ohne großen Aufwand einbinden und verwenden.

Gluon basiert auf den leistungsstarken Engines von MXNet oder dem Cognitive Toolkit. Dadurch können mit Gluon erschaffene neuronale Netze von den Vorteilen des verteilten Lernens mit MXNet und dem Cognitive Toolkit profitieren. Ein einzelner Gluon-Trainings-Job lässt sich linear auf bis zu 500 GPUs und mehr skalieren. Das verkürzt die Trainingszeit massiv. Die Inferenz von Gluon ist optimiert und ermöglicht es, Modelle auch auf günstiger Hardware mit geringer Performance zu betreiben. Durch die Veröffentlichung der Spezifikationen und Referenzen von Gluon sind andere Deep-Learning-Engines mithilfe des Interfaces integrierbar.

Die Möglichkeiten von Gluon für Entwickler

Entwickler profitieren von zwei zentralen Eigenschaften von Gluon. Zum einen bietet Gluon ein präzises und einfach zu verstehendes Programmierinterface, dass das Erstellen von KI-Prototypen und das Experimentieren mit neuronalen Netzwerken erleichtert. Zum anderen steht eine Trainingsmethode zur Verfügung, die die zugrundeliegende Engine optimal nutzt. Entwickler können das Gluon-Interface verwenden, um neuronale Netzwerke quasi „on the fly“ zu erstellen und ihre Struktur dynamisch zu verändern.

Da der Algorithmus für das Training und das neuronale Netzwerkmodell in Gluon wesentlich enger zusammenrücken, ist das Testen, Fehlersuchen und Anwenden neuronaler Netze mit sehr viel weniger Aufwand verbunden. Im Gegensatz zu vielen anderen KI-Lösungen kann ein Gluon-Netzwerk trainiert werden, während es läuft. In anderen Umgebungen ist es erforderlich, das Netzwerk für das Training anzuhalten. Entwickler können dank dieser Eigenschaft mit Schleifen, Algorithmen oder Verzweigungen direkt auf ein laufendes Netzwerk Einfluss nehmen.

Die Verfügbarkeit von Gluon

Die Verfügbarkeit des Gluon-Interfaces ist für Apache MXNet und das Cognitive Toolkit von Microsoft geplant. Einen einfachen Einstieg in die Nutzung des Deep-Learning-Frameworks ist mit den Services, Tools und der Infrastruktur der Microsoft-Plattform Azure möglich. Die Azure Data Science Virtual Machine stellt eine sofort einsetzbare Umgebung für KI-Entwickler zur Verfügung und unterstützt das Cognitive Toolkit und MXNet.

(ID:45114014)

Über den Autor