Un framework per l'apprendimentu prufondu hè custituitu da una cumminazione di interfacce, biblioteche è arnesi per definisce è furmà mudelli di Machine Learning rapidamente è precisamente.
Perchè l'apprendimentu prufondu usa una grande quantità di dati non strutturati, micca testuali, avete bisognu di un quadru chì cuntrolla l'interazzione trà i "strati" è rende u sviluppu di mudelli veloce apprendu da i dati di input è piglià decisioni autonome.
Sè site interessatu à amparà nantu à l'apprendimentu prufondu in 2021, cunsidereghja aduprà unu di i quadri indicati quì sottu. Ricurdatevi di sceglie quellu chì vi aiuterà à ottene i vostri scopi è visione.
1. TensorFlow
Quandu si parla di l'apprendimentu prufondu, TensorFlow hè spessu u primu quadru citatu. Hè assai populari, stu quadru ùn hè micca solu utilizatu da Google - a cumpagnia rispunsevuli di a so creazione - ma ancu da altre cumpagnie cum'è Dropbox, eBay, Airbnb, Nvidia è tanti altri.
TensorFlow pò esse usatu per sviluppà API d'altu è bassu livellu, chì vi permettenu di eseguisce applicazioni in quasi ogni tipu di dispositivu. Ancu se Python hè a so lingua primaria, l'interfaccia di Tensoflow pò esse accede è cuntrullata cù altre lingue di prugrammazione cum'è C++, Java, Julia è JavaScript.
Essendu open-source, TensorFlow permette di fà parechje integrazioni cù altre API è uttene supportu rapidu è aghjurnamenti da a cumunità. A so fiducia in i "grafichi statici" per u calculu permette di fà calculi immediati o di salvà operazioni per accessu à un altru tempu. Questi mutivi, aghjuntu à a pussibilità chì pudete "guardà" u sviluppu di a vostra rete neurale attraversu TensorBoard, facenu TensorFlow u quadru più populari per l'apprendimentu prufondu.
Funzioni principali
- Open-source
- sòffice
- Debugging veloce
2. PyTorch
PyTorch hè un framework sviluppatu da Facebook per sustene l'operazione di i so servizii. Dapoi esse diventatu open-source, stu framework hè statu utilizatu da cumpagnie altru da Facebook, cum'è Salesforce è Udacity.
Stu quadru opera grafici aghjurnati dinamicamente, chì vi permettenu di fà cambiamenti à l'architettura di u vostru dataset mentre u processate. Cù PyTorch hè più simplice di sviluppà è furmà una rete neurale, ancu senza alcuna sperienza in l'apprendimentu prufondu.
Essendu open-source è basatu in Python, pudete fà integrazioni simplici è veloci à PyTorch. Hè ancu un quadru simplice per amparà, aduprà è debug. Sì avete dumande, pudete cuntà u grande sustegnu è l'aghjurnamenti da e duie cumunità - a cumunità Python è a cumunità PyTorch.
Funzioni principali
- Easy à amparà
- Supporta GPU è CPU
- Riccu set di API per allargà e librerie
3. Apache MX Net
A causa di a so alta scalabilità, altu rendiment, risoluzione di prublemi veloce è supportu GPU avanzatu, stu quadru hè statu creatu da Apache per l'usu in grandi prughjetti industriali.
MXNet include l'interfaccia Gluon chì permette à i sviluppatori di tutti i livelli di cumpetenza principià cù l'apprendimentu prufondu nantu à u nuvulu, nantu à i dispositi di punta è in l'applicazioni mobile. In uni pochi di linee di codice Gluon, pudete custruisce una regressione lineale, rete cunvoluzionale è LSTM recurrenti per rilevazione d'ogetti, ricunniscenza di parlà, ricunniscenza è persunalizazione.
MXNet pò ièssiri usatu in parechji dispusitivi è hè sustinutu da parechji lingue di prugrammazione cum'è Java, R, JavaScript, Scala è Go. Ancu s'è u numeru di utilizatori è membri in a so cumunità hè bassu, MXNet hà una documentazione ben scritta è un grande potenziale per a crescita, in particulare avà chì Amazon hà sceltu stu quadru cum'è u strumentu primariu per Machine Learning in AWS.
Funzioni principali
- 8 rilegature in lingua
- Formazione Distribuita, chì sustene sistemi multi-CPU è multi-GPU
- Front-end ibrido, chì permette di cambià trà i modi imperativu è simbolicu
4. Microsoft Cognitive Toolkit
Se pensate di sviluppà applicazioni o servizii chì funzionanu in Azure (servizi in nuvola Microsoft), u Microsoft Cognitive Toolkit hè u framework per selezziunate per i vostri prughjetti di apprendimentu profondu. Questu hè open-source, è supportatu da linguaggi di prugrammazione cum'è Python, C++, C#, Java, frà altri. Stu quadru hè pensatu per "pensà cum'è u cervellu umanu", cusì pò processà una grande quantità di dati non strutturati, mentre offre una furmazione rapida è una architettura intuitiva.
Selezziunate stu quadru - u stessu daretu à Skype, Xbox è Cortana - uttene un bonu rendimentu da e vostre applicazioni, scalabilità è integrazione simplice cù Azure. Tuttavia, paragunatu à TensorFlow o PyTorch, u numeru di membri in a so cumunità è u sustegnu hè ridutta.
U seguente video offre una introduzione cumpleta è esempi di applicazione:
Funzioni principali
- Documentazione chjara
- Supportu da a squadra Microsoft
- Visualizazione diretta di u graficu
5. Keras
Cum'è PyTorch, Keras hè una biblioteca basata in Python per prughjetti intensivi di dati. L'API keras funziona à un altu livellu è permette integrazioni cù API di livellu bassu cum'è TensorFlow, Theano è Microsoft Cognitive Toolkit.
Certi vantaghji di utilizà keras sò a so simplicità per amparà - essendu u quadru cunsigliatu per i principianti in l'apprendimentu prufondu; a so rapidità di implementazione; avè un grande sustegnu da a cumunità python è da e cumunità di l'altri quadri cù quale hè integrata.
Keras cuntene diverse implementazioni di u blocchi di custruzzione di e rete neurali cum'è strati, funzioni obiettivi, funzioni di attivazione è ottimisori matematichi. U so codice hè allughjatu in GitHub è ci sò fori è un canale di supportu Slack. In più di supportu per standard Redes neuronali, Keras offre un supportu per e Reti Neural Convolutional è Recurrent Neural Networks.
Keras permette mudelli di apprendimentu prufonda per esse generatu nantu à smartphones sia in iOS sia Android, in una Macchina Virtuale Java, o in u web. Permette ancu l'usu di furmazione distribuita di mudelli di apprendimentu profondu nantu à clusters di Unità di Processamentu Graficu (GPU) è Unità di Processamentu di Tensor (TPU).
Funzioni principali
- Modelli pre-addestrati
- Supportu backend multiple
- Supportu cumunitariu amichevule è grande
6. Apple Core ML
Core ML hè statu sviluppatu da Apple per sustene u so ecosistema - IOS, Mac OS, è iPad OS. A so API travaglia à un livellu bassu, facendu un bonu usu di e risorse di CPU è GPU, chì permette à i mudelli è l'applicazioni creati per cuntinuà à curriri ancu senza una cunnessione Internet, chì riduce l'"impronta di memoria" è u cunsumu di energia di u dispusitivu.
U modu chì Core ML rializeghja questu ùn hè micca esattamente fendu un'altra libreria di apprendimentu di macchina chì hè ottimizzata per eseguisce nantu à iphones / ipads. Invece, Core ML hè più cum'è un compilatore chì piglia e specificazioni di mudelli è paràmetri addestrati espressi cù altre software di apprendimentu di macchina è u cunvertisce in un schedariu chì diventa una risorsa per una app iOS. Questa cunversione à un mudellu Core ML succede durante u sviluppu di l'app, micca in tempu reale, postu chì l'app hè aduprata, è hè facilitata da a biblioteca coremltools python.
Core ML offre prestazioni veloci cù una integrazione faciule di machine learning mudelli in applicazioni. Supporta l'apprendimentu prufondu cù più di 30 tippi di strati è ancu arburi di decisione, macchine vettoriali di supportu è metudi di regressione lineare, tutti custruiti nantu à tecnulugia di bassu livellu cum'è Metal è Accelerate.
Funzioni principali
- Facile à integrà in app
- L'usu ottimale di e risorse lucali, senza bisognu di accessu à Internet
- Privacy: i dati ùn anu micca da abbandunà u dispusitivu
7. ONNX
L'ultimu quadru nantu à a nostra lista hè ONNX. Stu quadru nasce da una cullaburazione trà Microsoft è Facebook, cù u scopu di simplificà u prucessu di trasferimentu è di custruisce mudelli trà e diverse frameworks, arnesi, runtime è compilatori.
ONNX definisce un tipu di schedariu cumune chì pò eseguisce nantu à parechje piattaforme, mentre chì face usu di i benefici di l'API di livellu bassu cum'è quelli di Microsoft Cognitive Toolkit, MXNet, Caffe è (using converters) Tensorflow è Core ML. U principiu daretu à ONNX hè di furmà un mudellu nantu à una pila è implementà cù altre inferenze è predizioni.
A Fundazione LF AI, una suburganizazione di a Fundazione Linux, hè una urganizazione dedicata à custruisce un ecosistema per sustene. open-source l'innuvazione in l'intelligenza artificiale (AI), l'apprendimentu automaticu (ML) è l'apprendimentu profondu (DL). Hà aghjustatu ONNX cum'è un prughjettu di livellu graduatu u 14 di nuvembre 2019. Questa mossa di ONNX sottu u paraplu di a Fundazione LF AI hè stata vista cum'è una tappa impurtante in a creazione di ONNX cum'è un standard di formatu aperto neutrale per u venditore.
U ONNX Model Zoo hè una cullizzioni di mudelli pre-addestrati in Deep Learning dispunibuli in formatu ONNX. Per ogni mudellu ci sò Quaderni Jupyter per a furmazione di mudellu è eseguisce inferenza cù u mudellu furmatu. I quaderni sò scritti in Python è cuntenenu ligami à u dataset di furmazione è riferenze à u documentu scientificu originale chì descrive l'architettura di u mudellu.
Funzioni principali
- Interoperabilità quadru
- Optimization Hardware
cunchiusioni
Questu hè un riassuntu di i migliori frameworks per studiu prufunnu. Ci sò parechji frameworks per questu scopu, gratuiti o pagati. Per selezziunà u megliu per u vostru prughjettu, sapete prima per quale piattaforma avete da sviluppà a vostra applicazione.
I quadri generali cum'è TensorFlow è Keras sò e migliori opzioni per inizià. Ma se avete bisognu di utilizà OS o vantaghji specifichi di u dispositivu, allora Core ML è Microsoft Cognitive Toolkit puderanu esse e migliori opzioni.
Ci sò altri frameworks destinati à i dispositi Android, altre machini, è scopi specifichi chì ùn sò micca stati citati in questa lista. Se l'ultimu gruppu vi interessa, suggerimu di fà una ricerca per a so infurmazione nantu à Google o altri siti di machine learning.
Lascia un Audiolibro