據(jù)稱，用于訓練機器學習模型的新開源庫可與使用TensorFlow等已建立的庫訓練的AI模型（尤其是在移動設備上運行的模型）訓練的AI模型相媲美。

NeoML被描述為支持深度學習和ML算法的“跨平臺機器學習框架”，本周由ABBYY在GitHub上發(fā)布。灣區(qū)企業(yè)軟件開發(fā)人員專門從事光學字符識別和語言軟件等應用程序。ABBYY表示，目前將NeoML用于計算機視覺和自然語言處理應用程序，包括圖像處理和數(shù)據(jù)提取。

NeoML在云，桌面或移動設備上運行，被吹捧為針對預訓練圖像處理模型的TensorFlow的運行速度快20倍，而與設備無關。該公司聲稱：“更高的推理速度與平臺獨立性的結合使該庫成為需要無縫客戶體驗和設備上數(shù)據(jù)處理的移動解決方案的理想之選。”

新的ML庫正在推廣中，以用于部署對象識別，分類和語義分段以及預測建模。支持者還聲稱NeoML為零售應用程序更有效地利用可用的云資源，例如跟蹤消費者的偏好。

NeoML支持由Facebook（NASDAQ：FB），Microsoft（NASDAQ：MSFT）支持 的開放神經網(wǎng)絡交換（ONNX）標準。

和別的。用于可互操作的機器學習模型的開放生態(tài)系統(tǒng)旨在提高工具兼容性。

NeoML的單一代碼庫可以在從Linux和Windows到Android和iOS的各種操作系統(tǒng)上運行。該庫還經過優(yōu)化，可以在CPU和GPU上運行。它目前支持C ++，Java和Objective-C編程語言，并且即將添加Python。

ABBYY說，開放源代碼版本包括20多種“傳統(tǒng)”機器學習算法，用于分類，回歸預測模型和聚類。

NeoML和TensorFlow之間的速度比較是在運行于Android和iOS設備上的x86，支持Nvidia CUDA的圖形以及Arm-64處理器上進行的。根據(jù)ABBYY發(fā)布的內部測試結果，在大多數(shù)情況下，最新版本的NeoML優(yōu)于TensorFlow的TFLite 2.1.0版本。

除了更快的推論，ABBYY的AI傳播者Ivan Yamshchikov還強調了NeoML的多平臺功能，“特別是其在移動設備上的潛力”。