Publié le: Dec 19, 2022
Nous annonçons aujourd'hui la disponibilité générale de Renate, une bibliothèque Python open source pour le réentraînement automatique des modèles. La bibliothèque exécute des algorithmes d'apprentissage continu pour entraîner progressivement les réseaux neuronaux profonds lorsque de nouvelles données sont disponibles.
Les applications du machine learning nécessitent la mise à jour des modèles à mesure que de nouveaux lots de données font leur apparition. Réentraîner à plusieurs reprises des modèles de réseaux neuronaux profonds à partir de zéro s'avère coûteux et ne les ajuster qu'avec de nouvelles données provoquera un phénomène appelé « oubli catastrophique ». Cela signifie que le modèle produira de bonnes performances sur les données les plus récentes, mais que les performances se dégraderont sur de plus anciennes données. Renate fournit des algorithmes qui atténuent ce problème d'oubli catastrophique et aident à automatiser le processus de réentraînement.
Grâce à Renate, les utilisateurs effectuent des expériences d'apprentissage continu à petite échelle sur leur machine locale ou exécutent de grandes tâches d'apprentissage continu à l'aide d'Amazon SageMaker. Renate prend également en charge un réglage prêt à l'emploi d'hyperparamètres de pointe, et ce, grâce aux intégrations avec SyneTune.
Pour en savoir plus sur la bibliothèque, consultez notre blog. Pour commencer à utiliser Renate, vous pouvez consulter les ressources suivantes :