Uber今天开源了Neuropod，这是现有机器学习框架之上的抽象层，为开发，训练和部署AI模型提供了接口。该公司表示，它旨在使研究人员更容易在他们选择的框架内构建模型，同时简化产品生产。
在行业和学术界，数据科学家在开发过程中使用多种框架的情况并不少见。例如，优步(Uber)的高级技术小组(ATG)在过渡到Facebook的PyTorch之前集成了Google的TensorFlow，这导致与TensorFlow一起运行时内存损坏和调试问题。Neuropod旨在通过使框架在运行模型时看起来相同来防止不兼容，并为TensorFlow，PyTorch，Keras和TorchScript提供开箱即用的支持。
Neuropod首先概述了模型要解决的问题：对输入和输出的规范描述，包括名称，数据类型等。这使它可以将问题视为接口并抽象化实现，以便解决相同问题的任何模型都可以互换，即使它们使用不同的框架和编程语言也是如此。(例如，如果用户想从C ++运行PyTorch模型，Neuropod将在后台启动一个Python解释器，并与之通信以运行模型。)
Neuropod将现有模型包装在包含原始模型以及元数据，测试数据和自定义操作的软件包中。应用程序与与框架无关的API进行交互，并且Neuropod将这些与框架无关的调用转换为对基础框架的调用。最后，Neuropod导出模型并建立度量标准管道以将性能与定义的基准进行比较。
优步表示，在过去的一年中，它内部使用Neuropod开发了数百种模型，用于需求预测，乘车预计到达时间(ETA)预测，Uber Eats的菜单转录以及自动驾驶车辆的对象检测模型。未来的版本将引入版本控制，该功能将允许用户在导出模型时指定框架的所需版本范围;密封操作，使应用程序可以使用模型训练资源指定“完成”的时间;dockerized worker进程，提供了模型之间的更多隔离。
Uber在博客中写道：“随着我们通过增强现有功能并引入新功能来继续扩展Neuropod的方式，我们期待与开源社区合作，以改进图书馆。”“ Neuropod在Uber的各种深度学习团队中都非常有用，我们希望它对其他人也有好处。”