Искусственный интеллект (ИИ) стал незаменимым компонентом анализа микроскопических данных. Однако, хотя модели ИИ становятся все лучше и сложнее, вычислительная мощность и связанное с ней энергопотребление также растут. Поэтому исследователи из Института аналитических исследований имени Лейбница (ISAS) и Пекинского университета создали бесплатное программное обеспечение для сжатия данных, которое позволяет ученым запускать существующие модели искусственного интеллекта для биоизображений быстрее и со значительно меньшим энергопотреблением .
Исследователи представили свой удобный набор инструментов под названием EfficientBioAI в статье, опубликованной в журнале Nature Methods.
Современные методы микроскопии позволяют получить большое количество изображений высокого разрешения, а отдельные наборы данных могут содержать тысячи из них.
Ученые часто используют программное обеспечение с поддержкой искусственного интеллекта для надежного анализа этих наборов данных.
Однако по мере усложнения моделей ИИ задержка (время обработки) изображений может значительно увеличиться. «Высокая задержка в сети, например, при особенно больших изображениях, приводит к увеличению вычислительной мощности и, в конечном итоге, к увеличению энергопотребления», — говорит доктор Цзяньсюй Чен, руководитель младшей исследовательской группы AMBIOM — анализа микроскопических биомедицинских изображений в ISAS.
Известная технология находит новые применения Чтобы избежать высоких задержек при анализе изображений , особенно на устройствах с ограниченной вычислительной мощностью , исследователи используют сложные алгоритмы для сжатия моделей ИИ.
Это означает, что они сокращают объем вычислений в моделях, сохраняя при этом сопоставимую точность прогнозирования.
«Сжатие моделей — это метод, который широко используется в области цифровой обработки изображений, известной как компьютерное зрение, и искусственного интеллекта, чтобы сделать модели легче и экологичнее», — объясняет Чен.
Исследователи комбинируют различные стратегии, чтобы уменьшить потребление памяти, ускорить вывод модели, «мыслительный процесс» модели и, таким образом, сэкономить энергию.
Например, обрезка используется для удаления лишних узлов из нейронной сети . «Эти методы часто до сих пор неизвестны в сообществе биоизображений. Поэтому мы хотели разработать готовое к использованию и простое решение, чтобы применить их к обычным инструментам искусственного интеллекта в биоизображениях», — говорит Юй Чжоу, первый автор статьи и доктор философии.
Экономия энергии примерно до 81% Чтобы проверить свой новый набор инструментов, исследователи под руководством Чена протестировали свое программное обеспечение на нескольких реальных приложениях.
Благодаря различному оборудованию и различным задачам анализа биоизображений методы сжатия смогли значительно сократить задержку и снизить энергопотребление на 12,5–80,6%.
«Наши тесты показывают, что EfficientBioAI может значительно повысить эффективность нейронных сетей в биоизображениях, не ограничивая точность моделей», — резюмирует Чен. Он иллюстрирует экономию энергии на примере широко используемой модели CellPose: если тысяча пользователей воспользуется набором инструментов для сжатия модели и применения ее к набору данных Jump Target ORF (около миллиона изображений клеток под микроскопом), они смогут сэкономить энергию.
эквивалентен выбросам при автомобильной поездке длиной около 7300 миль (около 11750 километров).
Никаких специальных знаний не требуется Авторы стремятся сделать EfficientBioAI доступным как можно большему количеству ученых, занимающихся биомедицинскими исследованиями.
Исследователи могут установить программное обеспечение и легко интегрировать его в существующие библиотеки PyTorch (программная библиотека с открытым исходным кодом для языка программирования Python).
Таким образом, для некоторых широко используемых моделей, таких как Cellpose, исследователи могут использовать программное обеспечение без необходимости вносить какие-либо изменения в код самостоятельно.
Для поддержки конкретных запросов на изменения группа также предоставляет несколько демонстраций и учебных пособий. Всего лишь изменив несколько строк кода, этот набор инструментов можно будет применить и к индивидуальным моделям ИИ.
Об эффективном биоИИ EfficientBioAI — это готовое к использованию программное обеспечение с открытым исходным кодом для сжатия моделей искусственного интеллекта в области биовизуализации. Набор инструментов Plug-and-Play прост для стандартного использования, но предлагает настраиваемые функции.
К ним относятся регулируемые уровни сжатия и легкое переключение между центральным процессором (ЦП) и графическим процессором (ГП). Исследователи постоянно развивают набор инструментов и уже работают над тем, чтобы сделать его доступным для MacOS в дополнение к Linux (Ubuntu 20.
04, Debian 10) и Windows 10. В настоящее время основное внимание в наборе инструментов уделяется повышению эффективности вывода предварительно обученных модели, а не повышение эффективности на этапе обучения.
Рубрика: Интернет и Игры. Читать весь текст на android-robot.com.