Mojawapo ya zana zinazojulikana zaidi za kuunda miundo ya kujifunza kwa mashine ni TensorFlow. Tunatumia TensorFlow katika programu nyingi katika tasnia mbalimbali.
Katika chapisho hili, tutachunguza baadhi ya mifano ya TensorFlow AI. Kwa hivyo, tunaweza kuunda mifumo yenye akili.
Pia tutapitia mifumo ambayo TensorFlow inatoa kwa ajili ya kuunda miundo ya AI. Basi tuanze!
Utangulizi mfupi wa TensorFlow
TensorFlow ya Google ni chanzo huria mashine kujifunza kifurushi cha programu. Inajumuisha zana za mafunzo na kupeleka mifano ya kujifunza mashine kwenye majukwaa mengi. na vifaa, pamoja na usaidizi wa kujifunza kwa kina na mitandao ya neural.
TensorFlow inawawezesha wasanidi kuunda miundo ya aina mbalimbali za programu. Hii ni pamoja na utambuzi wa picha na sauti, usindikaji wa lugha asilia, na maono ya kompyuta. Ni zana yenye nguvu na inayoweza kubadilika yenye usaidizi mkubwa wa jamii.
Ili kusakinisha TensorFlow kwenye kompyuta yako unaweza kuandika hii kwenye dirisha la amri yako:
pip install tensorflow
Je! Miundo ya AI Inafanyaje Kazi?
Mifano ya AI ni mifumo ya kompyuta. Kwa hiyo, wamekusudiwa kufanya shughuli ambazo kwa kawaida zingehitaji akili ya kibinadamu. Utambuzi wa taswira na usemi na kufanya maamuzi ni mifano ya kazi kama hizo. Miundo ya AI imeundwa kwenye hifadhidata kubwa.
Wanatumia mbinu za kujifunza kwa mashine ili kutoa ubashiri na kufanya vitendo. Zina matumizi kadhaa, ikiwa ni pamoja na magari yanayojiendesha, wasaidizi wa kibinafsi, na uchunguzi wa matibabu.
Kwa hivyo, ni mifano gani maarufu ya TensorFlow AI?
ResNet
ResNet, au Mtandao wa Mabaki, ni aina ya ushawishi neural mtandao. Tunatumia kwa uainishaji wa picha na utambuzi wa kitu. Ilianzishwa na watafiti wa Microsoft mwaka 2015. Pia, inajulikana hasa na matumizi ya viunganisho vya mabaki.
Miunganisho hii huruhusu mtandao kujifunza kwa mafanikio. Kwa hivyo, inawezekana kwa kuwezesha habari kutiririka kwa uhuru zaidi kati ya tabaka.
ResNet inaweza kutekelezwa katika TensorFlow kwa kutumia API ya Keras. Inatoa kiolesura cha hali ya juu, kinachofaa mtumiaji kwa kuunda na kufunza mitandao ya neva.
Inasakinisha ResNet
Baada ya kusakinisha TensorFlow, unaweza kutumia API ya Keras kuunda muundo wa ResNet. TensorFlow inajumuisha API ya Keras, kwa hivyo huhitaji kuisakinisha kibinafsi.
Unaweza kuleta muundo wa ResNet kutoka tensorflow.keras.applications. Na, unaweza kuchagua toleo la ResNet kutumia, kwa mfano:
from tensorflow.keras.applications import ResNet50
Unaweza pia kutumia nambari ifuatayo kupakia uzani uliofunzwa mapema kwa ResNet:
model = ResNet50(weights='imagenet')
Kwa kuchagua sifa include_top=False, unaweza kutumia kielelezo kwa mafunzo ya ziada au kusawazisha mkusanyiko wako maalum wa data.
model = ResNet50(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
Maeneo ya Matumizi ya ResNet
ResNet inaweza kutumika katika uainishaji wa picha. Kwa hivyo, unaweza kugawa picha katika vikundi vingi. Kwanza, unahitaji kutoa mafunzo kwa muundo wa ResNet kwenye mkusanyiko mkubwa wa picha zilizo na lebo. Kisha, ResNet inaweza kutabiri darasa la picha ambazo hazikuonekana hapo awali.
ResNet pia inaweza kutumika kwa kazi za kugundua vitu kama vile kugundua vitu kwenye picha. Tunaweza kufanya hivi kwa kufunza kwanza kielelezo cha ResNet kwenye mkusanyiko wa picha zilizo na masanduku yanayofunga vitu. Kisha, tunaweza kutumia mtindo uliojifunza kutambua vitu katika picha mpya.
Tunaweza pia kutumia ResNet kwa kazi za sehemu za kisemantiki. Kwa hivyo, tunaweza kugawa lebo ya kisemantiki kwa kila pikseli kwenye picha.
Kuanzishwa
Kuanzishwa ni kielelezo cha kujifunza kwa kina chenye uwezo wa kutambua mambo katika picha. Google ilitangaza mnamo 2014, na inachambua picha za saizi tofauti kwa kutumia tabaka nyingi. Kwa Kuanzishwa, mtindo wako unaweza kuelewa picha kwa usahihi.
TensorFlow ni zana madhubuti ya kuunda na kuendesha miundo ya Kuanzishwa. Inatoa kiolesura cha hali ya juu na kirafiki cha mtumiaji kwa mafunzo ya mitandao ya neva. Kwa hivyo, Kuanzishwa ni mfano mzuri wa moja kwa moja kuomba kwa watengenezaji.
Uanzishaji wa ufungaji
Unaweza kusakinisha Uanzishaji kwa kuandika mstari huu wa msimbo.
from tensorflow.keras.applications import InceptionV3
Maeneo ya Kuanzishwa kwa Matumizi
Muundo wa Kuanzisha unaweza pia kutumiwa kutoa vipengele ndani kujifunza kwa kina mifano kama vile Mitandao ya Kuzalisha Matangazo (GANs) na Visimbaji Kiotomatiki.
Muundo wa Kuanzishwa unaweza kurekebishwa vyema ili kutambua sifa mahususi. Pia, tunaweza kutambua matatizo fulani katika upigaji picha wa kimatibabu kama vile X-ray, CT, au MRI.
Muundo wa Kuanzishwa unaweza kurekebishwa vizuri ili kuangalia ubora wa picha. Tunaweza kutathmini kama picha ni fuzzy au crisp.
Uanzishaji unaweza kutumika kwa kazi za uchambuzi wa video kama vile ufuatiliaji wa kitu na utambuzi wa hatua.
BURE
BERT (Uwakilishi wa Usimbaji wa pande mbili kutoka kwa Transfoma) ni modeli ya mtandao wa neva uliofunzwa awali iliyoandaliwa na Google. Tunaweza kuitumia kwa kazi mbalimbali za kuchakata lugha asilia. Majukumu haya yanaweza kutofautiana kutoka kwa uainishaji wa maandishi hadi kujibu maswali.
BERT imejengwa juu ya usanifu wa transfoma. Kwa hivyo, unaweza kushughulikia idadi kubwa ya uingizaji wa maandishi wakati unaelewa miunganisho ya maneno.
BERT ni kielelezo kilichofunzwa awali ambacho unaweza kujumuisha katika programu za TensorFlow.
TensorFlow inajumuisha kielelezo cha BERT kilichofunzwa awali pamoja na mkusanyiko wa huduma za kurekebisha vizuri na kutumia BERT kwa kazi mbalimbali. Kwa hivyo, unaweza kuunganisha kwa urahisi uwezo wa kisasa wa usindikaji wa lugha asilia wa BERT.
Inasakinisha BERT
Kwa kutumia kidhibiti cha kifurushi cha bomba, unaweza kusakinisha BERT katika TensorFlow:
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
Toleo la CPU la TensorFlow linaweza kusakinishwa kwa urahisi kwa kubadilisha tensorflow-gpu na tensorflow.
Baada ya kusakinisha maktaba, unaweza kuagiza mfano wa BERT na kuutumia kwa kazi tofauti za NLP. Hapa kuna nambari ya sampuli ya kurekebisha vizuri mfano wa BERT kwenye shida ya uainishaji wa maandishi, kwa mfano:
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)
Maeneo ya Matumizi ya BERT
Unaweza kufanya kazi za uainishaji wa maandishi. Kwa mfano, inawezekana kufikia uchambuzi wa hisia, uainishaji wa mada, na utambuzi wa taka.
BERT ina Utambuzi wa Taasisi Iliyoitwa (NER) kipengele. Kwa hivyo, unaweza kutambua na kuweka lebo kwenye huluki kwa maandishi kama vile watu na mashirika.
Inaweza kutumika kujibu maswali kulingana na muktadha fulani, kama vile injini ya utafutaji au programu ya gumzo.
BERT inaweza kuwa muhimu kwa Tafsiri ya Lugha ili kuongeza usahihi wa utafsiri wa mashine.
BERT inaweza kutumika kwa muhtasari wa maandishi. Kwa hivyo, inaweza kutoa muhtasari mfupi na muhimu wa hati ndefu za maandishi.
DeepVoice
Utafiti wa Baidu uliunda DeepVoice, a maandishi-kwa-hotuba mfano wa awali.
Iliundwa kwa mfumo wa TensorFlow na kufunzwa juu ya mkusanyiko mkubwa wa data ya sauti.
DeepVoice inazalisha sauti kutoka kwa maandishi. DeepVoice huwezesha kwa kutumia mbinu za kujifunza kwa kina. Ni mfano wa msingi wa mtandao wa neva.
Kwa hivyo, inachanganua data ya pembejeo na hutoa hotuba kwa kutumia idadi kubwa ya tabaka za nodi zilizounganishwa.
Inasakinisha DeepVoice
!pip install deepvoice
Vinginevyo;
# Clone the DeepVoice repository
!git clone https://github.com/r9y9/DeepVoice3_pytorch.git
%cd DeepVoice3_pytorch
!pip install -r requirements.txt
Sehemu za Matumizi za DeepVoice
Unaweza kutumia DeepVoice kutoa hotuba kwa wasaidizi wa kibinafsi kama Amazon Alexa na Msaidizi wa Google.
Pia, DeepVoice inaweza kutumika kutoa matamshi kwa vifaa vinavyoweza kutumia sauti kama vile spika mahiri na mifumo ya otomatiki ya nyumbani.
DeepVoice inaweza kuunda sauti kwa ajili ya maombi ya tiba ya usemi. Inaweza kuwasaidia wagonjwa walio na matatizo ya kuzungumza kuboresha usemi wao.
DeepVoice inaweza kutumika kuunda hotuba ya nyenzo za kielimu kama vile vitabu vya sauti na programu za kujifunza lugha.
Acha Reply