Мы рады объявить о публичном бета-релизе! Платформа распространения Raven с открытым исходным кодом на Github. Приглашаем всех разработчиков запустить код, разветвить его, посмотреть, пометить его и, самое главное, внести свой вклад в проект!
То, что мы создали и открыли исходный код на данный момент, является основой для любой платформы машинного обучения или глубокого обучения. Проще говоря, это больше похоже на децентрализованный калькулятор, сравнимый с децентрализованной версией машин IBM, которые использовались для запуска астронавтов Аполлона. Помимо создания фреймворков ML / DL, на нем можно сделать гораздо больше, например, максимизировать отдачу от ваших любимых протоколов defi, таких как Compound и других!
Сама структура распределения - это то, что позволяет нам решить основной вариант использования скорости обучения ИИ. Мы рады видеть, что другие создадут поверх наших строительных блоков. Это может быть больше, чем алгоритмы AI / ML :)
С частными бета-клиентами мы тесно сотрудничали с ними над индивидуальными решениями. Попутно мы обнаружили еще один важный урок: пользователи хотели начать разрабатывать и использовать свои собственные алгоритмы. В этой общедоступной бета-версии с открытым исходным кодом мы приветствуем участников проекта, которые продолжат разработку алгоритмов на платформе.
Начиная
Клонировать репозиторий с открытым исходным кодом
Загрузите последний код в наш Github:
https://github.com/ravenprotocol/raven-distribution-framework
~/dev> git clone [email protected]:ravenprotocol/raven-distribution-framework.git
Запуск сервера Raven
Создайте образ Docker, создайте контейнер и запустите сервер, используя setup.sh в ./raven-distribution-framework.
~/dev/raven-distribution-framework> bash setup.sh
Запуск клиента Raven
Запустите Raven Client (узел), который выполняет единицы вычисления, используя index.html.
~/dev/raven-distribution-framework> open index.html
В вашей среде разработки теперь есть Raven Server и Raven Client.
Поддерживаются следующие операторы:
1. Умножение матриц
2. Сложение
3. Вычитание
4. Поэлементное умножение
5. Деление
6. Линейное
7. Отрицание
8. Экспоненциальный
9. Транспонирование
10. Натуральный логарифм
Тестирование вычислений
Просмотрите наше демонстрационное приложение run_app.py с простыми внутренними алгоритмами. Он подключается к серверу Raven, который распределяет вычисления среди клиентов Raven.
~/dev/raven-distribution-framework> python3 run_app.py
Начнем с простого оператора сложения
Выберите 2. Оператор сложения, введите 2 значения, которые нужно добавить, и просмотрите вычисления в действии во всей структуре.
Raven Client получает операцию сложения и значения для вычисления
Raven Server получает результат вычислений и передает его обратно в демонстрационное приложение. Результат 3 + 5 -… 8!
Теперь мы можем проверить результаты вычислений.
Result: 8
Давайте попробуем более сложную операцию, например умножение матриц, чтобы продемонстрировать возможности
Выберите оператор №1 умножения матрицы
~/dev/raven-distribution-framework> python3 run_app.py ... Enter operator number here: 1 Enter the first value(Scalar, Array or Matrix): [[2,4,5], [5,6,7]] Enter the second value(Scalar, Array or Matrix): [[7,3,4,6],[4,5,6,2],[5,4,6,7]] Computing...
Убедитесь, что клиент Raven получил операцию умножения матриц с правильными матрицами для вычисления.
Вы можете видеть здесь, что Raven Client получил [[2,4,5], [5,6,7]] и [[7,3,4,6], [4,5,6,2], [ 5,4,6,7]]. Затем клиент начинает выполнять операцию умножения матриц.
Raven Server получает результат вычислений и передает его обратно в демонстрационное приложение.
Теперь вы можете проверить правильность результатов умножения матриц.
Result: [[55, 46, 62, 55], [94, 73, 98, 91]]
Представляя будущее
Большинство операций при обучении нейронной сети требуют некоторой формы умножения матриц. Сервер Raven, который вы запустили и запустил, только что распространил операцию умножения матриц на Raven Client (узел) вместе со значениями для вычисления. Этот независимый узел успешно выполнил матричное умножение и отправил результат вычисления обратно в сервер / демонстрационное приложение. Дамы и господа, добро пожаловать на децентрализованное и распределенное обучение глубокому обучению!
Мы находимся на ранних этапах построения сети вычислительных узлов для обучения AI / ML, где скорость является ключевым моментом. Раньше этого не делалось. Представьте себе, что сегодняшняя публичная бета-версия с открытым исходным кодом открывает все возможности, которые она может открыть.
Протокол Raven: технические новости и новости сообщества за второй квартал 2019 г .:
https://medium.com/ravenprotocol/q2-2019-tech-and-community-update-4f836a9a1e97
Протокол Raven: обновление технических проектов в третьем квартале 2019 года:
https://medium.com/ravenprotocol/tldr-raven-stayed-heads-down-building-in-q3-2019- ae5f242dc15d
Протокол Raven: разработка технических проектов в четвертом квартале 2019 года Обновление:
https://medium.com/ravenprotocol/happy-2020-an-important-update-from -the-raven-team-67b5e88e1b1d
Протокол Raven: разработка технологических проектов в первом квартале 2020 года Обновление:
https://medium.com/ravenprotocol/q1-2020-success-during-hard-times -3dcdbb0faba8
Обзор проекта протокола Raven:
https://cryptocalibur.com/portfolio-item/raven-protocol-review
Белая книга протокола Raven:
https://drive.google.com/file/d/1FAaVKkg_CjxMj-n1yHZc6ufcVDtOU1Ct/view?usp=sharing
ОФИЦИАЛЬНЫЕ КАНАЛЫ:
Официальный адрес электронной почты: [email protected]
Ссылка на официальный веб-сайт: http://www.RavenProtocol.com
Официальный канал объявлений: Https://t.me/raven_announcements
Официальная группа Telegram: https://t.me/ravenprotocol
Официальный Twitter: https://twitter.com/raven_protocol спер
Официальный канал: «https://medium.com/ravenprotocol
Официальный LinkedIn: https://linkedin.com/company/ravenprotocol
Официальный Github: https: // www. github.com/ravenprotocol