Терең үйрөнүү алкагы Machine Learning моделдерин тез жана так аныктоо жана үйрөтүү үчүн интерфейстердин, китепканалардын жана куралдардын жыйындысынан турат.
Терең үйрөнүү структураланбаган, тексттик эмес маалыматтардын чоң көлөмүн колдонгондуктан, сизге "катмарлардын" ортосундагы өз ара аракеттенүүнү көзөмөлдөгөн жана киргизилген маалыматтардан үйрөнүү жана автономдуу чечимдерди кабыл алуу аркылуу моделди иштеп чыгууну тездетүүчү негиз керек.
Эгер сиз 2021-жылы терең үйрөнүү жөнүндө билгиңиз келсе, төмөндө көрсөтүлгөн алкактардын бирин колдонуңуз. Сиздин максаттарыңызга жана көз карашыңызга жетүүгө жардам бере турган бирин тандоону унутпаңыз.
1. TensorFlow
Терең үйрөнүү жөнүндө сөз болгондо, TensorFlow көбүнчө айтылган биринчи алкак болуп саналат. Абдан популярдуу, бул алкак Google тарабынан гана эмес, аны түзүү үчүн жооптуу компания - ошондой эле Dropbox, eBay, Airbnb, Nvidia жана башка көптөгөн компаниялар тарабынан колдонулат.
TensorFlow жогорку жана төмөнкү деңгээлдеги API'лерди иштеп чыгуу үчүн колдонулушу мүмкүн, бул колдонмону дээрлик бардык түзмөктөрдө иштетүүгө мүмкүндүк берет. Python анын негизги тили болсо да, Tensoflow интерфейсине C++, Java, Julia жана JavaScript сыяктуу башка программалоо тилдери аркылуу кирүүгө жана башкарууга болот.
Ачык булак болгондуктан, TensorFlow башка API'лер менен бир нече интеграцияларды жасоого жана коомчулуктан тез колдоо жана жаңыртууларды алууга мүмкүндүк берет. Эсептөө үчүн анын "статикалык графиктерге" көз карандылыгы дароо эсептөөлөрдү жүргүзүүгө же башка убакта жетүү үчүн операцияларды сактоого мүмкүндүк берет. Бул себептер TensorBoard аркылуу нейрон тармагыңыздын өнүгүшүнө "көзөмөл" алуу мүмкүнчүлүгүнө кошулуп, TensorFlowду терең үйрөнүү үчүн эң популярдуу негиз кылат.
Негизги өзгөчөлүктөр
- Ачык булак
- ийкемдүүлүк
- Тез мүчүлүштүктөрдү оңдоо
2. PyTorch
PyTorch - бул Facebook тарабынан өз кызматтарынын иштешин колдоо үчүн иштелип чыккан алкак. Ачык булак болгондон бери, бул алкак Facebook'тан башка Salesforce жана Udacity сыяктуу компаниялар тарабынан колдонулуп келет.
Бул фреймворк динамикалык жаңыртылган графиктерди иштетип, аны иштеп жатканыңызда маалымат топтомуңуздун архитектурасына өзгөртүүлөрдү киргизүүгө мүмкүндүк берет. PyTorch менен нейрондук тармакты иштеп чыгуу жана окутуу оңой, ал тургай, терең үйрөнүү тажрыйбасы жок.
Ачык булак жана Python негизинде сиз PyTorch менен жөнөкөй жана тез интеграцияларды жасай аласыз. Бул ошондой эле үйрөнүү, колдонуу жана мүчүлүштүктөрдү оңдоо үчүн жөнөкөй алкак. Суроолоруңуз болсо, эки коомчулуктун – Python коомчулугунун жана PyTorch коомчулугунун чоң колдоосуна жана жаңыртууларына ишене аласыз.
Негизги өзгөчөлүктөр
- билүү үчүн жеңил
- GPU жана CPU колдойт
- Китепканаларды кеңейтүү үчүн бай API топтому
3. Apache MX Net
Анын жогорку масштабдуулугу, жогорку өндүрүмдүүлүгү, тез көйгөйлөрдү чечүү жана өркүндөтүлгөн GPU колдоосунан улам, бул алкак Apache тарабынан ири өнөр жай долбоорлорунда колдонуу үчүн түзүлгөн.
MXNet бардык чеберчилик деңгээлиндеги иштеп чыгуучуларга мүмкүнчүлүк берген Gluon интерфейсин камтыйт терең үйрөнүү менен баштоо булутта, четтеги түзмөктөрдө жана мобилдик колдонмолордо. Глюон кодунун бир нече саптарында сиз сызыктуу регрессияны, конволюциялык тармактарды жана кайталануучу LSTMлерди кура аласыз. объектти аныктоо, кепти таануу, сунуштоо жана жекелештирүү.
MXNet ар кандай түзмөктөрдө колдонулушу мүмкүн жана бир нече тарабынан колдоого алынат программалоо тилдери мисалы, Java, R, JavaScript, Scala жана Go. Анын коомчулугунда колдонуучулардын жана мүчөлөрдүн саны аз болсо да, MXNet жакшы жазылган документтерге жана өсүү үчүн чоң потенциалга ээ, өзгөчө азыр Amazon бул негизди AWSде Machine Learning үчүн негизги курал катары тандап алган.
Негизги өзгөчөлүктөр
- 8 тилдик байланыштар
- Көп процессорлуу жана көп GPU тутумдарын колдогон бөлүштүрүлгөн окутуу
- Гибриддик фронт, императивдик жана символдук режимдердин ортосунда которулууга мүмкүндүк берет
4. Microsoft таанып -билүү куралы
Эгер сиз Azure'до (Microsoft булут кызматтары) иштеген тиркемелерди же кызматтарды иштеп чыгууну ойлоп жатсаңыз, Microsoft Когнитивдик Куралдар жыйнагы терең үйрөнүү долбоорлоруңуз үчүн тандай турган негиз болуп саналат. Бул ачык булак жана башкалардын арасында Python, C++, C#, Java сыяктуу программалоо тилдеринде колдоого алынат. Бул алкак "адамдын мээсиндей ойлонуу" үчүн иштелип чыккан, ошондуктан ал тез окутуу жана интуитивдик архитектураны сунуш кылуу менен чоң көлөмдөгү структураланбаган маалыматтарды иштете алат.
Бул негизди тандоо менен - Skype, Xbox жана Cortanaнын артында бирдей - сиз колдонмолоруңуздан жакшы өндүрүмдүүлүккө, масштабдуулукка жана Azure менен жөнөкөй интеграцияга ээ болосуз. Бирок, TensorFlow же PyTorch менен салыштырганда, анын жамаатындагы мүчөлөрдүн саны жана колдоо азаят.
Төмөнкү видеодо толук киришүү жана колдонуу мисалдары сунушталат:
Негизги өзгөчөлүктөр
- Документтерди тазалоо
- Microsoft командасынын колдоосу
- Түздөн-түз график визуализациясы
5. кызыл
PyTorch сыяктуу эле, Keras да маалыматтарды көп талап кылган долбоорлор үчүн Python негизиндеги китепкана. keras API жогорку деңгээлде иштейт жана TensorFlow, Theano жана Microsoft Cognitive Toolkit сыяктуу төмөн деңгээлдеги API'лер менен интеграцияга мүмкүндүк берет.
Кераларды колдонуунун кээ бир артыкчылыктары анын үйрөнүү үчүн жөнөкөйлүгү болуп саналат - терең үйрөнүүнү жаңы баштагандар үчүн сунушталган негиз; анын жайылтуу ылдамдыгы; питон коомчулугунан жана ал интеграцияланган башка алкактардын жамааттарынан чоң колдоого ээ.
Keras ар кандай ишке ашырууларды камтыйт нейрон тармактарынын курулуш блоктору катмарлар, максаттуу функциялар, активдештирүү функциялары жана математикалык оптимизаторлор сыяктуу. Анын коду GitHubда жайгаштырылган жана форумдар жана Slack колдоо каналы бар. Стандартты колдоодон тышкары нейрон тармактары, Keras Convolutional Neural Networks жана Recurrent Neural Networks үчүн колдоо сунуштайт.
Керас уруксат берет терең үйрөнүү моделдери iOS жана Android смартфондорунда, Java виртуалдык машинасында же интернетте түзүлөт. Ал ошондой эле Графикалык иштетүү бирдиктери (GPU) жана тензордук иштетүү бирдиктери (TPU) кластерлеринде терең үйрөнүү моделдерин бөлүштүрүлгөн окутууну колдонууга мүмкүндүк берет.
Негизги өзгөчөлүктөр
- Алдын ала даярдалган моделдер
- Бир нече арткы колдоо
- Колдонуучуга ыңгайлуу жана коомчулуктун чоң колдоосу
6. Apple Core ML
Core ML анын экосистемасын колдоо үчүн Apple тарабынан иштелип чыккан - IOS, Mac OS жана iPad OS. Анын API төмөн деңгээлде иштейт, CPU жана GPU ресурстарын туура пайдаланып, моделдерге жана тиркемелерге интернет туташуусу жок болсо да иштөөгө мүмкүндүк берет, бул аппараттын “эс тутумунун изин” жана энергия керектөөсүн азайтат.
Core ML муну ишке ашыруу жолу iphone/ipadдарда иштөө үчүн оптималдаштырылган дагы бир машина үйрөнүү китепканасын жасоо менен эмес. Анын ордуна, Core ML башка машина үйрөнүү программалары менен билдирилген моделдин спецификацияларын жана үйрөтүлгөн параметрлерди алып, аны iOS колдонмосу үчүн ресурс болгон файлга айландырган компиляторго окшош. Бул Core ML моделине айландыруу колдонмо колдонулуп жаткан реалдуу убакытта эмес, колдонмо иштеп чыгуу учурунда ишке ашат жана coremltools python китепканасы көмөктөшөт.
Core ML оңой интеграциялоо менен тез аткарууну камсыз кылат машина үйрөнүү колдонмолорго моделдер. Ал 30дан ашык катмардын түрлөрү, ошондой эле чечим дарактары, колдоочу вектордук машиналар жана сызыктуу регрессия ыкмалары менен терең үйрөнүүнү колдойт, алардын баары Металл жана Accelerate сыяктуу төмөнкү деңгээлдеги технологиялардын үстүнө курулган.
Негизги өзгөчөлүктөр
- Колдонмолор менен интеграциялоо оңой
- Интернетке кирүүнү талап кылбастан, жергиликтүү ресурстарды оптималдуу пайдалануу
- Купуялык: маалымат аппараттан чыгып кетпеши керек
7. ONNX
Биздин тизмедеги акыркы алкак ONNX болуп саналат. Бул алкак Microsoft менен Facebookтун кызматташуусунан келип чыккан, анын максаты ар кандай алкактар, инструменттер, иштөө убакыттары жана компиляторлор ортосунда моделдерди өткөрүү жана куруу процессин жөнөкөйлөтүү.
ONNX бир нече платформаларда иштей турган жалпы файл түрүн аныктайт, ошол эле учурда Microsoft Cognitive Toolkit, MXNet, Caffe жана (конвертерлерди колдонуу) Tensorflow жана Core ML сыяктуу төмөнкү деңгээлдеги API'лердин артыкчылыктарын колдонот. ONNXтин принциби - моделди стекке үйрөтүү жана аны башка корутундуларды жана божомолдорду колдонуу менен ишке ашыруу.
LF AI Foundation, Linux Фондунун суб-уюму, колдоо үчүн экосистеманы курууга арналган уюм. ачык булак жасалма интеллект (AI), машина үйрөнүү (ML) жана терең үйрөнүү (DL) тармагындагы инновациялар. Ал ONNXти бүтүрүүчү деңгээлдеги долбоор катары 14-жылдын 2019-ноябрында кошту. LF AI Фондунун кол чатыры астында ONNXтин бул кадамы ONNXти сатуучулар үчүн нейтралдуу ачык формат стандарты катары орнотуудагы маанилүү этап катары каралды.
ONNX Model Zoo - бул ONNX форматында жеткиликтүү Deep Learning боюнча алдын ала даярдалган моделдердин жыйындысы. Ар бир модели үчүн бар Юпитер дептерлери моделдик окутуу жана үйрөтүлгөн моделден жыйынтык чыгаруу үчүн. Блокноттор Python тилинде жазылган жана аларга шилтемелерди камтыйт окутуу маалымат топтому жана үлгү архитектурасын сүрөттөгөн оригиналдуу илимий документке шилтемелер.
Негизги өзгөчөлүктөр
- Алкактын өз ара иштешүүсү
- Аппараттык камсыздоону оптималдаштыруу
жыйынтыктоо
Бул эң мыкты алкактардын кыскача баяндамасы терең билим алуу. Бул максат үчүн акысыз же акы төлөнүүчү бир нече алкактар бар. Долбооруңуз үчүн эң жакшысын тандоо үчүн, алгач кайсы платформа үчүн колдонмоңузду иштеп чыгаарыңызды билип алыңыз.
TensorFlow жана Keras сыяктуу жалпы алкактар - баштоо үчүн эң жакшы варианттар. Бирок сиз OS же түзмөккө тиешелүү артыкчылыктарды колдонушуңуз керек болсо, анда Core ML жана Microsoft Cognitive Toolkit эң жакшы вариант болушу мүмкүн.
Бул тизмеде айтылбаган Android түзмөктөрүнө, башка машиналарга жана конкреттүү максаттарга багытталган башка алкактар бар. Эгер акыркы топ сизди кызыктырса, алардын маалыматын Google же башка машина үйрөнүү сайттарында издөөнү сунуштайбыз.
Таштап Жооп