د ژورې زده کړې لپاره چوکاټ د انٹرفیسونو، کتابتونونو او وسایلو ترکیب څخه جوړ دی ترڅو د ماشین زده کړې ماډلونه په چټکه او دقیق ډول تعریف او روزنه ورکړي.
ځکه چې ژوره زده کړه په پراخه کچه غیر ساختماني، غیر متني ډیټا کاروي، تاسو داسې چوکاټ ته اړتیا لرئ چې د "پرتونو" ترمنځ تعامل کنټرول کړي او د ان پټ ډیټا څخه زده کړه او د خپلواکو پریکړو په کولو سره د ماډل پراختیا چټکه کړي.
که تاسو په 2021 کې د ژورې زده کړې په اړه د زده کړې لیوالتیا لرئ، د لاندې ښودل شوي چوکاټونو څخه یو کارولو ته پام وکړئ. په یاد ولرئ چې یو داسې انتخاب کړئ چې ستاسو سره ستاسو د اهدافو او لید په ترلاسه کولو کې مرسته وکړي.
1. ټیسسر فولډ
کله چې د ژورې زده کړې په اړه خبرې وکړئ، ټیسسر فولډ ډیری وختونه لومړی ذکر شوی چوکاټ دی. خورا مشهور ، دا چوکاټ نه یوازې د ګوګل لخوا کارول کیږي - هغه شرکت چې د دې رامینځته کولو مسؤل دی - بلکه د نورو شرکتونو لکه ډراپ باکس ، ای بی ، ایر بی این بی ، Nvidia او داسې نورو لخوا هم کارول کیږي.
TensorFlow د لوړې او ټیټې کچې APIs رامینځته کولو لپاره کارول کیدی شي ، تاسو ته اجازه درکوي په نږدې هر ډول وسیلې کې غوښتنلیکونه پرمخ وړئ. که څه هم پیتون یې لومړنۍ ژبه ده، د Tensoflow انٹرفیس د نورو پروګرامینګ ژبو لکه C++، Java، Julia، او JavaScript په کارولو سره لاسرسی او کنټرول کیدی شي.
د خلاصې سرچینې په توګه، TensorFlow تاسو ته اجازه درکوي د نورو APIs سره ډیری ادغامونه وکړئ او د ټولنې څخه ګړندي ملاتړ او تازه معلومات ترلاسه کړئ. د محاسبې لپاره په "جامد ګراف" باندې تکیه تاسو ته اجازه درکوي سمدستي محاسبه وکړئ یا په بل وخت کې د لاسرسي لپاره عملیات خوندي کړئ. دا دلیلونه، د دې امکان ته اضافه شوي چې تاسو کولی شئ د TensorBoard له لارې د خپل عصبي شبکې پراختیا "وګورئ"، TensorFlow د ژورې زده کړې لپاره خورا مشهور چوکاټ جوړ کړئ.
کلیدي ځانګړتیاوې
- خلاص سرچینه
- انعطاف
- ګړندی ډیبګ کول
2. پینټورچ
PyTorch یو چوکاټ دی چې د فیسبوک لخوا رامینځته شوی ترڅو د دې خدماتو عملیاتو ملاتړ وکړي. د خلاصې سرچینې رامینځته کیدو راهیسې ، دا چوکاټ د فېسبوک پرته د نورو شرکتونو لخوا کارول کیږي لکه سیلزفورس او اډاسیټي.
دا چوکاټ په متحرک ډول تازه شوي ګرافونه چلوي، تاسو ته اجازه درکوي د خپل ډیټاسیټ جوړښت کې بدلونونه رامینځته کړئ کله چې تاسو یې پروسس کوئ. د PyTorch سره دا د عصبي شبکې رامینځته کول او روزنه خورا اسانه ده ، حتی پرته له دې چې ژورې زده کړې تجربه کړي.
د خلاصې سرچینې په توګه او د Python پراساس ، تاسو کولی شئ PyTorch ته ساده او ګړندي ادغام وکړئ. دا د زده کړې، کارولو، او ډیبګ لپاره یو ساده چوکاټ هم دی. که تاسو پوښتنې لرئ، تاسو کولی شئ د دواړو ټولنو - Python ټولنه او PyTorch ټولنې څخه په لوی ملاتړ او تازه معلوماتو باندې حساب وکړئ.
کلیدي ځانګړتیاوې
- په اسانۍ سره زده کړي
- د GPU او CPU ملاتړ کوي
- د کتابتونونو پراخولو لپاره د APIs بډایه سیټ
3. اپاچی MXNet
د دې د لوړې کچې وړتیا ، لوړ فعالیت ، ګړندي ستونزو حل کولو ، او پرمختللي GPU ملاتړ له امله ، دا چوکاټ د اپاچي لخوا په لویو صنعتي پروژو کې د کارولو لپاره رامینځته شوی.
MXNet کې د ګلون انٹرفیس شامل دی چې د ټولو مهارت کچو پراختیا کونکو ته اجازه ورکوي د ژورې زده کړې سره پیل کړئ په بادل کې، په څنډه وسیلو کې، او په ګرځنده ایپسونو کې. د ګلوون کوډ یوازې یو څو کرښو کې، تاسو کولی شئ خطي ریګریشن، قانع کونکي شبکې او تکراري LSTMs جوړ کړئ د شیانو کشفد وینا پیژندنه، سپارښتنې، او شخصي کول.
MXNet په مختلفو وسیلو کې کارول کیدی شي او د ډیری لخوا ملاتړ کیږي پروګرامونې ژبې لکه Java, R, JavaScript, Scala او Go. که څه هم په ټولنه کې د کاروونکو او غړو شمیر کم دی، MXNet ښه لیکل شوي اسناد او د ودې لپاره لوی ظرفیت لري، په ځانګړې توګه اوس چې ایمیزون دا چوکاټ د AWS په اړه د ماشین زده کړې لپاره د لومړنۍ وسیلې په توګه غوره کړی.
کلیدي ځانګړتیاوې
- 8 د ژبې پابند
- توزیع شوي روزنه، د څو-CPU او څو-GPU سیسټمونو ملاتړ کوي
- هایبرډ مخکینۍ پای ، د لازمي او سمبولیک حالتونو ترمینځ تیرولو ته اجازه ورکوي
4. د مایکروسوفټ ادراکي کړکۍ
که تاسو د غوښتنلیکونو یا خدماتو رامینځته کولو په اړه فکر کوئ چې په Azure (د مایکروسافټ کلاوډ خدمات) پرمخ وړي ، د مایکروسافټ ادراکي اوزار کټ ستاسو د ژورې زده کړې پروژو لپاره غوره کولو چوکاټ دی. دا خلاص سرچینه ده، او د پروګرام کولو ژبو لخوا ملاتړ کیږي لکه Python، C++، C#، Java، د نورو په منځ کې. دا چوکاټ د "د انسان دماغ په څیر فکر کولو" لپاره ډیزاین شوی، نو دا کولی شي په لویه کچه غیر منظم شوي ډاټا پروسس کړي، پداسې حال کې چې ګړندۍ روزنه او یو رواني جوړښت وړاندې کوي.
د دې چوکاټ په غوره کولو سره - د سکایپ ، ایکس بکس او کورټانا شاته ورته - تاسو به د Azure سره د خپلو غوښتنلیکونو ، توزیع کولو او ساده ادغام څخه ښه فعالیت ترلاسه کړئ. په هرصورت، کله چې د TensorFlow یا PyTorch سره پرتله کیږي، د هغې په ټولنه او ملاتړ کې د غړو شمیر کم شوی.
لاندې ویډیو د بشپړ پیژندنې او غوښتنلیک مثالونه وړاندې کوي:
کلیدي ځانګړتیاوې
- لاسوندونه پاکول
- د مایکروسافټ ټیم څخه ملاتړ
- د مستقیم ګراف لید
5. کیراس
د PyTorch په څیر، کیراس د ډیټا ژورو پروژو لپاره د پایتون میشته کتابتون دی. keras API په لوړه کچه کار کوي او د ټیټې کچې APIs سره ادغام ته اجازه ورکوي لکه TensorFlow, Theano, او Microsoft Cognitive Toolkit.
د کیرا کارولو ځینې ګټې د زده کړې ساده کول دي - په ژوره زده کړه کې د پیل کونکو لپاره وړاندیز شوی چوکاټ دی. د لګولو سرعت؛ د python ټولنې او د نورو چوکاټونو ټولنو څخه لوی ملاتړ ترلاسه کول چې ورسره مدغم شوي.
کیرا د مختلف پلي کولو څخه عبارت دي د عصبي شبکو د جوړولو بلاکونه لکه پرتونه، هدفي دندې، د فعالولو دندې، او ریاضياتي اصلاح کونکي. د دې کوډ په GitHub کې کوربه شوی او دلته فورمونه او د سلیک ملاتړ چینل شتون لري. د معیاري ملاتړ سربیره نوریال شبکې، کیراس د Convolutional Neural Networks او Recurrent Neural Networks لپاره ملاتړ وړاندیز کوي.
کراس اجازه ورکوي د ژورې زده کړې موډلونه په سمارټ فونونو کې په iOS او Android دواړو کې تولید شي، د جاوا مجازی ماشین کې، یا په ویب کې. دا د ګرافیک پروسس کولو واحدونو (GPU) او ټینسر پروسس کولو واحدونو (TPU) کلسترونو کې د ژورې زده کړې ماډلونو ویشل شوي روزنې کارولو ته هم اجازه ورکوي.
کلیدي ځانګړتیاوې
- مخکې روزل شوي ماډلونه
- د څو شالید ملاتړ
- د کارونکي دوستانه او لوی ټولنې ملاتړ
6. د ایپل کور ML
کور ML د ایپل لخوا رامینځته شوی ترڅو د دې ایکوسیستم - IOS ، Mac OS ، او iPad OS ملاتړ وکړي. د دې API په ټیټه کچه کار کوي، د CPU او GPU سرچینو ښه ګټه پورته کوي، کوم چې موډلونو او غوښتنلیکونو ته اجازه ورکوي چې حتی د انټرنیټ اتصال پرته چلولو ته دوام ورکړي، کوم چې د وسیلې "میموري فوټپرنټ" او د بریښنا مصرف کموي.
هغه لاره چې کور ML دا سرته رسوي په حقیقت کې د ماشین زده کړې بل کتابتون رامینځته کولو سره ندی چې په آی فون / آی پیډونو کې د چلولو لپاره مطلوب دی. پرځای یې، کور ML د یو کمپیلر په څیر دی چې د ماډل مشخصات او روزل شوي پیرامیټونه د نورو ماشین زده کړې سافټویر سره څرګند شوي او دا په فایل کې بدلوي چې د iOS ایپ لپاره سرچینه کیږي. د کور ML ماډل ته دا تبادله د اپلیکیشن پراختیا په جریان کې پیښیږي ، نه په ریښتیني وخت کې لکه څنګه چې ایپ کارول کیږي ، او د coremltools python کتابتون لخوا اسانه شوی.
کور ML د اسانه ادغام سره ګړندي فعالیت وړاندې کوي ماشین زده کړه په غوښتنلیکونو کې ماډلونه. دا د 30 څخه ډیر ډوله پرتونو سره د ژورې زده کړې ملاتړ کوي په بیله بیا د پریکړې ونې ، ملاتړ ویکتور ماشینونه ، او د خطي ریګریشن میتودونه ، ټول د ټیټ کچې ټیکنالوژیو لکه فلزي او سرعت سره جوړ شوي.
کلیدي ځانګړتیاوې
- په ایپسونو کې د ادغام لپاره اسانه
- د محلي سرچینو غوره کارول، د انټرنیټ لاسرسي ته اړتیا نلري
- محرمیت: ډاټا باید وسیله پریږدي
7. ONNX
زموږ په لیست کې وروستی چوکاټ ONNX دی. دا چوکاټ د مایکروسافټ او فیسبوک تر مینځ د همکارۍ څخه رامینځته شوی ، د مختلف چوکاټونو ، وسیلو ، رن ټایمونو او کمپیلرونو ترمینځ د ماډلونو لیږد او جوړولو پروسې ساده کولو هدف سره.
ONNX د عام فایل ډول تعریفوي چې په ډیری پلیټ فارمونو کې پرمخ وړل کیدی شي ، پداسې حال کې چې د ټیټ کچې APIs ګټې کاروي لکه د مایکروسافټ ادراکي توکیټ ، MXNet ، کیف او (د کنورټرونو په کارولو سره) Tensorflow او Core ML. د ONNX تر شا اصل دا دی چې یو ماډل په سټک کې وروزل شي او د نورو پایلو او وړاندوینو په کارولو سره یې پلي کړي.
د LF AI فاؤنڈیشن، د لینکس فاؤنڈیشن فرعي سازمان، یو داسې سازمان دی چې د ملاتړ لپاره د ایکوسیستم جوړولو لپاره وقف شوی د پرانستې-سرچینې په مصنوعي استخباراتو (AI)، د ماشین زده کړه (ML)، او ژورې زده کړې (DL) کې نوښت. دې ONNX د 14 نومبر 2019 کې د فراغت کچې پروژې په توګه اضافه کړه. د LF AI بنسټ تر چتر لاندې د ONNX دا اقدام د پلورونکي - غیر جانبدار خلاص فارمیټ معیار په توګه د ONNX په رامینځته کولو کې د یو مهم پړاو په توګه لیدل کیده.
د ONNX ماډل ژوبڼ د ژورې زده کړې په برخه کې د مخکې روزل شوي ماډلونو ټولګه ده چې په ONNX بڼه کې شتون لري. د هر ماډل لپاره شتون لري جوپېټر نوټ بوکونه د موډل روزنې لپاره او د روزل شوي ماډل سره د تحلیل ترسره کول. نوټ بوکونه په Python کې لیکل شوي او لینکونه لري د روزنې ډیټاسیټ او اصلي ساینسي سند ته مراجعه چې د ماډل جوړښت تشریح کوي.
کلیدي ځانګړتیاوې
- د چوکاټ متقابل عمل
- د هارډویر اصلاح کول
پایله
دا د دې لپاره د غوره چوکاټونو لنډیز دی ژوره زده کړه. د دې هدف لپاره ډیری چوکاټونه شتون لري، وړیا یا تادیه شوي. د خپلې پروژې لپاره غوره غوره کولو لپاره ، لومړی پوه شئ چې د کوم پلیټ فارم لپاره تاسو به خپل غوښتنلیک رامینځته کوئ.
عمومي چوکاټونه لکه TensorFlow او Keras د پیل کولو لپاره غوره انتخابونه دي. مګر که تاسو اړتیا لرئ د OS یا د وسیلې ځانګړي ګټې وکاروئ ، نو د کور ML او مایکروسافټ ادراکي توک کټ ممکن غوره اختیارونه وي.
د Android وسایلو، نورو ماشینونو، او ځانګړي اهدافو لپاره نور چوکاټونه شتون لري چې پدې لیست کې ندي ذکر شوي. که وروستنۍ ډله تاسو سره علاقه لري، موږ وړاندیز کوو چې په ګوګل یا نورو ماشین زده کړې سایټونو کې د دوی معلوماتو لټون وکړئ.
یو ځواب ورکړئ ووځي