א פריימווערק פֿאַר טיף לערנען באשטייט פון אַ קאָמבינאַציע פון ינטערפייסיז, לייברעריז און מכשירים צו דעפינירן און באַן מאַשין לערנען מאָדעלס געשווינד און אַקיעראַטלי.
ווייַל טיף לערנען ניצט אַ גרויס סומע פון אַנסטראַקטשערד, ניט-טעקסטשואַל דאַטן, איר דאַרפֿן אַ פריימווערק וואָס קאָנטראָלס די ינטעראַקשאַן צווישן די "לייַערס" און מאכט מאָדעל אַנטוויקלונג שנעל דורך לערנען פון די אַרייַנשרייַב דאַטן און מאַכן אָטאַנאַמאַס דיסיזשאַנז.
אויב איר זענט אינטערעסירט אין לערנען וועגן טיף לערנען אין 2021, באַטראַכטן ניצן איינער פון די פראַמעוואָרקס געוויזן אונטן. געדענקט צו קלייַבן איינער וואָס וועט העלפֿן איר דערגרייכן דיין צילן און זעאונג.
1. TensorFlow
ווען גערעדט וועגן טיף לערנען, TensorFlow איז אָפט דער ערשטער פריימווערק דערמאנט. זייער פאָלקס, דעם פריימווערק איז נישט בלויז געניצט דורך Google - די פירמע פאַראַנטוואָרטלעך פֿאַר זייַן שאַפונג - אָבער אויך דורך אנדערע קאָמפּאַניעס ווי דראָפּבאָקס, eBay, Airbnb, Nvidia, און אַזוי פילע אנדערע.
TensorFlow קענען ווערן גענוצט צו אַנטוויקלען הויך און נידעריק מדרגה אַפּיס, אַלאַוינג איר צו לויפן אַפּלאַקיישאַנז אויף כּמעט קיין מיטל. כאָטש פּיטהאָן איז זיין ערשטיק שפּראַך, Tensoflow ס צובינד קענען זיין אַקסעסט און קאַנטראָולד מיט אנדערע פּראָגראַממינג שפּראַכן אַזאַ ווי C ++, Java, Julia און JavaScript.
זייַענדיק אָפֿן מקור, TensorFlow אַלאַוז איר צו מאַכן עטלעכע ינטאַגריישאַנז מיט אנדערע אַפּיס און באַקומען שנעל שטיצן און דערהייַנטיקונגען פון די קהל. זיין צוטרוי אויף "סטאַטיק גראַפס" פֿאַר קאַמפּיאַטיישאַן אַלאַוז איר צו מאַכן גלייך חשבונות אָדער שפּאָרן אַפּעריישאַנז פֿאַר אַקסעס אין אן אנדער צייט. די סיבות, צוגעגעבן צו די מעגלעכקייט אַז איר קענען "היטן" די אַנטוויקלונג פון דיין נעוראַל נעץ דורך TensorBoard, מאַכן TensorFlow די מערסט פאָלקס פריימווערק פֿאַר טיף לערנען.
שליסל פֿעיִקייטן
- אָפֿן מקור
- בייגיקייַט
- שנעל דיבאַגינג
2. פּיטאָרטש
PyTorch איז אַ פריימווערק דעוועלאָפּעד דורך Facebook צו שטיצן די אָפּעראַציע פון זייַן באַדינונגס. זינט עס איז עפֿענען מקור, דעם פריימווערק איז געניצט דורך אנדערע קאָמפּאַניעס ווי פאַסעבאָאָק, אַזאַ ווי Salesforce און Udacity.
דער פריימווערק אַפּערייץ דינאַמיקאַללי דערהייַנטיקט גראַפס, אַלאַוינג איר צו מאַכן ענדערונגען צו די אַרקאַטעקטשער פון דיין דאַטאַסעט ווען איר פּראָצעס עס. מיט PyTorch עס איז סימפּלער צו אַנטוויקלען און באַן אַ נעוראַל נעץ, אפילו אָן דערפאַרונג אין טיף לערנען.
ווייל אָפֿן מקור און באזירט אויף Python, איר קענען מאַכן פּשוט און שנעל ינטאַגריישאַנז צו PyTorch. עס איז אויך אַ פּשוט פריימווערק צו לערנען, נוצן און דיבאַג. אויב איר האָט פֿראגן, איר קענען רעכענען אויף די גרויס שטיצן און דערהייַנטיקונגען פון ביידע קהילות - Python און די PyTorch קהל.
שליסל פֿעיִקייטן
- גרינג צו לערנען
- שטיצט גפּו און קפּו
- רייַך גאַנג פון אַפּיס צו פאַרברייטערן לייברעריז
3. אַפּאַטשי MXNet
רעכט צו זיין הויך סקאַלאַביליטי, הויך פאָרשטעלונג, שנעל טראָובלעשאָאָטינג און אַוואַנסירטע גפּו שטיצן, דעם פריימווערק איז באשאפן דורך Apache פֿאַר נוצן אין גרויס ינדאַסטרי פּראַדזשעקס.
MXNet כולל די Gluon צובינד אַז אַלאַוז דעוועלאָפּערס פון אַלע סקילז לעוועלס באַקומען סטאַרטעד מיט טיף לערנען אויף די וואָלקן, אויף ברעג דעוויסעס און אויף רירעוודיק אַפּפּס. אין בלויז אַ ביסל שורות פון גלואָן קאָד, איר קענען בויען לינעאַר ראַגרעשאַן, קאַנוואַלושאַנאַל נעטוואָרקס און ריקעראַנט LSTMs פֿאַר כייפעץ דיטעקשאַן, רעדע דערקענונג, רעקאָמענדאַציע און פערזענליכען.
MXNet קענען זיין געוויינט אויף פאַרשידן דעוויסעס און איז געשטיצט דורך עטלעכע פּראָגראַממינג שפּראַכן אַזאַ ווי Java, R, JavaScript, Scala און Go. כאָטש די נומער פון יוזערז און מיטגלידער אין זיין קהל איז נידעריק, MXNet האט געזונט-געשריבן דאַקיומענטיישאַן און גרויס פּאָטענציעל פֿאַר וווּקס, ספּעציעל איצט אַז אַמאַזאָן האט אויסגעקליבן דעם פריימווערק ווי די ערשטיק געצייַג פֿאַר מאַשין לערנען אויף AWS.
שליסל פֿעיִקייטן
- 8 שפראך בינדונגען
- פונאנדערגעטיילט טראַינינג, שטיצן מולטי-קפּו און מולטי-גפּו סיסטעמען
- היבריד פראָנט-סוף, אַלאַוינג צו באַשטימען צווישן ימפּעראַטיוו און סימבאָליש מאָדעס
4. מיקראָסאָפט קאָגניטיווע טאָאָלקיט
אויב איר טראַכטן וועגן דעוועלאָפּינג אַפּלאַקיישאַנז אָדער באַדינונגס וואָס לויפן אויף Azure (מיקראָסאָפט וואָלקן באַדינונגס), די Microsoft Cognitive Toolkit איז די פריימווערק צו סעלעקטירן פֿאַר דיין טיף לערנען פּראַדזשעקס. דאָס איז אָפֿן-מקור און געשטיצט דורך פּראָגראַממינג שפּראַכן אַזאַ ווי Python, C ++, C #, Java, צווישן אנדערע. דער פריימווערק איז דיזיינד צו "טראַכטן ווי דער מענטש מאַרך", אַזוי עס קענען פּראָצעס גרויס אַמאַונץ פון אַנסטראַקטשערד דאַטן, און אָפפערס שנעל טריינינג און ינטואַטיוו אַרקאַטעקטשער.
דורך סאַלעקטינג דעם פריימווערק - דער זעלביקער איינער הינטער Skype, Xbox, און Cortana - איר וועט באַקומען גוט פאָרשטעלונג פון דיין אַפּלאַקיישאַנז, סקאַלאַביליטי און פּשוט ינאַגריישאַן מיט Azure. אָבער, ווען קאַמפּערד מיט TensorFlow אָדער PyTorch, די נומער פון מיטגלידער אין זיין קהל און שטיצן איז רידוסט.
די פאלגענדע ווידעא אָפפערס אַ פולשטענדיק הקדמה און אַפּלאַקיישאַן ביישפילן:
שליסל פֿעיִקייטן
- קלאָר דאַקיומענטיישאַן
- שטיצן פֿון מיקראָסאָפט מאַנשאַפֿט
- דירעקט גראַפיק וויזשוואַלאַזיישאַן
5. קעראַס
ווי PyTorch, Keras איז אַ פּיטהאָן-באזירט ביבליאָטעק פֿאַר דאַטן-אינטענסיווע פּראַדזשעקס. די קעראַס אַפּי אַרבעט אויף אַ הויך מדרגה און אַלאַוז ינטאַגריישאַנז מיט נידעריק מדרגה אַפּיס אַזאַ ווי TensorFlow, Theano און Microsoft Cognitive Toolkit.
עטלעכע אַדוואַנטידזשיז פון ניצן קעראַס זענען די פּאַשטעס צו לערנען - די רעקאַמענדיד פריימווערק פֿאַר ביגינערז אין טיף לערנען; זייַן גיכקייַט פון דיפּלוימאַנט; מיט גרויס שטיצן פון די פּיטהאָן קהל און פון קהילות פון די אנדערע פראַמעוואָרקס מיט וואָס עס איז ינאַגרייטיד.
קעראַס כּולל פאַרשידן ימפּלאַמאַנץ פון די בנין בלאַקס פון נעוראַל נעטוואָרקס אַזאַ ווי לייַערס, אָביעקטיוו פאַנגקשאַנז, אַקטאַוויישאַן פאַנגקשאַנז און מאַטאַמאַטיקאַל אָפּטימיזערס. זיין קאָד איז כאָוסטיד אויף GitHub און עס זענען גרופּעס און אַ סלאַקק שטיצן קאַנאַל. אין אַדישאַן צו שטיצן פֿאַר נאָרמאַל נוראַל נעטוואָרקס, קעראַס אָפפערס שטיצן פֿאַר קאָנוואָלוטיאָנאַל נעוראַל נעטוואָרקס און ריקעראַנט נעוראַל נעטוואָרקס.
קעראַס אַלאַוז טיף לערנען מאָדעלס צו זיין דזשענערייטאַד אויף סמאַרטפאָנעס אויף יאָס און אַנדרויד, אויף אַ Java ווירטואַל מאַשין אָדער אויף די וועב. עס אויך אַלאַוז די נוצן פון פונאנדערגעטיילט טריינינג פון טיף לערנען מאָדעלס אויף קלאַסטערז פון גראַפיקס פּראַסעסינג וניץ (גפּו) און טענסאָר פּראַסעסינג וניץ (טפּו).
שליסל פֿעיִקייטן
- פאַר-טריינד מאָדעלס
- קייפל באַקענד שטיצן
- באַניצער-פרייַנדלעך און גרויס קהל שטיצן
6. עפּל קאָר מל
Core ML איז דעוועלאָפּעד דורך עפּל צו שטיצן זיין יקאָוסיסטאַם - יאָס, מעק אַס און יפּאַד אַס. זיין אַפּי אַרבעט אויף אַ נידעריק מדרגה, מיט גוט נוצן פון קפּו ס און גפּו ס רעסורסן, וואָס אַלאַוז מאָדעלס און אַפּלאַקיישאַנז באשאפן צו האַלטן פליסנדיק אפילו אָן אַן אינטערנעט פֿאַרבינדונג, וואָס ראַדוסאַז די "זיקאָרן שפּור" און מאַכט קאַנסאַמשאַן פון די מיטל.
די וועג Core ML אַקיומיאַלייץ דעם איז נישט פּונקט דורך מאכן נאָך אן אנדער מאַשין לערנען ביבליאָטעק וואָס איז אָפּטימיזעד פֿאַר פליסנדיק אויף יפאָנע / יפּאַדס. אַנשטאָט, Core ML איז מער ווי אַ קאַמפּיילער וואָס נעמט מאָדעל ספּעסאַפאַקיישאַנז און טריינד פּאַראַמעטערס אויסגעדריקט מיט אנדערע מאַשין לערנען ווייכווארג און קאַנווערץ עס אין אַ טעקע וואָס ווערט אַ מיטל פֿאַר אַן יאָס אַפּ. די קאַנווערזשאַן צו אַ Core ML מאָדעל כאַפּאַנז בעשאַס אַפּ אַנטוויקלונג, נישט אין פאַקטיש-צייט ווען די אַפּ איז געניצט, און איז פאַסילאַטייטיד דורך די Coremltools פּיטהאָן ביבליאָטעק.
Core ML דיליווערז שנעל פאָרשטעלונג מיט גרינג ינטאַגריישאַן פון מאַשין וויסן מאָדעלס אין אַפּלאַקיישאַנז. עס שטיצט טיף לערנען מיט איבער 30 טייפּס פון לייַערס, ווי געזונט ווי באַשלוס ביימער, שטיצן וועקטאָר מאשינען, און לינעאַר ראַגרעשאַן מעטהאָדס, אַלע געבויט אויף שפּיץ פון נידעריק-מדרגה טעקנאַלאַדזשיז אַזאַ ווי מעטאַל און אַקסעלעראַטע.
שליסל פֿעיִקייטן
- גרינג צו ויסשטימען אין אַפּפּס
- אָפּטימאַל נוצן פון היגע רעסורסן, ניט ריקוויירינג אינטערנעט אַקסעס
- פּריוואַטקייט: די דאַטן טאָן ניט האָבן צו לאָזן די מיטל
7. אָננקס
די לעצטע פריימווערק אויף אונדזער רשימה איז ONNX. דעם פריימווערק ימערדזשד פון אַ מיטאַרבעט צווישן מייקראָסאָפֿט און פאַסעבאָאָק, מיט דער ציל פון סימפּלאַפייינג דעם פּראָצעס פון טראַנספערינג און בויען מאָדעלס צווישן פאַרשידענע פראַמעוואָרקס, מכשירים, רונטימע און קאָמפּילערס.
ONNX דיפיינז אַ פּראָסט טעקע טיפּ וואָס קענען לויפן אויף קייפל פּלאַטפאָרמס און נוצן די בענעפיץ פון נידעריק-מדרגה אַפּיס אַזאַ ווי די פֿון Microsoft Cognitive Toolkit, MXNet, Caffe און (ניצן קאַנווערטערז) Tensorflow און Core ML. דער פּרינציפּ הינטער ONNX איז צו באַן אַ מאָדעל אויף אַ אָנלייגן און ינסטרומענט עס מיט אנדערע ינפעראַנסאַז און פֿאָרויסזאָגן.
די LF AI וויקיפּעדיע, אַ סאַב-אָרגאַניזאַציע פון די לינוקס וויקיפּעדיע, איז אַן אָרגאַניזאַציע דעדאַקייטאַד צו בויען אַן יקאָוסיסטאַם צו שטיצן עפענען-מקור כידעש אין קינסטלעך סייכל (AI), מאַשין לערנען (ML), און טיף לערנען (DL). עס צוגעגעבן ONNX ווי אַ גראַדזשאַוואַט-מדרגה פּרויעקט אויף 14 נאוועמבער 2019. דעם מאַך פון ONNX אונטער דער שירעם פון די LF AI וויקיפּעדיע איז געווען געזען ווי אַ וויכטיק מיילסטאָון אין גרינדן ONNX ווי אַ פאַרקויפער-נייטראַל אָפֿן פֿאָרמאַט נאָרמאַל.
די ONNX מאָדעל זאָאָלאָגישער גאָרטן איז אַ זאַמלונג פון פאַר-טריינד מאָדעלס אין דיפּ לערנען בנימצא אין ONNX פֿאָרמאַט. פֿאַר יעדער מאָדעל עס זענען דזשופּיטער נאָוטבוקס פֿאַר מאָדעל טריינינג און פּערפאָרמינג ינפעראַנס מיט די טריינד מאָדעל. די נאָוטבוקס זענען געשריבן אין פּיטהאָן און אַנטהאַלטן לינקס צו די טריינינג דאַטאַסעט און רעפערענצן צו דער אָריגינעל וויסנשאפטלעכע דאָקומענט דיסקרייבינג די מאָדעל אַרקאַטעקטשער.
שליסל פֿעיִקייטן
- פריימווערק ינטעראָפּעראַביליטי
- ייַזנוואַרג אָפּטימיזאַטיאָן
סאָף
דאָס איז אַ קיצער פון די בעסטער פראַמעוואָרקס פֿאַר טיף לערנען. עס זענען עטלעכע פראַמעוואָרקס פֿאַר דעם צוועק, פריי אָדער באַצאָלט. צו אויסקלייַבן די בעסטער פֿאַר דיין פּרויעקט, ערשטער וויסן פֿאַר וואָס פּלאַטפאָרמע איר וועט אַנטוויקלען דיין אַפּלאַקיישאַן.
אַלגעמיינע פראַמעוואָרקס ווי TensorFlow און Keras זענען די בעסטער אָפּציעס צו אָנהייבן. אָבער אויב איר דאַרפֿן צו נוצן אַס אָדער מיטל-ספּעציפיש אַדוואַנטידזשיז, Core ML און Microsoft Cognitive Toolkit קען זיין די בעסטער אָפּציעס.
עס זענען אנדערע פראַמעוואָרקס אַימעד צו אַנדרויד דעוויסעס, אנדערע מאשינען און ספּעציפיש צוועקן וואָס זענען נישט דערמאנט אין דער רשימה. אויב די יענער גרופּע אינטערעסירט איר, מיר פֿאָרשלאָגן איר זוכן פֿאַר זייער אינפֿאָרמאַציע אויף Google אָדער אנדערע מאַשין לערנען זייטלעך.
לאָזן אַ ענטפֿערן