机器学习创新，惠及普罗大众.
What’s New
-
AVCC and MLCommons Join Forces to Develop an Automotive Industry Standard
-
Launching GaNDLF for Scalable End-to-End Medical AI Workflows
A powerful framework combining AI with medical research to enable medical professionals to more effectively diagnose and treat patients -
New ML Benchmarks for Scientific Discovery
Four new open source benchmarks aim to uncover novel ML solutions to improve scientific discovery. -
MLPerf Inference Delivers Power Efficiency and Performance Gains
Record participation in MLCommons’ benchmark suite showcases improvements in efficiency and capabilities for deploying machine learning
MLCommons旨在促进机器学习创新，以此惠及普罗大众.
MLCommons旨在促进机器学习创新，以此惠及普罗大众。机器学习技术拥有巨大的潜力：它能在健康医疗和自动驾驶安全领域拯救生命，也能通过语音互动、自动翻译和自然语言处理等技术来提高人们获取信息和理解信息的能力。然而，机器学习和传统的软件有根本性的区别——开发者们要训练这个应用，而不是为它编写程序命令。因此，机器学习需要一套全新的技术来推动，这就好比过去的工业革命首先要有精密测量、原材料和制造方面的重大突破来支持。
MLCommons旨在通过在以下三个领域开放式协作的驱动，从而来满足新兴的机器学习行业的需求：
基准测试
基准测试定义对于准确性、速度和效率这些方面统一的测量标准。统一的测量标准能使工程师们设计出更可靠的产品和服务，并能让研究人员通过比较多种技术创新，从而选择出推动未来的最佳创意和解决方案。
数据集
数据集是所有机器学习的原材料。 模型是否成功取决于其训练的数据。学术界和工业界都特别依赖公共数据集来发明新的技术和创建新的公司。
最佳实践
最佳实践为研究人员和工程师赋能，使他们能够更轻松地交换和更替模型、重现实验结果并搭建基于机器学习的应用程序。 改进最佳实践做法可加速机器学习的发展，扩大机器学习的市场。
“大众语音”
“大众语音”（People's Speech）是一个开放的语音识别数据集，其中包含了80,000多个小时（超过10年）的多种标记过的语音。 它比现有的其他公开数据集要大100倍左右。 公开数据集ImageNet成功推动了计算机视觉领域前进的创新浪潮，而这也成为了创建“大众语音”的灵感。 “大众语音”旨在将语音到文本即时翻译能力提高到最先进的水平，使世界各地使用多种语言的人受益。 更加多样化的语言支持至关重要，因为到2025年，智能音响和语音助手将遍及全球几乎每个人。
MLCube
MLCube是用于创建机器学习软件时的一款最佳实践方案，以使这些机器学习软件可以在许多不同的系统上“即插即用”。 MLCube可以让研究人员更容易地共享最新的和最具创造性的机器学习模型，让开发人员尝试更多不同的模型，让软件公司更轻松地为模型开发基础架构。MLCube将机器学习赋能给更多人，由此创造更多机遇。MLCube不是新的框架或服务，而是诸如Docker等容器中的机器学习模型的统一接口。使用MLCube接口发布的模型可以在本地计算机、各种主要云或Kubernetes集群中运行——使用的都是相同的代码。
