ஆழ்ந்த கற்றலுக்கான கட்டமைப்பானது, இயந்திர கற்றல் மாதிரிகளை விரைவாகவும் துல்லியமாகவும் வரையறுப்பதற்கும் பயிற்சி செய்வதற்குமான இடைமுகங்கள், நூலகங்கள் மற்றும் கருவிகளின் கலவையைக் கொண்டுள்ளது.
ஆழமான கற்றல் அதிக அளவு கட்டமைக்கப்படாத, உரை அல்லாத தரவைப் பயன்படுத்துவதால், "அடுக்குகளுக்கு" இடையிலான தொடர்புகளைக் கட்டுப்படுத்தும் ஒரு கட்டமைப்பு உங்களுக்குத் தேவை மற்றும் உள்ளீட்டுத் தரவிலிருந்து கற்றுக்கொண்டு தன்னாட்சி முடிவுகளை எடுப்பதன் மூலம் மாதிரியை விரைவாக உருவாக்குகிறது.
2021 ஆம் ஆண்டில் ஆழமான கற்றலைப் பற்றி அறிய நீங்கள் ஆர்வமாக இருந்தால், கீழே குறிப்பிடப்பட்டுள்ள கட்டமைப்பில் ஒன்றைப் பயன்படுத்தவும். உங்கள் இலக்குகளையும் பார்வையையும் அடைய உதவும் ஒன்றைத் தேர்வுசெய்ய நினைவில் கொள்ளுங்கள்.
1. TensorFlow
ஆழ்ந்த கற்றல் பற்றி பேசும்போது, TensorFlow பெரும்பாலும் குறிப்பிடப்பட்ட முதல் கட்டமைப்பாகும். மிகவும் பிரபலமானது, இந்த கட்டமைப்பானது Google ஆல் பயன்படுத்தப்படுகிறது - அதன் உருவாக்கத்திற்கு பொறுப்பான நிறுவனம் - ஆனால் Dropbox, eBay, Airbnb, Nvidia மற்றும் பல நிறுவனங்களால் பயன்படுத்தப்படுகிறது.
டென்சர்ஃப்ளோ உயர் மற்றும் குறைந்த நிலை APIகளை உருவாக்கப் பயன்படுகிறது, இது எந்த வகையான சாதனத்திலும் பயன்பாடுகளை இயக்க அனுமதிக்கிறது. Python அதன் முதன்மை மொழி என்றாலும், C++, Java, Julia மற்றும் JavaScript போன்ற பிற நிரலாக்க மொழிகளைப் பயன்படுத்தி Tensoflow இன் இடைமுகத்தை அணுகலாம் மற்றும் கட்டுப்படுத்தலாம்.
திறந்த மூலமாக இருப்பதால், மற்ற ஏபிஐகளுடன் பல ஒருங்கிணைப்புகளைச் செய்ய டென்சர்ஃப்ளோ உங்களை அனுமதிக்கிறது மற்றும் சமூகத்திலிருந்து விரைவான ஆதரவையும் புதுப்பிப்புகளையும் பெறலாம். கணக்கீட்டிற்கான "நிலையான வரைபடங்களை" நம்பியிருப்பது, உடனடியாக கணக்கீடுகளைச் செய்ய அல்லது மற்றொரு நேரத்தில் அணுகலுக்கான செயல்பாடுகளைச் சேமிக்க உங்களை அனுமதிக்கிறது. இந்த காரணங்கள், டென்சர்போர்டு மூலம் உங்கள் நரம்பியல் வலையமைப்பின் வளர்ச்சியை "பார்க்க" முடியும் என்பதற்கான சாத்தியக்கூறுடன் சேர்த்து, டென்சர்ஃப்ளோவை ஆழ்ந்த கற்றலுக்கான மிகவும் பிரபலமான கட்டமைப்பாக மாற்றுகிறது.
முக்கிய அம்சங்கள்
- ஓப்பன் சோர்ஸ்
- வளைந்து கொடுக்கும் தன்மை
- விரைவான பிழைத்திருத்தம்
2. பைடோர்ச்
PyTorch என்பது பேஸ்புக் அதன் சேவைகளின் செயல்பாட்டை ஆதரிக்கும் ஒரு கட்டமைப்பாகும். ஓப்பன் சோர்ஸ் ஆனதில் இருந்து, இந்த கட்டமைப்பை பேஸ்புக் தவிர சேல்ஸ்ஃபோர்ஸ் மற்றும் உடாசிட்டி போன்ற நிறுவனங்கள் பயன்படுத்துகின்றன.
இந்த கட்டமைப்பானது மாறும் மேம்படுத்தப்பட்ட வரைபடங்களை இயக்குகிறது, உங்கள் தரவுத்தொகுப்பின் கட்டமைப்பை நீங்கள் செயலாக்கும்போது மாற்றங்களைச் செய்ய அனுமதிக்கிறது. PyTorch மூலம், ஆழ்ந்த கற்றலில் எந்த அனுபவமும் இல்லாவிட்டாலும், ஒரு நரம்பியல் வலையமைப்பை உருவாக்கி பயிற்சியளிப்பது எளிது.
ஓப்பன் சோர்ஸ் மற்றும் பைத்தானை அடிப்படையாகக் கொண்டு, நீங்கள் PyTorch உடன் எளிய மற்றும் வேகமான ஒருங்கிணைப்புகளைச் செய்யலாம். கற்றுக்கொள்வதற்கும் பயன்படுத்துவதற்கும் பிழைத்திருத்துவதற்கும் இது ஒரு எளிய கட்டமைப்பாகும். உங்களிடம் கேள்விகள் இருந்தால், பைதான் சமூகம் மற்றும் பைடார்ச் சமூகம் ஆகிய இரு சமூகங்களிலிருந்தும் சிறந்த ஆதரவையும் புதுப்பிப்புகளையும் நீங்கள் நம்பலாம்.
முக்கிய அம்சங்கள்
- கற்று எளிதாக
- GPU மற்றும் CPU ஐ ஆதரிக்கிறது
- லைப்ரரிகளை நீட்டிக்க ஏபிஐகளின் பணக்கார தொகுப்பு
3. அப்பாச்சி MXNet
அதன் உயர் அளவிடுதல், உயர் செயல்திறன், வேகமான சரிசெய்தல் மற்றும் மேம்பட்ட GPU ஆதரவு ஆகியவற்றின் காரணமாக, இந்த கட்டமைப்பானது பெரிய தொழில்துறை திட்டங்களில் பயன்படுத்த அப்பாச்சியால் உருவாக்கப்பட்டது.
MXNet ஆனது Gluon இடைமுகத்தை உள்ளடக்கியது, இது அனைத்து திறன் நிலைகளையும் உருவாக்குபவர்களை அனுமதிக்கிறது ஆழ்ந்த கற்றலுடன் தொடங்குங்கள் கிளவுட், எட்ஜ் சாதனங்கள் மற்றும் மொபைல் பயன்பாடுகளில். குளுவான் குறியீட்டின் சில வரிகளில், நீங்கள் நேரியல் பின்னடைவு, கன்வல்யூஷனல் நெட்வொர்க்குகள் மற்றும் மீண்டும் மீண்டும் வரும் எல்எஸ்டிஎம்களை உருவாக்கலாம். பொருள் கண்டறிதல், பேச்சு அங்கீகாரம், பரிந்துரை மற்றும் தனிப்பயனாக்கம்.
MXNet பல்வேறு சாதனங்களில் பயன்படுத்தப்படலாம் மற்றும் பலவற்றால் ஆதரிக்கப்படுகிறது கணிப்பொறி செயல்பாடு மொழி Java, R, JavaScript, Scala மற்றும் Go போன்றவை. அதன் சமூகத்தில் பயனர்கள் மற்றும் உறுப்பினர்களின் எண்ணிக்கை குறைவாக இருந்தாலும், MXNet நன்கு எழுதப்பட்ட ஆவணங்கள் மற்றும் வளர்ச்சிக்கான சிறந்த திறனைக் கொண்டுள்ளது, குறிப்பாக இப்போது AWS இல் மெஷின் லேர்னிங்கிற்கான முதன்மைக் கருவியாக Amazon இந்த கட்டமைப்பைத் தேர்ந்தெடுத்துள்ளது.
முக்கிய அம்சங்கள்
- 8 மொழி பிணைப்புகள்
- விநியோகிக்கப்பட்ட பயிற்சி, பல CPU மற்றும் பல GPU அமைப்புகளை ஆதரிக்கிறது
- கலப்பின முன்-இறுதி, கட்டாய மற்றும் குறியீட்டு முறைகளுக்கு இடையில் மாற அனுமதிக்கிறது
4. மைக்ரோசாஃப்ட் அறிவாற்றல் கருவித்தொகுதி
நீங்கள் Azure (மைக்ரோசாப்ட் கிளவுட் சேவைகள்) இல் இயங்கும் பயன்பாடுகள் அல்லது சேவைகளை உருவாக்க நினைத்தால், Microsoft Cognitive Toolkit என்பது உங்கள் ஆழ்ந்த கற்றல் திட்டங்களுக்குத் தேர்ந்தெடுக்கும் கட்டமைப்பாகும். இது திறந்த மூலமாகும், மேலும் பைதான், சி++, சி#, ஜாவா போன்ற நிரலாக்க மொழிகளால் ஆதரிக்கப்படுகிறது. இந்த கட்டமைப்பானது "மனித மூளையைப் போல் சிந்திக்க" வடிவமைக்கப்பட்டுள்ளது, எனவே இது அதிக அளவு கட்டமைக்கப்படாத தரவை செயலாக்க முடியும், அதே நேரத்தில் விரைவான பயிற்சி மற்றும் உள்ளுணர்வு கட்டமைப்பை வழங்குகிறது.
ஸ்கைப், எக்ஸ்பாக்ஸ் மற்றும் கோர்டானாவுக்குப் பின்னால் உள்ள இந்த கட்டமைப்பைத் தேர்ந்தெடுப்பதன் மூலம், உங்கள் பயன்பாடுகள், அளவிடுதல் மற்றும் அஸூருடனான எளிய ஒருங்கிணைப்பு ஆகியவற்றிலிருந்து நல்ல செயல்திறன் கிடைக்கும். இருப்பினும், TensorFlow அல்லது PyTorch உடன் ஒப்பிடும் போது, அதன் சமூகத்தில் உள்ள உறுப்பினர்களின் எண்ணிக்கை மற்றும் ஆதரவு குறைகிறது.
பின்வரும் வீடியோ முழுமையான அறிமுகம் மற்றும் பயன்பாட்டு எடுத்துக்காட்டுகளை வழங்குகிறது:
முக்கிய அம்சங்கள்
- ஆவணங்களை அழிக்கவும்
- மைக்ரோசாப்ட் குழுவின் ஆதரவு
- நேரடி வரைபட காட்சிப்படுத்தல்
5. Keras
PyTorch போலவே, Keras என்பது தரவு-தீவிர திட்டங்களுக்கான பைதான் அடிப்படையிலான நூலகமாகும். keras API உயர் மட்டத்தில் வேலை செய்கிறது மற்றும் TensorFlow, Theano மற்றும் Microsoft Cognitive Toolkit போன்ற குறைந்த நிலை APIகளுடன் ஒருங்கிணைக்க அனுமதிக்கிறது.
கேராக்களைப் பயன்படுத்துவதன் சில நன்மைகள், கற்றுக்கொள்வதற்கான அதன் எளிமை - ஆழமான கற்றலில் ஆரம்பநிலைக்கு பரிந்துரைக்கப்படும் கட்டமைப்பாக இருப்பது; அதன் வரிசைப்படுத்தல் வேகம்; மலைப்பாம்பு சமூகம் மற்றும் அது ஒருங்கிணைக்கப்பட்ட பிற கட்டமைப்புகளின் சமூகங்களிலிருந்து பெரும் ஆதரவைப் பெற்றுள்ளது.
கேரஸ் பல்வேறு செயலாக்கங்களைக் கொண்டுள்ளது நரம்பியல் நெட்வொர்க்குகளின் கட்டுமான தொகுதிகள் அடுக்குகள், புறநிலை செயல்பாடுகள், செயல்படுத்தும் செயல்பாடுகள் மற்றும் கணித உகப்பாக்கிகள் போன்றவை. அதன் குறியீடு GitHub இல் ஹோஸ்ட் செய்யப்பட்டுள்ளது மற்றும் மன்றங்கள் மற்றும் Slack ஆதரவு சேனல் உள்ளது. தரத்திற்கான ஆதரவுடன் கூடுதலாக நரம்பியல் வலையமைப்புகள், கெராஸ் கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் மற்றும் ரெக்கரண்ட் நியூரல் நெட்வொர்க்குகளுக்கான ஆதரவை வழங்குகிறது.
கெராஸ் அனுமதிக்கிறது ஆழமான கற்றல் மாதிரிகள் iOS மற்றும் Android இரண்டிலும் உள்ள ஸ்மார்ட்போன்களில், Java Virtual Machine அல்லது இணையத்தில் உருவாக்கப்படும். கிராபிக்ஸ் ப்ராசசிங் யூனிட்கள் (ஜிபியு) மற்றும் டென்சர் ப்ராசசிங் யூனிட்கள் (டிபியு) ஆகியவற்றில் ஆழமான கற்றல் மாதிரிகளின் விநியோகிக்கப்பட்ட பயிற்சியைப் பயன்படுத்தவும் இது அனுமதிக்கிறது.
முக்கிய அம்சங்கள்
- முன் பயிற்சி பெற்ற மாதிரிகள்
- பல பின்தள ஆதரவு
- பயனர் நட்பு மற்றும் பெரிய சமூக ஆதரவு
6. ஆப்பிள் கோர் எம்.எல்
IOS, Mac OS மற்றும் iPad OS - ஐ ஆதரிக்கும் வகையில் ஆப்பிள் நிறுவனத்தால் கோர் ML உருவாக்கப்பட்டது. அதன் API குறைந்த மட்டத்தில் வேலை செய்கிறது, CPU மற்றும் GPU இன் வளங்களை நன்றாகப் பயன்படுத்துகிறது, இது மாதிரிகள் மற்றும் பயன்பாடுகள் இணைய இணைப்பு இல்லாமலும் தொடர்ந்து இயங்க அனுமதிக்கிறது, இது சாதனத்தின் "நினைவக தடம்" மற்றும் சக்தி நுகர்வு ஆகியவற்றைக் குறைக்கிறது.
கோர் எம்எல் இதை நிறைவேற்றுவது, ஐபோன்கள்/ஐபாட்களில் இயங்குவதற்கு உகந்ததாக இருக்கும் மற்றொரு இயந்திர கற்றல் நூலகத்தை உருவாக்குவதல்ல. மாறாக, கோர் எம்எல் என்பது ஒரு கம்பைலரைப் போன்றது, இது மாதிரி விவரக்குறிப்புகள் மற்றும் பிற இயந்திர கற்றல் மென்பொருளுடன் வெளிப்படுத்தப்பட்ட பயிற்சி பெற்ற அளவுருக்கள் மற்றும் அதை iOS பயன்பாட்டிற்கான ஆதாரமாக மாற்றும் கோப்பாக மாற்றுகிறது. கோர் எம்எல் மாடலாக இந்த மாற்றமானது ஆப்ஸ் மேம்பாட்டின் போது நிகழ்கிறது, ஆப்ஸ் பயன்படுத்தப்படுவதால் நிகழ்நேரத்தில் அல்ல, மேலும் இது coremltools python நூலகத்தால் எளிதாக்கப்படுகிறது.
கோர் எம்எல் எளிதான ஒருங்கிணைப்புடன் விரைவான செயல்திறனை வழங்குகிறது இயந்திர கற்றல் பயன்பாடுகளில் மாதிரிகள். இது 30 வகையான அடுக்குகளுடன் ஆழமான கற்றலை ஆதரிக்கிறது, அத்துடன் முடிவு மரங்கள், ஆதரவு திசையன் இயந்திரங்கள் மற்றும் நேரியல் பின்னடைவு முறைகள், இவை அனைத்தும் உலோகம் மற்றும் முடுக்கம் போன்ற குறைந்த-நிலை தொழில்நுட்பங்களின் மேல் கட்டமைக்கப்பட்டுள்ளன.
முக்கிய அம்சங்கள்
- பயன்பாடுகளில் ஒருங்கிணைக்க எளிதானது
- உள்ளூர் ஆதாரங்களின் உகந்த பயன்பாடு, இணைய அணுகல் தேவையில்லை
- தனியுரிமை: தரவு சாதனத்தை விட்டு வெளியேற வேண்டியதில்லை
7. ஓஎன்என்எக்ஸ்
எங்கள் பட்டியலில் உள்ள கடைசி கட்டமைப்பு ONNX ஆகும். வெவ்வேறு கட்டமைப்புகள், கருவிகள், இயக்க நேரங்கள் மற்றும் கம்பைலர்களுக்கு இடையில் மாதிரிகளை மாற்றும் மற்றும் உருவாக்கும் செயல்முறையை எளிதாக்கும் குறிக்கோளுடன், மைக்ரோசாப்ட் மற்றும் பேஸ்புக் இடையேயான ஒத்துழைப்பிலிருந்து இந்த கட்டமைப்பானது வெளிப்பட்டது.
Microsoft Cognitive Toolkit, MXNet, Caffe மற்றும் (மாற்றிகளைப் பயன்படுத்தி) Tensorflow மற்றும் Core ML போன்ற குறைந்த-நிலை APIகளின் பலன்களைப் பயன்படுத்தும் போது, பல தளங்களில் இயங்கக்கூடிய பொதுவான கோப்பு வகையை ONNX வரையறுக்கிறது. ONNX க்கு பின்னால் உள்ள கொள்கையானது, ஒரு மாதிரியை ஒரு அடுக்கில் பயிற்றுவித்து, பிற அனுமானங்கள் மற்றும் கணிப்புகளைப் பயன்படுத்தி அதை செயல்படுத்துவதாகும்.
LF AI அறக்கட்டளை, லினக்ஸ் அறக்கட்டளையின் துணை அமைப்பாகும், ஆதரிப்பதற்காக ஒரு சுற்றுச்சூழல் அமைப்பை உருவாக்க அர்ப்பணிக்கப்பட்ட ஒரு அமைப்பாகும். ஓப்பன் சோர்ஸ் செயற்கை நுண்ணறிவு (AI), இயந்திர கற்றல் (ML) மற்றும் ஆழ்ந்த கற்றல் (DL) ஆகியவற்றில் புதுமை. இது 14 நவம்பர் 2019 அன்று பட்டதாரி-நிலை திட்டமாக ONNX ஐச் சேர்த்தது. LF AI அறக்கட்டளையின் குடையின் கீழ் ONNX இன் இந்த நகர்வு, ONNX ஐ விற்பனையாளர்-நடுநிலை திறந்த-வடிவ தரநிலையாக நிறுவுவதில் ஒரு முக்கிய மைல்கல்லாகக் காணப்பட்டது.
ONNX மாதிரி உயிரியல் பூங்கா என்பது ONNX வடிவத்தில் கிடைக்கும் ஆழமான கற்றலில் முன் பயிற்சி பெற்ற மாதிரிகளின் தொகுப்பாகும். ஒவ்வொரு மாதிரிக்கும் உள்ளன ஜூபிடர் குறிப்பேடுகள் மாதிரி பயிற்சி மற்றும் பயிற்சி பெற்ற மாதிரியுடன் அனுமானத்தை நிகழ்த்துதல். குறிப்பேடுகள் பைத்தானில் எழுதப்பட்டுள்ளன மற்றும் அதற்கான இணைப்புகளைக் கொண்டுள்ளன பயிற்சி தரவுத்தொகுப்பு மற்றும் மாதிரி கட்டிடக்கலையை விவரிக்கும் அசல் அறிவியல் ஆவணத்தின் குறிப்புகள்.
முக்கிய அம்சங்கள்
- கட்டமைப்பு இயங்கக்கூடிய தன்மை
- வன்பொருள் உகப்பாக்கம்
தீர்மானம்
இது சிறந்த கட்டமைப்புகளின் சுருக்கமாகும் ஆழமான கற்றல். இந்த நோக்கத்திற்காக பல கட்டமைப்புகள் உள்ளன, இலவசம் அல்லது பணம். உங்கள் திட்டத்திற்கான சிறந்ததைத் தேர்ந்தெடுக்க, எந்த தளத்திற்காக உங்கள் பயன்பாட்டை உருவாக்கப் போகிறீர்கள் என்பதை முதலில் தெரிந்து கொள்ளுங்கள்.
TensorFlow மற்றும் Keras போன்ற பொதுவான கட்டமைப்புகள் தொடங்குவதற்கான சிறந்த விருப்பங்கள். ஆனால் நீங்கள் OS அல்லது சாதனம் சார்ந்த நன்மைகளைப் பயன்படுத்த வேண்டும் என்றால், கோர் ML மற்றும் Microsoft Cognitive Toolkit ஆகியவை சிறந்த விருப்பங்களாக இருக்கலாம்.
இந்த பட்டியலில் குறிப்பிடப்படாத Android சாதனங்கள், பிற இயந்திரங்கள் மற்றும் குறிப்பிட்ட நோக்கங்களை இலக்காகக் கொண்ட பிற கட்டமைப்புகள் உள்ளன. பிந்தைய குழு உங்களுக்கு ஆர்வமாக இருந்தால், அவர்களின் தகவலை Google அல்லது பிற இயந்திர கற்றல் தளங்களில் தேடுமாறு பரிந்துரைக்கிறோம்.
ஒரு பதில் விடவும்