Google a publié le moteur XLA Serving Engine en open source : il est désormais possible d’exécuter des modèles de ML sans passer par Python.
Crypto Briefing a rapporté cette initiative open source et estime qu’elle pourrait améliorer considérablement l’efficacité du déploiement des modèles d’apprentissage automatique et élargir leur compatibilité matérielle, au point d’influencer les normes du secteur.
· Ce qui est confirmé à ce jour, c’est la publication en open source ; les éléments fournis ne quantifient pas l’ampleur des gains d’efficacité ni celle de la compatibilité matérielle.
· L’idée d’une « influence sur les normes du secteur », avancée par Crypto Briefing, relève de l’analyse de ce média et ne constitue pas un fait avéré.
Quels backends matériels testerez-vous en priorité lors du déploiement de vos modèles ?
Crypto Briefing a rapporté cette initiative open source et estime qu’elle pourrait améliorer considérablement l’efficacité du déploiement des modèles d’apprentissage automatique et élargir leur compatibilité matérielle, au point d’influencer les normes du secteur.
· Ce qui est confirmé à ce jour, c’est la publication en open source ; les éléments fournis ne quantifient pas l’ampleur des gains d’efficacité ni celle de la compatibilité matérielle.
· L’idée d’une « influence sur les normes du secteur », avancée par Crypto Briefing, relève de l’analyse de ce média et ne constitue pas un fait avéré.
Quels backends matériels testerez-vous en priorité lors du déploiement de vos modèles ?
