Table of Contents[Veşartin][Rêdan]
Çarçoveyek ji bo fêrbûna kûr ji berhevokek navbeynkar, pirtûkxane û amûran pêk tê da ku modelên Fêrbûna Makîneyê zû û rast diyar bikin û perwerde bikin.
Ji ber ku fêrbûna kûr hejmareke mezin ji daneyên nesazkirî, ne-tekst bikar tîne, hûn hewceyê çarçoveyek ku pêwendiya di navbera "qatan" de kontrol dike û bi fêrbûna ji daneyên têketinê û girtina biryarên xweser ve pêşkeftina modelê bilez dike.
Heke hûn dixwazin di sala 2021-an de li ser fêrbûna kûr fêr bibin, bifikirin ku yek ji çarçoveyên ku li jêr hatine destnîşan kirin bikar bînin. Bînin bîra xwe ku yek hilbijêrin ku dê ji we re bibe alîkar ku hûn bigihîjin armanc û vîzyona xwe.
1. TensorFlow
Dema ku behsa fêrbûna kûr, TensorFlow pirî caran çarçoweya yekem tê gotin. Pir populer, ev çarçove ne tenê ji hêla Google - pargîdaniya ku ji afirandina wê berpirsiyar e - lê ji hêla pargîdaniyên din ên wekî Dropbox, eBay, Airbnb, Nvidia, û gelekên din ve tê bikar anîn.
TensorFlow dikare ji bo pêşdebirina API-yên asta bilind û nizm were bikar anîn, ku dihêle hûn hema hema li ser her cûre cîhazê serlêdanan bimeşînin. Her çend Python zimanê wê yê bingehîn e jî, pêwendiya Tensoflow dikare bi karanîna zimanên din ên bernamekirinê yên wekî C++, Java, Julia, û JavaScript-ê were gihîştin û kontrol kirin.
TensorFlow ku çavkaniya vekirî ye, dihêle hûn bi API-yên din re gelek entegrasyonê bikin û ji civatê piştgirî û nûvekirinên bilez bistînin. Baweriya wê bi "grafikên statîk" ên ji bo hesabkirinê dihêle hûn hesabên tavilê bikin an operasyonan hilînin ji bo gihîştina di demek din de. Van sedeman, li ser îhtîmala ku hûn dikarin pêşveçûna tora neuralî ya xwe bi riya TensorBoard "temaşe bikin" zêde kirin, TensorFlow dikin çarçoweya herî populer a fêrbûna kûr.
Key Features
- -Avkaniya vekirî
- delîveya
- Debugging Fast
2. PyTorch
PyTorch çarçoveyek e ku ji hêla Facebook ve hatî pêşve xistin da ku piştgirî bide xebata karûbarên xwe. Ji ber ku bûye çavkaniyek vekirî, ev çarçove ji hêla pargîdaniyên ji bilî Facebook-ê, wekî Salesforce û Udacity ve hatî bikar anîn.
Ev çarçove grafikên nûvekirî yên dînamîkî dixebitîne, ku dihêle hûn gava ku hûn wê pêvajoyê dikin di mîmariya daneya xwe de guheztinan bikin. Bi PyTorch re ew hêsantir e ku meriv torgilokek neural pêşve bixe û perwerde bike, tewra bêyî ezmûnek di fêrbûna kûr de.
Ji ber ku çavkaniya vekirî ye û li ser Python-ê ye, hûn dikarin bi PyTorch re entegrasyonên hêsan û bilez bikin. Di heman demê de ew çarçoveyek hêsan e ku meriv fêr bibe, bikar bîne, û xelet bike. Ger pirsên we hebin, hûn dikarin li ser piştgirî û nûvekirinên mezin ên her du civatan bisekinin - civaka Python û civaka PyTorch.
Key Features
- Easy ji bo hînbûna
- GPU û CPU piştgirî dike
- Komek dewlemend a API-yê ji bo dirêjkirina pirtûkxaneyan
3. Apache MX Net
Ji ber pîvana wê ya bilind, performansa bilind, çareserkirina bilez a pirsgirêkan, û piştgiriya GPU ya pêşkeftî, ev çarçove ji hêla Apache ve ji bo karanîna di projeyên pîşesaziyê yên mezin de hate afirandin.
MXNet navgîniya Gluon-ê vedihewîne ku destûrê dide pêşdebirên hemî astên jêhatîbûnê dest bi fêrbûna kûr bikin li ser ewr, li ser cîhazên qiraxa, û li ser sepanên mobîl. Tenê di çend rêzikên koda Gluon de, hûn dikarin ji bo paşvekêşana xêzik, torên konvolutional û LSTM-yên dûbare ava bikin. tespîtkirina objektê, naskirina axaftinê, pêşniyarî, û kesayetî.
MXNet dikare li ser cîhazên cihêreng were bikar anîn û ji hêla gelek kesan ve tê piştgirî kirin zimanên bernamenûs wek Java, R, JavaScript, Scala û Go. Her çend hejmara bikarhêner û endamên di civata wê de kêm be jî, MXNet xwedan belgeyên xweş-nivîskî û ji bo mezinbûnê potansiyelek mezin e, nemaze naha ku Amazon ev çarçove wekî amûra bingehîn ji bo Fêrbûna Makîneyê li ser AWS hilbijartiye.
Key Features
- 8 girêdanên ziman
- Perwerdehiya Belavkirî, pergalên pir-CPU û pir-GPU piştgirî dike
- Pêşiya hîbrîd, ku dihêle hûn di navbera modên mecbûrî û sembolîk de biguhezînin
4. Microsoft Toolkit Cognitive
Heke hûn difikirin ku serîlêdan an karûbarên ku li ser Azure (karûbarên cloudê yên Microsoft-ê) dimeşînin pêşve bibin, Toolkit Cognitive Microsoft çarçoveyek e ku hûn ji bo projeyên fêrbûna weya kûr hilbijêrin. Ev çavkaniyek vekirî ye, û ji hêla zimanên bernamekirinê yên wekî Python, C++, C#, Java, di nav yên din de tê piştgirî kirin. Ev çarçove ji bo ku "wek mêjiyê mirovan bifikire" hatî çêkirin, ji ber vê yekê ew dikare mîqdarên mezin ên daneya nesazkirî pêvajoyê bike, di heman demê de perwerdehiya bilez û mîmariya xwerû pêşkêşî dike.
Bi hilbijartina vê çarçoweyê - ya ku li pişt Skype, Xbox, û Cortana ye - hûn ê performansa baş ji serîlêdanên xwe, pîvanbûn û yekbûna hêsan a bi Azure re bistînin. Lêbelê, dema ku bi TensorFlow an PyTorch re were berhev kirin, hejmara endamên di civat û piştgirîya wê de kêm dibe.
Vîdyoya jêrîn danasînek bêkêmasî û nimûneyên serîlêdanê pêşkêşî dike:
Key Features
- Belgekirinan paqij bike
- Piştgiriya ji tîma Microsoft
- Visualîzasyona grafîkî ya rasterast
5. Keras
Mîna PyTorch, Keras pirtûkxaneyek li ser Python-ê ye ji bo projeyên dane-zirav. Keras API di astek bilind de dixebite û destûrê dide entegrasyonên bi API-yên asta nizm ên wekî TensorFlow, Theano, û Microsoft Cognitive Toolkit.
Hin avantajên karanîna keras hêsaniya wê ya fêrbûnê ye - ku çarçoveyek pêşniyarkirî ye ji bo destpêkan di fêrbûna kûr de; leza wê ya bicihkirinê; ji civaka python û ji civakên çarçoweyên din ên ku ew pê re yekbûyî ye piştgirîyek mezin heye.
Keras pêkanînên cihêreng ên ya blokên avakirina torên neuralî wek qat, fonksiyonên armanc, fonksiyonên çalakkirinê, û optimîzatorên matematîkî. Koda wê li ser GitHub tête mêvandar kirin û forum û kanalek piştgirî ya Slack hene. Ji bilî piştgiriya standard torên neural, Keras ji bo Torên Neuralî yên Convolutional û Torên Neuralî yên Dubare piştgirî pêşkêşî dike.
Keras destûrê dide modelên fêrbûna kûr ku li ser têlefonên hem li iOS û hem jî Android-ê, li ser Makîneyek Virtual a Java, an jî li ser tevneyê were çêkirin. Di heman demê de ew destûrê dide karanîna perwerdehiya belavkirî ya modelên fêrbûna kûr li ser komên Yekeyên Pêvajoya Grafikê (GPU) û Yekeyên Pêvajoya Tensor (TPU).
Key Features
- Modelên pêş-perwerdekirî
- Piştgiriya pişta pirjimar
- Bikarhêner-heval û piştgiriya civaka mezin
6. Apple Core ML
Core ML ji hêla Apple ve hatî pêşve xistin da ku ekosîstema xwe piştgirî bike - IOS, Mac OS, û iPad OS. API-ya wê di astek nizm de kar dike, çavkaniyên CPU û GPU-yê baş bikar tîne, ku dihêle model û serîlêdanên hatine afirandin bêyî girêdanek înternetê jî bixebitin, ku ev "şopa bîranînê" û xerckirina hêzê ya cîhazê kêm dike.
Awayê ku Core ML vê yekê pêk tîne tam ne bi çêkirina pirtûkxaneyek fêrbûna makîneyê ya din e ku ji bo xebitandina li ser iphone/ipad-an xweşbîn e. Di şûna wê de, Core ML bêtir mîna berhevkerek e ku taybetmendiyên modelê û parametreyên perwerdekirî yên ku bi nermalava fêrbûna makîneyê ya din re têne vegotin digire û wê vediguhezîne pelek ku ji bo serîlêdana iOS-ê dibe çavkaniyek. Ev veguhertina modela Core ML di dema pêşkeftina serîlêdanê de çêdibe, ne di dema rast de wekî ku sepan tê bikar anîn, û ji hêla pirtûkxaneya python ya coremltools ve tê hêsan kirin.
Core ML bi entegrasyona hêsan re performansa bilez peyda dike fêrbûna makîneyê modelên nav sepanan. Ew fêrbûna kûr bi zêdetirî 30 celeb qatan û her weha darên biryarê, makîneyên vektorê piştgirî, û rêbazên regresyonê yên xêzkirî piştgirî dike, ku hemî li ser teknolojiyên nizm ên wekî Metal û Accelerate hatine çêkirin.
Key Features
- Yekbûna hêsan di nav sepanan de
- Bikaranîna herî baş a çavkaniyên herêmî, ne hewceyê gihîştina înternetê
- Nepenî: ne pêdivî ye ku dane ji cîhazê derkevin
7. ONNX
Çarçoveya paşîn a li ser navnîşa me ONNX e. Ev çarçove ji hevkariyek di navbera Microsoft û Facebook de derket holê, bi mebesta hêsankirina pêvajoya veguheztin û avakirina modelan di navbera çarçove, amûr, demên xebitandinê û berhevkerên cihêreng de.
ONNX celebek pelê ya hevpar diyar dike ku dikare li ser gelek platforman bixebite, dema ku ji feydeyên API-yên nizm ên wekî yên ji Microsoft Cognitive Toolkit, MXNet, Caffe û (bikaranîna veguherîneran) Tensorflow û Core ML bikar tîne. Prensîba li pişt ONNX ev e ku meriv modelek li ser stackê perwerde bike û wê bi karanîna encam û pêşbîniyên din bicîh bîne.
Weqfa LF AI-ê, bine-rêxistinek Weqfa Linux-ê, rêxistinek e ku ji bo avakirina ekosîstemek piştgirî ye. vekirî nûbûn di îstîxbarata sûnî (AI), fêrbûna makîneyê (ML), û fêrbûna kûr (DL). Wê di 14-ê Mijdara 2019-an de ONNX wekî projeyek asta mezûniyetê zêde kir. Ev tevgera ONNX-ê di bin sîwana Weqfa LF AI-ê de wekî qonaxek girîng di damezrandina ONNX-ê de wekî standardek forma vekirî-bêalî ya firoşkarê hate dîtin.
ONNX Model Zoo berhevokek modelên pêş-perwerdekirî di Fêrbûna Kûr de ye ku di forma ONNX de heye. Ji bo her modelê hene defterên Jupyter ji bo perwerdehiya modelê û pêkanîna encamnameyê bi modela perwerdekirî re. Notebook bi Python têne nivîsandin û lînkên ji wan re hene databasa perwerdehiyê û referansên belgeya zanistî ya orîjînal ku mîmariya modelê vedibêje.
Key Features
- Çarçoveya hevgirtinê
- Hardware Optimization
Xelasî
Ev kurteyek ji çarçoveyên çêtirîn e hînbûna kûr. Ji bo vê armancê çend çarçove hene, belaş an drav. Ji bo ku ji bo projeya xwe çêtirîn hilbijêrin, pêşî zanibin hûn ê ji bo kîjan platformê serlêdana xwe pêşve bibin.
Çarçoveyên gelemperî yên mîna TensorFlow û Keras ji bo destpêkirinê vebijarkên çêtirîn in. Lê heke hûn hewce ne ku OS an avantajên taybetî yên cîhazê bikar bînin, wê hingê Core ML û Microsoft Cognitive Toolkit dibe ku vebijarkên çêtirîn bin.
Çarçoveyên din ên ku ji bo cîhazên Android, makîneyên din, û armancên taybetî têne armanc kirin hene ku di vê navnîşê de nehatine gotin. Ger koma paşîn we eleqedar dike, em pêşniyar dikin ku li Google an malperên din ên fêrbûna makîneyê lêgerînek li agahdariya wan bikin.
Leave a Reply