[Ilustrasi Oleh Pixabay]

Facebook berencana untuk membawa PyTorch ke pengembangan platform seluler, baik untuk Android maupun iOS. Rencana ini disampaikan oleh Facebook dalam acara PyTorch Developer Conference yang digelar 10 Oktober 2019 kemarin.

Dalam sesi wawancara telepon yang dirangkum Venturebeat, Joe Spisak selaku product manager PyTorch menyebutkan bahwa PyTorch Mobile diharapkan akan mendukung perangkat tertanam secara generik seperti Raspberry Pie, namun dukungannya akan difokuskan untuk Android dan iOS terlebih dahulu.

Saat ini, PyTorch Mobile masih dalam tahap eksperimental. Seperti tahap pengujian beta, produk baru Facebook ini masih dalam pengembangan, yang bisa saja mengubah antarmuka pemrograman aplikasi (API) atau berubah secara ekstrem sebelum diluncurkan secara umum.

Peluncuran PyTorch Mobile, yang mengikuti peluncuran Caffe2go yang dilakukan sebelumnya, akan bersaing dengan penawaran dari raksasa teknologi lain, seperti Core ML 3 milik Apple dan TensorFLow Lite 1.0 milik Google.

Perbedaan utama PyTorch Mobile jika dibandingkan dengan beberapa pustaka mesin pembelajaran lain, termasuk juga dengan Caffe2go dalam hal ini, pustaka khusus seluler dari Facebook ini dapat diluncurkan dengan runtime sendiri.

Selain itu, pustaka mesin pembelajaran ini juga dibuat dengan asumsi bahwa apa pun yang ingin dilakukan pada perangkat seluler atau perangkat tepi mungkin juga ingin dilakukan di sisi server.

Pengumuman mengenai PyTorch Mobile ini bukan satu-satunya pengumuman menarik yang diungkapkan dalam acara khusus pengembang PyTorch yang diselenggarakan oleh Facebook, kemarin.

Bersamaan dengan pengumuman PyTorch Mobile ini, Facebook juga melakukan peluncuran untuk PyTorch 1.3, yakni versi terbaru dari perpustakaan pembelajaran open-source milik Facebook.

Pustaka baru ini membawa beberapa peningkatan, termasuk dengan kuantisasi dan dukungan untuk penggunaan Google Cloud TPU, serta tensor-tensor yang memiliki nama sehingga bisa membuat kode pemrograman lebih bersih.

Dengan peningkatan ini, khususnya untuk dukungan kuantisasi yang merupakan fitur kunci penyebaran aplikasi seluler di masa sekarang ini, menyusul kuantisasi TensorFlow Lite yang diluncurkan Google pada awal tahun ini.

Dalam kesempatan yang sama, Facebook juga mengumumkan alat-alat seperti Captum yang bisa digunakan untuk memasok penjelasan ke dalam model pembelajaran mesin, serta CrypTen yang merupakan pembelajaran mesin khusus untuk penanganan privasi.

[Sumber: Venturebeat]