NOTE! This site uses cookies and similar technologies.

If you not change browser settings, you agree to it. Learn more

I understand

Learn more about cookies at : http://www.aboutcookies.org/Default.aspx?page=1

14 mars 2017 | N2D2, première plateforme européenne de deep learning en open source

Issue de dix années de recherche menées au CEA la plateforme Neural Network Design and Deployment (N2D2) est désormais accessible en open source sur le site web du List, institut de CEA Tech, (www-list.cea.fr/N2D2). Cette mise à disposition fournira aux développeurs un environnement de conception pour les applications de deep learning. Elle favorisera la création d’un écosystème d’utilisateurs en vue d’élargir les domaines d’usages des réseaux de neurones.

Les réseaux de neurones sont constitués d’algorithmes s’inspirant du fonctionnement des neurones du cerveau. Ces solutions logicielles de plus en plus utilisées pour les applications de reconnaissance d'images, de sons ou de tout autre signal issu d'un ou plusieurs capteurs permettent de doter les objets et systèmes de capacités d'interprétation. L’accroissement des volumes de données générées dans tous les secteurs économiques a permis l’émergence de nouvelles solutions de calculs pour extraire de la connaissance de ces données. Les réseaux de neurones répondent à cet enjeu, sous réserve de modèles de programmation adaptés.

List reseaux de neuronnes

Une solution disruptive et intégrée pour les développeurs

N2D2 accompagne les développeurs et designers de bout en bout, de la conception du réseau de neurones jusqu’à sa réalisation, et ce quelle que soit l’architecture matérielle de calcul et les solutions matérielles d’exécution (GPU, FPGA…) envisagées.

Enfin, la plateforme N2D2 intègre de manière unifiée la chaîne complète de traitement de données. Celle-ci va de l’acquisition et mise en forme des données jusqu’à l’apprentissage, la simulation, le traitement, pour ensuite parvenir à l’étape finale : l’affichage des résultats de performances à l’utilisateur final.

Un environnement de conception complet

N2D2 permet la génération du code adéquat en fonction du composant matériel sur lequel le réseau de neurones doit s’exécuter. Il est ainsi possible de faire un benchmark des composants du commerce afin de choisir celui qui sera le plus adapté aux exigences définies en amont (latence du traitement, consommation énergétique, coût, facteur de forme, etc.).

N2D2 peut également être utilisé pour la conception de réseaux de neurones pour des accélérateurs neuronaux issus du CEA, tels que le processeur PNeuro, qui est une IP matérielle programmable dédiée au calcul neuronal.

Grâce à l’ensemble de ces fonctions, N2D2 autorise le prototypage simple et rapide de systèmes embarqués à base de réseaux de neurones ainsi que l’évaluation de leurs performances.

Un cas d’usage pour le contrôle qualité en milieu industriel

N2D2 a été utilisée avec succès pour développer un système à base de réseaux de neurones, pour détecter des défauts de fabrication dans le cadre d’un contrôle en ligne temps réel. Au-delà du critère essentiel lié au taux de reconnaissance des défauts répertoriés comme critiques, l’enjeu était de minimiser le temps de latence. La puissance de calcul et la flexibilité de la solution issue de N2D2 lui ont permis d’explorer rapidement l’espace de conception afin de spécifier le système embarqué.

Quels domaines d’application ?

Les réseaux de neurones sont utilisés dans des domaines aussi variés que la production industrielle et le contrôle qualité (exemple cité plus haut), la sécurité (contrôle d’accès à un site par exemple), le transport (par exemple le contrôle de la qualité des routes ou le véhicule autonome), ou encore le marketing (par exemple la personnalisation des messages aux clients). N2D2 apporte d’ores et déjà des solutions adaptées aux enjeux de partenaires du List comme Atos, ArcelorMittal ou Global Sensing Technologies.

Essayez N2D2 !

Pour accéder à la plateforme open source (licence CeCILL C), connectez-vous sur le site web du CEA LIST : www-list.cea.fr/N2D2