И наши менеджеры ответят на ваши вопросы
Заполните форму
Оставить заявку
Нажимая на кнопку, вы соглашаетесь с нашей Политикой в отношении обработки персональных данных пользователя
Иннополис
ул. Университетская, д. 7
Позвоните нам
Напишите нам
Мы используем cookies и собираем технические данные
Находясь на сайте вы соглашаетесь с применением данных технологий
Находясь на сайте вы соглашаетесь с применением данных технологий
Посмотреть проекты
TorchOK:
последняя версия пайплайна написана на движке PyTorch Lighting.
Он получил название
30 проектов
для крупных компаний.
За три года с его помощью сделано около
В 2019 году
EORA начала
разрабатывать пайплайн для разработки и обучения нейросетевых моделей с технологией компьютерного зрения (CV).
Во всех проектах применяется обработка изображений и видео:
классификация
сегментация
поиск похожих изображений
распознавание
лиц
лиц
Data Lab
Data Lab
Data Lab
Data Lab
Data Lab
Data Lab
Проекты
Узнайте больше о проектах, которые сделаны с помощью TorchOK
Для кого
Теперь пайплайн доступен нашим клиентам:
Аутсорс-разработчикам
в сфере Data Science и CV
Продуктовым командам,
Исследовательским группам
у которых нет своего пайплайна
в сфере Deep Learning
Особенности пайплайна TorchOK
Обширная библиотека компьютерных моделей: от классической ResNet до новейшего трансформера Swin;
Метрики для оценки моделей компьютерного зрения в TensorBoard и MLflow: классификационные, сегментационные, метрики для поиска похожих изображений, для распознавания лиц;
Единый интерфейс для загрузки и выгрузки компьютерных моделей;
Удобная «упаковка»: TorchOK можно запускать через Conda-окружение и в облаке — с помощью контейнеризатора Docker или в SageMaker на Amazon Web Services.
Широкий выбор готовых датасетов: необходимо лишь подготовить ваши данные в требуемом формате (CSV-файл с аннотациями и путями к изображениям);
Современная инфраструктура. TorchOK запускается на машинах с CPU, GPU, а также на нескольких компьютерах с несколькими GPU. Есть поддержка TPU;
Влад Виноградов
Технический директор EORA Data Lab
Наша задача — доводить “сырые” компьютерные модели до продакшена. Поэтому в TorchOK всегда будут только лучшие технические решения. Не самые точные с точки зрения публичных бенчмарков, но самые эффективные в соотношении качество/скорость.”
Он подходит для совместной работы
TorchOK можно клонировать для работы в нескольких проектах одновременно, для разных команд разработки. Найденные ошибки и улучшения устраняются и добавляются в едином репозитории и видны всем.
Он легко кастомизируется
Вы сами выбираете параметры обучения нейросетевой модели: какую сеть использовать, какие данные подгружать, какие метрики считать, сколько GPU вам требуется.
Он универсальный
Обычно команды пишут под каждый проект свой пайплайн. Мы используем в качестве основы кодовую базу TorchOK, а затем изменяем её внутри команды.
Он простой
Достаточно минимальных знаний в Deep Learning, чтобы работать в пайплайне: подготовить датасет для обучения, обучить нейросетевую модель и затем передать её для интеграции.
Преимущества TorchOK
Для разработчиков
Для бизнес-проектов
Экономия денег: у вас на руках готовый результат многолетней работы EORA
Постоянно обновляемая база нейросетевых моделей
Только лучшее: мы сохраняем только то, что реально работает
Экономия времени: вы можете немедленно приступить к обучению своей нейросети
Самые современные решения в простой «упаковке»
Гарантия качества
Ежегодные улучшения c 2019 года
Актуальная версия — третья по счету
Признание исследовательского сообщества
Отбор лучших технических решений и программ
Вячеслав Шульц
Владислав Виноградов
Роман Богачев
Константин Кубрак
Аэлита Шайхутдинова
Рашид Баязитов
Добавление поддержки новых типов задач
Команда
Разработка критических блоков библиотеки, интеграция нейросетевых архитектур
Разработка ядра библиотеки, упаковка, руководство
Исправление критических ошибок
Обеспечение совместимости разных фреймворков и слоёв нейросетевых моделей
Возможность выгрузки моделей в разные фреймворки: TensorRT, ONNX, OpenVINO
Переход к постоянной поддержке ключевых нейросетей с сохранением однотипной структуры: бэкбон, шея, голова, шляпа
Отбор моделей с точки зрения качества и скорости
Грядущие обновления продукта
Напишите нам
Отправить
Нажимая на кнопку, вы соглашаетесь с нашей Политикой в отношении обработки персональных данных пользователей