OctoML lève 15 millions de dollars pour faciliter l’optimisation des modèles ML

OctoML, une startup fondée par l’équipe derrière le projet de pile de compilateurs d’apprentissage automatique Apache TVM, a annoncé aujourd’hui qu’elle avait levé un tour de série A de 15 millions de dollars dirigé par Amplify, avec la participation de Madrone Ventures, qui a mené son tour de démarrage de 3,9 millions de dollars. L’idée centrale derrière OctoML et TVM est d’utiliser l’apprentissage automatique pour optimiser les modèles d’apprentissage automatique afin qu’ils puissent fonctionner plus efficacement sur différents types de matériel.

«Il y a eu pas mal de progrès dans la création de modèles d’apprentissage automatique», PDG d’OctoML et Université de Washington le professeur Luis Ceze m’a dit. « Mais une grande partie de la douleur s’est déplacée une fois que vous avez un modèle, comment pouvez-vous en faire bon usage dans le bord et dans les nuages? »

C’est là que le projet TVM entre en jeu, qui a été lancé par Ceze et ses collaborateurs à la Paul G. Allen School of Computer Science & Engineering de l’Université de Washington. C’est maintenant un projet d’incubation d’Apache et parce qu’il a vu beaucoup d’utilisation et de support de grandes entreprises comme AWS, ARM, Facebook, Google, Intel, Microsoft, Nvidia, Xilinx et autres, l’équipe a décidé de former une entreprise commerciale autour d’elle, qui est devenue OctoML. Aujourd’hui, même la détection des mots de réveil d’Amazon Alexa est alimentée par TVM.

Ceze a décrit TVM comme un système d’exploitation moderne pour les modèles d’apprentissage automatique. « Un modèle d’apprentissage automatique n’est pas du code, il n’a pas d’instructions, il a des chiffres qui décrivent sa modélisation statistique », a-t-il déclaré. «Il est assez difficile de le faire fonctionner efficacement sur une plate-forme matérielle donnée, car il existe littéralement des milliards et des milliards de façons de mapper un modèle à des cibles matérielles spécifiques. Choisir la bonne qui fonctionne bien est une tâche importante qui nécessite généralement l’intuition humaine. »

Et c’est là qu’OctoML et son produit SaaS «Octomizer», qu’il a également annoncé, entrent aujourd’hui en jeu. Les utilisateurs peuvent télécharger leur modèle sur le service et il l’optimisera, le comparera et le conditionnera automatiquement pour le matériel que vous spécifiez et dans le format que vous voulez . Pour les utilisateurs plus avancés, il est également possible d’ajouter l’API du service à leurs pipelines CI / CD. Ces modèles optimisés s’exécutent beaucoup plus rapidement car ils peuvent désormais tirer pleinement parti du matériel sur lequel ils s’exécutent, mais ce que de nombreuses entreprises se soucieront peut-être encore plus, c’est que ces modèles plus efficaces leur coûtent également moins cher à exécuter dans le cloud, ou qu’ils sont capables de le faire utilisez du matériel moins cher avec moins de performances pour obtenir les mêmes résultats. Pour certains cas d’utilisation, TVM entraîne déjà des gains de performances 80x.

Actuellement, l’équipe OctoML est composée d’une vingtaine d’ingénieurs. Avec ce nouveau financement, l’entreprise prévoit d’agrandir son équipe. Ces embauches seront principalement des ingénieurs, mais Ceze a également souligné qu’il souhaitait embaucher un évangéliste, ce qui est logique, compte tenu de l’héritage open-source de l’entreprise. Il a également noté que même si l’Octomizer est un bon début, le véritable objectif ici est de créer une plate-forme MLOps plus complète. « La mission d’OctoML est de construire la meilleure plate-forme du monde qui automatise les MLOps », a-t-il déclaré.

Traduit de l’anglais de https://techcrunch.com/2020/04/03/octoml-raises-15m-to-make-optimizing-ml-models-easier/

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.