Daptar eusi[Sumputkeun][Témbongkeun]
A kerangka pikeun deep learning diwangun ku kombinasi interfaces, perpustakaan jeung alat pikeun ngartikeun jeung ngalatih model Machine Learning gancang jeung akurat.
Kusabab learning jero ngagunakeun jumlah badag teu terstruktur, data non-tékstual, anjeun peryogi kerangka anu ngatur interaksi antara "lapisan" jeung ngajadikeun ngembangkeun model gancang ku diajar tina data input sarta nyieun kaputusan otonom.
Upami anjeun resep diajar ngeunaan diajar jero dina 2021, pertimbangkeun ngagunakeun salah sahiji kerangka anu dituduhkeun di handap ieu. Inget pikeun milih hiji anu bakal ngabantosan anjeun ngahontal tujuan sareng visi anjeun.
1. TensorFlow
Nalika ngobrol ngeunaan pangajaran jero, TensorFlow mindeng kerangka kahiji disebutkeun. Kacida populérna, kerangka ieu henteu ngan ukur dianggo ku Google - perusahaan anu tanggung jawab pikeun nyiptakeunana - tapi ogé ku perusahaan sanés sapertos Dropbox, eBay, Airbnb, Nvidia, sareng seueur anu sanésna.
TensorFlow tiasa dianggo pikeun ngembangkeun API tingkat luhur sareng rendah, ngamungkinkeun anjeun pikeun ngajalankeun aplikasi dina ampir sagala jinis alat. Sanaos Python mangrupikeun basa utami, antarmuka Tensoflow tiasa diaksés sareng dikontrol nganggo basa pamrograman sanés sapertos C++, Java, Julia, sareng JavaScript.
Janten open-source, TensorFlow ngamungkinkeun anjeun ngadamel sababaraha integrasi sareng API sanés sareng nampi dukungan sareng apdet gancang ti komunitas. Ngandelkeun "grafik statik" pikeun itungan ngamungkinkeun anjeun ngadamel itungan langsung atanapi nyimpen operasi pikeun aksés dina waktos sanés. Alesan ieu, ditambahkeun kana kamungkinan yén anjeun bisa "nonton" ngembangkeun jaringan neural anjeun ngaliwatan TensorBoard, nyieun TensorFlow kerangka pang populerna pikeun learning jero.
Fitur konci
- Sumber open
- kalenturan
- Debug gancang
2. PyTorch
PyTorch mangrupikeun kerangka anu dikembangkeun ku Facebook pikeun ngadukung operasi jasana. Kusabab janten open-source, kerangka ieu parantos dianggo ku perusahaan salian ti Facebook, sapertos Salesforce sareng Udacity.
Kerangka ieu ngajalankeun grafik anu diropéa sacara dinamis, ngamungkinkeun anjeun ngarobih arsitéktur set data anjeun nalika anjeun ngolahna. Kalayan PyTorch langkung saderhana pikeun ngembangkeun sareng ngalatih jaringan saraf, sanaos tanpa pangalaman dina diajar jero.
Janten open-source sareng dumasar kana Python, anjeun tiasa ngadamel integrasi anu sederhana sareng gancang ka PyTorch. Éta ogé kerangka basajan pikeun diajar, dianggo, sareng debug. Upami anjeun gaduh patarosan, anjeun tiasa ngandelkeun pangrojong hébat sareng apdet ti duanana komunitas - komunitas Python sareng komunitas PyTorch.
Fitur konci
- Gampang diajar
- Ngarojong GPU sareng CPU
- set euyeub API pikeun ngalegaan perpustakaan
3. Apache MX Net
Kusabab skalabilitas anu luhur, kinerja anu luhur, ngungkulan gancang, sareng dukungan GPU canggih, kerangka ieu diciptakeun ku Apache pikeun dianggo dina proyék industri ageung.
MXNet ngawengku panganteur Gluon anu ngamungkinkeun pamekar sadaya tingkat skill ka ngamimitian diajar jero dina méga, dina alat tepi, sareng dina aplikasi sélulér. Ngan dina sababaraha baris kode Gluon, anjeun tiasa ngawangun régrési linier, jaringan konvolusional sareng LSTM kumbuh pikeun deteksi obyék, pangakuan ucapan, rekomendasi, sareng personalisasi.
MXNet tiasa dianggo dina sababaraha alat sareng dirojong ku sababaraha programming language sapertos Java, R, JavaScript, Scala sareng Go. Sanaos jumlah pangguna sareng anggota komunitasna rendah, MXNet gaduh dokuméntasi anu ditulis kalayan saé sareng poténsi anu hadé pikeun kamekaran, khususna ayeuna yén Amazon parantos milih kerangka ieu salaku alat utami pikeun Pembelajaran Mesin dina AWS.
Fitur konci
- 8 beungkeutan basa
- Disebarkeun Pelatihan, ngadukung sistem multi-CPU sareng multi-GPU
- Hybrid hareup-tungtung, ngamungkinkeun pikeun pindah antara mode imperatif jeung simbolis
4. Pakakas kognitif Microsoft
Upami anjeun mikir pikeun ngembangkeun aplikasi atanapi jasa anu dijalankeun dina Azure (layanan awan Microsoft), Microsoft Cognitive Toolkit mangrupikeun kerangka pikeun dipilih pikeun proyék diajar jero anjeun. Ieu open-source, sareng dirojong ku basa pamrograman sapertos Python, C++, C#, Java, sareng anu sanésna. kerangka ieu dirancang pikeun "pikir kawas otak manusa", ku kituna bisa ngolah jumlah badag data teu terstruktur, bari nawarkeun latihan gancang sarta arsitéktur intuitif.
Ku milih kerangka ieu - anu sami di tukangeun Skype, Xbox, sareng Cortana - anjeun bakal nampi kinerja anu saé tina aplikasi anjeun, skalabilitas sareng integrasi saderhana sareng Azure. Nanging, upami dibandingkeun sareng TensorFlow atanapi PyTorch, jumlah anggota komunitas sareng dukunganna ngirangan.
Video di handap ieu nawiskeun bubuka lengkep sareng conto aplikasi:
Fitur konci
- Dokuméntasi jelas
- Rojongan ti tim Microsoft
- Visualisasi grafik langsung
5. Keras
Sapertos PyTorch, Keras mangrupikeun perpustakaan berbasis Python pikeun proyék-proyék data-intensif. API keras tiasa dianggo dina tingkat anu luhur sareng ngamungkinkeun integrasi sareng API tingkat rendah sapertos TensorFlow, Theano, sareng Microsoft Cognitive Toolkit.
Sababaraha kauntungan tina ngagunakeun keras nyaéta kesederhanaan pikeun diajar - janten kerangka anu disarankeun pikeun pamula dina diajar jero; laju deployment na; gaduh dukungan hébat ti komunitas python sareng ti komunitas kerangka séjén anu dihijikeun.
Keras ngandung rupa palaksanaan tina blok wangunan jaringan saraf kayaning lapisan, fungsi obyektif, fungsi aktivasina, sarta optimizers matematik. Kodena di-host dina GitHub sareng aya forum sareng saluran dukungan Slack. Salian rojongan pikeun standar jaringan neural, Keras nawarkeun pangrojong pikeun Convolutional Neural Networks jeung Recurrent Neural Networks.
Keras ngidinan modél pangajaran jero bisa dihasilkeun dina smartphone dina duanana ios sarta Android, dina Mesin Virtual Java, atawa dina web. Ogé ngamungkinkeun pamakéan latihan disebarkeun model learning jero dina klaster Unit Processing Grafik (GPU) jeung Tensor Processing Unit (TPU).
Fitur konci
- Modél pra-dilatih
- Sababaraha dukungan backend
- Pangrojong komunitas anu ramah sareng ageung
6. Apple Core ML
Core ML dikembangkeun ku Apple pikeun ngadukung ékosistemna - IOS, Mac OS, sareng iPad OS. API na tiasa dianggo dina tingkat anu rendah, ngamangpaatkeun sumber daya CPU sareng GPU, anu ngamungkinkeun modél sareng aplikasi anu diciptakeun tetep jalan sanajan tanpa sambungan internét, anu ngirangan "tapak mémori" sareng konsumsi kakuatan alat.
Cara Core ML ngalaksanakeun ieu sanés ku cara ngadamel perpustakaan pembelajaran mesin sanés anu dioptimalkeun pikeun ngajalankeun dina iphone / ipads. Sabalikna, Core ML langkung sapertos kompiler anu nyandak spésifikasi modél sareng parameter terlatih anu dinyatakeun sareng parangkat lunak pembelajaran mesin anu sanés sareng ngarobih kana file anu janten sumber daya pikeun aplikasi ios. Konversi ieu kana model Core ML lumangsung salila ngembangkeun aplikasi, teu sacara real-time sakumaha aplikasi nu keur dipake, sarta difasilitasi ku perpustakaan python coremltools.
Core ML delivers kinerja gancang jeung integrasi gampang tina learning mesin model kana aplikasi. Éta ngadukung diajar jero kalayan langkung ti 30 jinis lapisan ogé tangkal kaputusan, mesin véktor dukungan, sareng metode régrési linier, sadayana diwangun di luhur téknologi tingkat rendah sapertos Metal and Accelerate.
Fitur konci
- Gampang ngahijikeun kana aplikasi
- Pamakéan optimal sumberdaya lokal, teu merlukeun aksés internét
- Privasi: data teu kudu ninggalkeun alat
7. ONNX
Kerangka anu terakhir dina daptar kami nyaéta ONNX. Kerangka ieu muncul tina kolaborasi antara Microsoft sareng Facebook, kalayan tujuan nyederhanakeun prosés nransferkeun sareng ngawangun modél antara kerangka, alat, runtime sareng kompiler anu béda.
ONNX ngahartikeun tipe file umum nu bisa dijalankeun dina sababaraha platform, bari ngamangpaatkeun mangpaat API-tingkat low kayaning maranéhanana ti Microsoft Kognitif Toolkit, MXNet, Caffe jeung (ngagunakeun converters) Tensorflow jeung Core ML. Prinsip di balik ONNX nyaéta ngalatih modél dina tumpukan sareng nerapkeunana nganggo inferensi sareng prediksi anu sanés.
Yayasan LF AI, sub-organisasi Yayasan Linux, mangrupikeun organisasi anu dikhususkeun pikeun ngawangun ékosistem pikeun ngadukung. open-sumber inovasi dina intelijen buatan (AI), pembelajaran mesin (ML), sareng diajar jero (DL). Éta nambihan ONNX salaku proyék tingkat pascasarjana dina 14 Nopémber 2019. Gerakan ONNX ieu di handapeun payung Yayasan LF AI katingal salaku tonggak penting dina ngadegkeun ONNX salaku standar format terbuka anu nétral-nétral.
Kebon Binatang Modél ONNX nyaéta kumpulan modél anu tos dilatih dina Deep Learning sayogi dina format ONNX. Pikeun unggal model aya notebook Jupyter pikeun latihan modél sareng ngalakukeun inferensi sareng modél anu dilatih. The notebooks anu ditulis dina Python jeung ngandung tumbu ka susunan data latihan jeung rujukan ka dokumen ilmiah aslina ngajéntrékeun arsitektur model.
Fitur konci
- Interoperability kerangka
- Optimasi hardware
kacindekan
Ieu kasimpulan frameworks pangalusna pikeun learning jero. Aya sababaraha kerangka pikeun tujuan ieu, gratis atanapi mayar. Pikeun milih anu pangsaéna pikeun proyék anjeun, terang heula pikeun platform mana anjeun bakal ngembangkeun aplikasi anjeun.
Kerangka umum sapertos TensorFlow sareng Keras mangrupikeun pilihan anu pangsaéna pikeun ngamimitian. Tapi upami anjeun kedah nganggo OS atanapi kaunggulan khusus alat, teras Core ML sareng Microsoft Cognitive Toolkit tiasa janten pilihan anu pangsaéna.
Aya kerangka séjén anu ditujukeun pikeun alat Android, mesin sanés, sareng tujuan khusus anu teu acan disebatkeun dina daptar ieu. Upami grup anu terakhir dipikaresep anjeun, kami nyarankeun milarian inpormasina dina Google atanapi situs pembelajaran mesin anu sanés.
Leave a Reply