مشين لرننگ ماڊل ٺاهڻ لاءِ سڀ کان وڌيڪ مشهور اوزارن مان هڪ آهي TensorFlow. اسان TensorFlow استعمال ڪندا آهيون ڪيترن ئي ايپليڪيشنن ۾ مختلف صنعتن ۾.
هن پوسٽ ۾، اسان ڪجھ جانچ ڪنداسين TensorFlow AI ماڊل. ان ڪري، اسان ذھني نظام ٺاهي سگھون ٿا.
اسان فريم ورڪ ذريعي پڻ وڃون ٿا جيڪي TensorFlow پيش ڪري ٿو AI ماڊل ٺاهڻ لاءِ. سو اچو ته شروع ڪريون!
TensorFlow جو مختصر تعارف
گوگل جو TensorFlow هڪ کليل ذريعو آهي مشين جي سکيا سافٽ ويئر پيڪيج. ان ۾ تربيت ۽ ترتيب ڏيڻ جا اوزار شامل آھن مشيني سکيا جا ماڊل ڪيترن ئي پليٽ فارمن تي. ۽ ڊوائيسز، گڏو گڏ گہرے سکيا لاء مدد ۽ نظرياتي نيٽ ورڪ.
TensorFlow ڊولپرز کي مختلف قسم جي ايپليڪيشنن لاء ماڊل ٺاهڻ جي قابل بنائي ٿو. ھن ۾ شامل آھي تصوير ۽ آڊيو جي سڃاڻپ، قدرتي ٻولي پروسيسنگ، ۽ ڪمپيوٽر جو نقشو. اھو ھڪڙو مضبوط ۽ موافقت وارو اوزار آھي جنھن ۾ وسيع ڪميونٽي جي مدد سان.
توهان جي ڪمپيوٽر تي TensorFlow انسٽال ڪرڻ لاءِ توهان هن کي پنهنجي ڪمانڊ ونڊو ۾ ٽائيپ ڪري سگهو ٿا:
pip install tensorflow
AI ماڊل ڪيئن ڪم ڪن ٿا؟
AI ماڊل ڪمپيوٽر سسٽم آهن. تنهن ڪري، اهي سرگرميون ڪرڻ لاء آهن جيڪي عام طور تي انساني عقل جي ضرورت هونديون آهن. تصوير ۽ تقرير جي سڃاڻپ ۽ فيصلو ڪرڻ اهڙن ڪمن جا مثال آهن. AI ماڊل وڏي ڊيٽا سيٽن تي ٺاهيا ويا آهن.
اهي پيش گوئي پيدا ڪرڻ ۽ ڪارناما انجام ڏيڻ لاءِ مشين لرننگ ٽيڪنڪ استعمال ڪن ٿا. انهن وٽ ڪيترائي استعمال آهن، بشمول خود ڊرائيونگ گاڏيون، ذاتي اسسٽنٽ، ۽ طبي تشخيص.
تنهن ڪري، مشهور TensorFlow AI ماڊل ڇا آهن؟
ResNet
ResNet، يا Residual نيٽ ورڪ، convolutional جو هڪ روپ آهي نظرياتي نيٽورڪ. اسان ان کي تصوير جي درجه بندي لاء استعمال ڪندا آهيون ۽ اعتراض جي ڳولا. اهو 2015 ۾ مائڪروسافٽ جي محققن پاران تيار ڪيو ويو هو. ان سان گڏ، اهو خاص طور تي بقايا ڪنيڪشن جي استعمال سان فرق ڪيو ويو آهي.
اهي ڪنيڪشن نيٽ ورڪ کي ڪاميابيءَ سان سکڻ جي اجازت ڏين ٿا. تنهن ڪري، اهو ممڪن آهي ته معلومات کي چالو ڪرڻ جي ذريعي پرتن جي وچ ۾ وڌيڪ آزاديء سان وهڻ.
ResNet لاڳو ٿي سگھي ٿو TensorFlow ۾ Keras API استعمال ڪندي. اهو نيورل نيٽ ورڪ ٺاهڻ ۽ تربيت ڏيڻ لاءِ هڪ اعليٰ سطحي، صارف دوست انٽرفيس مهيا ڪري ٿو.
ResNet انسٽال ڪرڻ
TensorFlow کي انسٽال ڪرڻ کان پوءِ، توھان استعمال ڪري سگھوٿا Keras API ھڪ ResNet ماڊل ٺاھڻ لاءِ. TensorFlow ۾ Keras API شامل آهي، تنهنڪري توهان کي انفرادي طور تي انسٽال ڪرڻ جي ضرورت ناهي.
توھان tensorflow.keras.applications تان ResNet ماڊل درآمد ڪري سگھو ٿا. ۽، توھان استعمال ڪرڻ لاءِ ResNet ورجن منتخب ڪري سگھو ٿا، مثال طور:
from tensorflow.keras.applications import ResNet50
توھان ھيٺ ڏنل ڪوڊ پڻ استعمال ڪري سگھو ٿا اڳ-تربيت ٿيل وزن لوڊ ڪرڻ لاءِ ResNet:
model = ResNet50(weights='imagenet')
ملڪيت کي چونڊڻ سان include_top=False، توھان اضافي طور استعمال ڪري سگھوٿا ماڊل کي اضافي تربيت لاءِ يا پنھنجي ڪسٽم ڊيٽا سيٽ کي ٺيڪ ڪرڻ لاءِ.
model = ResNet50(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
ResNet جي استعمال جا علائقا
ResNet تصوير جي درجه بندي ۾ استعمال ٿي سگھي ٿو. تنهن ڪري، توهان ڪيترن ئي گروپن ۾ فوٽو ورهائي سگهو ٿا. پهرين، توهان کي ليبل ٿيل فوٽوز جي وڏي ڊيٽا سيٽ تي ResNet ماڊل کي تربيت ڏيڻ جي ضرورت آهي. پوءِ، ResNet اڳڪٿي ڪري سگھي ٿو اڳين اڻ ڏٺل تصويرن جي ڪلاس جي.
ResNet شايد استعمال ڪري سگھجي ٿو اعتراض جي ڳولا جي ڪمن لاءِ جيئن فوٽوز ۾ شيون ڳولڻ. اسان اهو ڪري سگهون ٿا پهريون ڀيرو هڪ ResNet ماڊل ٽريننگ ڪندي تصويرن جي هڪ مجموعن تي جنهن تي اعتراض جي حد بندي خانن سان ليبل ٿيل آهي. ان کان پوء، اسان تازو تصويرن ۾ شين کي سڃاڻڻ لاء سکيا ماڊل لاڳو ڪري سگهون ٿا.
اسان پڻ استعمال ڪري سگھون ٿا ResNet semantic segmentation جي ڪمن لاءِ. تنهن ڪري، اسان هڪ تصوير ۾ هر پکسل کي هڪ لفظي ليبل تفويض ڪري سگهون ٿا.
آغاز
شروعات هڪ گہرے سکيا وارو ماڊل آهي جيڪو تصويرن ۾ شين کي سڃاڻڻ جي قابل آهي. گوگل 2014 ۾ ان جو اعلان ڪيو، ۽ اھو ڪيترن ئي تہن کي استعمال ڪندي مختلف سائزن جي تصويرن جو تجزيو ڪري ٿو. شروعات سان، توھان جو ماڊل تصوير کي صحيح سمجھي سگھي ٿو.
TensorFlow Inception ماڊل ٺاهڻ ۽ هلائڻ لاءِ هڪ مضبوط اوزار آهي. اهو هڪ اعلي سطحي ۽ صارف دوست انٽرفيس مهيا ڪري ٿو تربيتي نيٽ ورڪن لاءِ. انهيء ڪري، شروعات ڊولپرز لاء لاڳو ڪرڻ لاء هڪ خوبصورت سڌو نموني آهي.
انسٽاليشن جي شروعات
توهان ڪوڊ جي هن لائن کي ٽائپ ڪندي Inception انسٽال ڪري سگهو ٿا.
from tensorflow.keras.applications import InceptionV3
استعمال جي شروعات جي علائقن
Inception ماڊل پڻ استعمال ڪري سگھجي ٿو خاصيتون ڪڍڻ لاءِ تمام گهڻي سکيا ماڊلز جهڙوڪ جنريٽو ايڊورسريل نيٽورڪ (GANs) ۽ آٽو اينڪوڊرز.
شروعات واري ماڊل کي خاص خاصيتن جي نشاندهي ڪرڻ لاءِ ٺيڪ ٿي سگھي ٿو. انهي سان گڏ، اسان طبي تصويرن جي ايپليڪيشنن ۾ ڪجهه مشڪلاتن جي تشخيص ڪرڻ جي قابل ٿي سگهون ٿا جهڙوڪ ايڪس ري، سي ٽي، يا ايم آر آئي.
شروعاتي ماڊل تصوير جي معيار کي جانچڻ لاءِ ٺيڪ ٿي سگھي ٿو. اسان اندازو ڪري سگھون ٿا ته ڇا تصوير فزي آهي يا کرکرا.
شروعات وڊيو تجزيو ڪمن لاءِ استعمال ٿي سگھي ٿي جهڙوڪ اعتراض جي ٽريڪنگ ۽ عمل جي ڳولا.
برٽ
BERT (ٽرانسفارمرز کان ٻه طرفي انڪوڊر نمائندگي) ھڪڙو Google-ترقي يافته اڳ-تربيت ٿيل نيورل نيٽ ورڪ ماڊل آھي. اسان ان کي استعمال ڪري سگهون ٿا مختلف قدرتي ٻولي پروسيسنگ ڪمن لاءِ. اهي ڪم مختلف ٿي سگهن ٿا متن جي درجه بندي کان سوالن جا جواب ڏيڻ تائين.
BERT ٽرانسفارمر فن تعمير تي ٺهيل آهي. تنهن ڪري، توهان لفظ جي ڪنيڪشن کي سمجهڻ دوران متن جي ان پٽ جي وڏي مقدار کي سنڀالي سگهو ٿا.
BERT هڪ اڳ-تربيت ٿيل ماڊل آهي جنهن کي توهان TensorFlow ايپليڪيشنن ۾ شامل ڪري سگهو ٿا.
TensorFlow ۾ اڳ-تربيت ٿيل BERT ماڊل شامل آھي ۽ گڏوگڏ مختلف ڪمن لاءِ BERT کي ٺيڪ ڪرڻ ۽ لاڳو ڪرڻ لاءِ يوٽيلٽيز جو مجموعو. اهڙيء طرح، توهان آساني سان BERT جي نفيس قدرتي ٻولي پروسيسنگ صلاحيتن کي ضم ڪري سگهو ٿا.
BERT انسٽال ڪرڻ
پائپ پيڪيج مينيجر کي استعمال ڪندي، توهان TensorFlow ۾ BERT انسٽال ڪري سگهو ٿا:
pip install tensorflow-gpu==2.2.0 # This installs TensorFlow with GPU support
pip install transformers==3.0.0 # This installs the transformers library, which includes BERT
TensorFlow جو CPU ورزن آساني سان انسٽال ڪري سگھجي ٿو tensorflow-gpu کي tensorflow سان متبادل ڪري.
لئبرري کي انسٽال ڪرڻ کان پوءِ، توھان BERT ماڊل درآمد ڪري سگھو ٿا ۽ ان کي مختلف NLP ڪمن لاءِ استعمال ڪري سگھو ٿا. هتي ڪجهه نموني ڪوڊ آهي هڪ BERT ماڊل کي ٺيڪ ڪرڻ لاءِ متن جي درجي بندي جي مسئلي تي، مثال طور:
from transformers import BertForSequenceClassification
# Load the pre-trained BERT model
model = BertForSequenceClassification.from_pretrained("bert-base-uncased")
# Fine-tune the model on your text classification task
model.fit(training_data, labels)
# Make predictions on new data
predictions = model.predict(test_data)
BERT جي استعمال جا علائقا
توهان متن جي درجه بندي جا ڪم ڪري سگهو ٿا. مثال طور، حاصل ڪرڻ ممڪن آهي جذبي تجزيه، موضوع جي درجه بندي، ۽ اسپام جي ڳولا.
BERT وٽ a نالي جي نالي واري سڃاڻپ (NER) خصوصيت. تنهن ڪري، توهان متن ۾ ادارن کي سڃاڻي ۽ ليبل ڪري سگهو ٿا جهڙوڪ ماڻهو ۽ تنظيمون.
اهو استعمال ڪري سگهجي ٿو سوالن جا جواب ڏيڻ لاءِ ڪنهن خاص حوالي سان، جهڙوڪ سرچ انجڻ يا چيٽ بٽ ايپليڪيشن ۾.
مشيني ترجمي جي درستگي کي وڌائڻ لاءِ ٻوليءَ جي ترجمي لاءِ BERT مفيد ٿي سگھي ٿو.
BERT متن جي اختصار لاءِ استعمال ٿي سگھي ٿو. انهيء ڪري، اهو هڪ مختصر، مفيد خلاصو مهيا ڪري سگهي ٿو ڊگھي ٽيڪسٽ دستاويزن جو.
ڊيپ وائس
بيدو ريسرچ ٺاهي وئي ڊيپ وائس، اي متن کان ڳالهه ٻولهه synthesis ماڊل.
اهو TensorFlow فريم ورڪ سان ٺاهيو ويو ۽ وائيس ڊيٽا جي وڏي مجموعي تي تربيت ڪئي وئي.
DeepVoice ٽيڪسٽ ان پٽ مان آواز ٺاهي ٿو. DeepVoice اهو ممڪن بڻائي ٿو گہرے سکيا جي ٽيڪنالاجي استعمال ڪندي. اهو هڪ نيورل نيٽ ورڪ تي ٻڌل ماڊل آهي.
ان ڪري، اهو ان پٽ ڊيٽا جو تجزيو ڪري ٿو ۽ ڳنڍيل نوڊس جي وڏي تعداد ۾ پرت استعمال ڪندي تقرير ٺاهي ٿو.
DeepVoice انسٽال ڪرڻ
!pip install deepvoice
متبادل طور؛
# Clone the DeepVoice repository
!git clone https://github.com/r9y9/DeepVoice3_pytorch.git
%cd DeepVoice3_pytorch
!pip install -r requirements.txt
DeepVoice جي استعمال جا حصا
توھان استعمال ڪري سگھوٿا DeepVoice ذاتي اسسٽنٽ لاءِ تقرير پيدا ڪرڻ لاءِ جيئن Amazon Alexa ۽ گوگل اسسٽنٽ.
انهي سان گڏ، ڊيپ وائس استعمال ٿي سگھي ٿو تقرير پيدا ڪرڻ لاءِ آواز-فعال ڊوائيسز جهڙوڪ سمارٽ اسپيڪر ۽ گهر آٽوميشن سسٽم.
DeepVoice اسپيچ تھراپي ايپليڪيشنن لاءِ آواز ٺاھي سگھي ٿو. اهو مريضن جي تقرير جي مسئلن سان مدد ڪري سگهي ٿو انهن جي تقرير کي بهتر ڪرڻ لاء.
DeepVoice تعليمي مواد جهڙوڪ آڊيو بوڪ ۽ ٻولي سکڻ واري ايپس لاءِ تقرير ٺاهڻ لاءِ استعمال ٿي سگهي ٿي.
جواب ڇڏي وڃو