איינער פון די מערסט באַוווסט מכשירים פֿאַר דעוועלאָפּינג מאַשין לערנען מאָדעלס איז TensorFlow. מיר נוצן TensorFlow אין פילע אַפּלאַקיישאַנז אין פאַרשידן ינדאַסטריז.
אין דעם פּאָסטן, מיר וועלן ונטערזוכן עטלעכע פון די TensorFlow AI מאָדעלס. דעריבער, מיר קענען מאַכן ינטעליגענט סיסטעמען.
מיר וועלן אויך דורכגיין פראַמעוואָרקס וואָס TensorFlow אָפפערס פֿאַר קריייטינג אַי מאָדעלס. אַזוי לאָזן ס באַקומען סטאַרטעד!
א קורץ הקדמה צו TensorFlow
Google's TensorFlow איז אַן אָפֿן מקור מאַשין וויסן ווייכווארג פּעקל. עס כולל מכשירים פֿאַר טריינינג און דיפּלויינג מאַשין לערנען מאָדעלס אויף פילע פּלאַטפאָרמס. און דעוויסעס, ווי געזונט ווי שטיצן פֿאַר טיף לערנען און נוראַל נעטוואָרקס.
TensorFlow ינייבאַלז דעוועלאָפּערס צו שאַפֿן מאָדעלס פֿאַר פאַרשידן אַפּלאַקיישאַנז. דאָס כולל בילד און אַודיאָ דערקענונג, נאַטירלעך שפּראַך פּראַסעסינג און קאָמפּיוטער זעאונג. עס איז אַ שטאַרק און אַדאַפּטאַבאַל געצייַג מיט וויידספּרעד קהל שטיצן.
צו ינסטאַלירן TensorFlow אויף דיין קאָמפּיוטער איר קענען דרוקן דעם אין דיין באַפֿעלן פֿענצטער:
pip install tensorflow
ווי טאָן אַי מאָדעלס אַרבעט?
AI מאָדעלס זענען קאָמפּיוטער סיסטעמען. דעריבער, זיי זענען מענט צו טאָן אַקטיוויטעטן וואָס וואָלט נאָרמאַלי דאַרפֿן מענטשלעך סייכל. בילד און רייד דערקענונג און באַשלוס-מאכן זענען ביישפילן פון אַזאַ טאַסקס. אַי מאָדעלס זענען דעוועלאָפּעד אויף מאַסיוו דאַטאַסעץ.
זיי נוצן מאַשין לערנען טעקניקס צו דזשענערייט פֿאָרויסזאָגן און דורכפירן אַקשאַנז. זיי האָבן עטלעכע ניצט, אַרייַנגערעכנט זיך-דרייווינג אָטאַמאָובילז, פּערזענלעך אַסיסטאַנץ און מעדיציניש דיאַגנאָסטיקס.
אַזוי, וואָס זענען די פאָלקס TensorFlow AI מאָדעלס?
ResNet
רעסנעט, אָדער ריזידזשואַל נעטוואָרק, איז אַ פאָרעם פון קאַנוואַלושאַנאַל נעוראַל נעץ. מיר נוצן עס פֿאַר בילד קאַטאַגעריזיישאַן און כייפעץ דיטעקשאַן. עס איז דעוועלאָפּעד דורך מייקראָסאָפֿט ריסערטשערז אין 2015. אויך, עס איז דער הויפּט אונטערשיידן דורך די נוצן פון ריזידזשואַל קאַנעקשאַנז.
די קאַנעקשאַנז לאָזן די נעץ צו לערנען הצלחה. דעריבער, עס איז מעגלעך דורך געבן אינפֿאָרמאַציע צו לויפן מער פרילי צווישן די לייַערס.
ResNet קען זיין ימפּלאַמענאַד אין TensorFlow דורך לעווערידזשינג די Keras API. עס גיט אַ הויך-מדרגה, באַניצער-פרייַנדלעך צובינד פֿאַר קריייטינג און טריינינג נעוראַל נעטוואָרקס.
ינסטאָלינג ResNet
נאָך ינסטאָלינג TensorFlow, איר קענט נוצן די Keras API צו שאַפֿן אַ ResNet מאָדעל. TensorFlow כולל די Keras API, אַזוי איר טאָן ניט דאַרפֿן צו ינסטאַלירן עס ינדיווידזשואַלי.
איר קענט אַרייַנפיר די ResNet מאָדעל פֿון tensorflow.keras.applications. און איר קענען אויסקלייַבן די ResNet ווערסיע צו נוצן, למשל:
from tensorflow.keras.applications import ResNet50
איר קענט אויך נוצן די פאלגענדע קאָד צו לאָדן פאַר-טריינד ווייץ פֿאַר ResNet:
model = ResNet50(weights='imagenet')
דורך סאַלעקטינג די פאַרמאָג include_top = פאַלש, איר קען אַדישנאַלי נוצן דעם מאָדעל פֿאַר נאָך טריינינג אָדער פיין-טונינג דיין מנהג דאַטאַסעט.
model = ResNet50(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
רעסנעט ס געביטן פון באַניץ
ResNet קען זיין געוויינט אין בילד קלאַסאַפאַקיישאַן. אַזוי, איר קענען קאַטאַגערייז פאָטאָס אין פילע גרופּעס. ערשטער, איר דאַרפֿן צו באַן אַ ResNet מאָדעל אויף אַ גרויס דאַטאַסעט פון לייבאַלד פאָטאָס. דערנאָך, ResNet קענען פאָרויסזאָגן די קלאַס פון פריער ומבאַמערקט בילדער.
ResNet קען אויך זיין געניצט פֿאַר אַבדזשעקץ דיטעקשאַן טאַסקס ווי דיטעקטינג טינגז אין פאָטאָס. מיר קענען טאָן דאָס דורך ערשטער טריינינג אַ ResNet מאָדעל אויף אַ זאַמלונג פון פאָטאָס מיט אַבדזשעקץ-באַונדינג באָקסעס. דערנאָך, מיר קענען צולייגן די געלערנט מאָדעל צו דערקענען אַבדזשעקץ אין פריש בילדער.
מיר קענען אויך נוצן ResNet פֿאַר סעמאַנטיק סעגמאַנטיישאַן טאַסקס. אַזוי מיר קענען באַשטימען אַ סעמאַנטיק פירמע צו יעדער פּיקסעל אין אַ בילד.
ינסעפּטיאָן
ינסעפּשאַן איז אַ טיף לערנען מאָדעל וואָס איז ביכולת צו דערקענען טינגז אין בילדער. גוגל מודיע עס אין 2014, און עס אַנאַליזירט בילדער פון פאַרשידן סיזעס ניצן פילע לייַערס. מיט ינסעפּשאַן, דיין מאָדעל קענען באַגרייַפן די בילד אַקיעראַטלי.
TensorFlow איז אַ שטאַרק געצייַג פֿאַר קריייטינג און לויפן ינסעפּשאַן מאָדעלס. עס גיט אַ הויך-מדרגה און באַניצער-פרייַנדלעך צובינד פֿאַר טריינינג נעוראַל נעטוואָרקס. דערפאר, ינסעפּשאַן איז אַ שיין סטרייטפאָרווערד מאָדעל צו צולייגן פֿאַר דעוועלאָפּערס.
ינסטאָלינג ינסעפּשאַן
איר קענען ינסטאַלירן ינסעפּשאַן דורך טייפּינג די שורה פון קאָד.
from tensorflow.keras.applications import InceptionV3
ינסעפּשאַן ס געביטן פון באַניץ
די ינסעפּשאַן מאָדעל קען אויך זיין געניצט צו עקסטראַקט פֿעיִקייטן אין טיף לערנען מאָדעלס ווי גענעראַטיווע אַדווערסאַריאַל נעטוואָרקס (גאַנס) און אַוטאָענקאָדערס.
די ינסעפּשאַן מאָדעל קען זיין פיין-טונד צו ידענטיפיצירן ספּעציפיש טרייץ. אויך, מיר קען זיין ביכולת צו דיאַגנאָזירן זיכער דיסאָרדערס אין מעדיציניש ימאַגינג אַפּלאַקיישאַנז אַזאַ ווי X-Ray, CT אָדער MRI.
די ינסעפּשאַן מאָדעל קען זיין פיין-טונד צו קאָנטראָלירן די בילד קוואַליטעט. מיר קענען אָפּשאַצן צי אַ בילד איז פאַזי אָדער קרוכלע.
ינסעפּשאַן קען זיין געניצט פֿאַר ווידעא אַנאַליסיס טאַסקס אַזאַ ווי אָבדזשעקט טראַקינג און קאַמף דיטעקשאַן.
BERT
BERT (ביידירעקטיאָנאַל ענקאָדער רעפּרעסענטאַטיאָנס פון טראַנספאָרמערס) איז אַ Google-דעוועלאָפּעד פאַר-טריינד נעוראַל נעץ מאָדעל. מיר קענען נוצן עס פֿאַר אַ פאַרשיידנקייַט פון נאַטירלעך שפּראַך פּראַסעסינג טאַסקס. די טאַסקס קענען בייַטן פון טעקסט קאַטאַגעריזיישאַן צו ענטפֿערן פֿראגן.
BERT איז געבויט אויף טראַנספאָרמער אַרקאַטעקטשער. דעריבער, איר קענען שעפּן וואַסט וואַליומז פון טעקסט אַרייַנשרייַב בשעת איר פֿאַרשטיין וואָרט קאַנעקשאַנז.
BERT איז אַ פאַר-טריינד מאָדעל וואָס איר קענען ינקאָרפּערייט אין TensorFlow אַפּלאַקיישאַנז.
TensorFlow כולל אַ פאַר-טריינד BERT מאָדעל ווי געזונט ווי אַ זאַמלונג פון יוטילאַטיז פֿאַר פיין-טונינג און אַפּלייינג BERT צו פאַרשידן טאַסקס. אזוי, איר קענען לייכט ויסשטימען BERT ס סאַפיסטאַקייטיד נאַטירלעך שפּראַך פּראַסעסינג קייפּאַבילאַטיז.
ינסטאָלינג BERT
ניצן די פּיפּ פּעקל פאַרוואַלטער, איר קענען ינסטאַלירן BERT אין 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
די קפּו ווערסיע פון TensorFlow קען זיין אינסטאַלירן לייכט דורך פאַרבייַטן tensorflow-gpu מיט tensorflow.
נאָך ינסטאָלינג די ביבליאָטעק, איר קענט אַרייַנפיר די BERT מאָדעל און נוצן עס פֿאַר פאַרשידענע NLP טאַסקס. דאָ איז עטלעכע מוסטער קאָד פֿאַר פיין-טונינג אַ BERT מאָדעל אויף אַ טעקסט קלאַסאַפאַקיישאַן פּראָבלעם, למשל:
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 ס געביטן פון באַניץ
איר קענען דורכפירן טעקסט קלאַסאַפאַקיישאַן טאַסקס. פֿאַר בייַשפּיל, עס איז מעגלעך צו דערגרייכן סענטימענט אַנאַליסיס, טעמע קאַטאַגעריזיישאַן, און ספּאַם דיטעקשאַן.
BERT האט אַ געהייסן ענטיטי רעקאָגניטיאָן (נער) שטריך. דערפאר, איר קענען דערקענען און פירמע ענטיטיז אין טעקסט אַזאַ ווי מענטשן און אָרגאַנאַזיישאַנז.
עס קענען זיין גענוצט צו ענטפֿערן פֿראגן דיפּענדינג אויף אַ באַזונדער קאָנטעקסט, אַזאַ ווי אין אַ זוכן מאָטאָר אָדער טשאַטבאָט אַפּלאַקיישאַן.
BERT קען זיין נוציק פֿאַר שפּראַך איבערזעצונג צו פאַרגרעסערן מאַשין איבערזעצונג אַקיעראַסי.
BERT קען זיין געוויינט פֿאַר טעקסט סאַמעריזיישאַן. דערפאר, עס קענען צושטעלן אַ קורץ, נוציק סאַמעריז פון לאַנג טעקסט דאָקומענטן.
DeepVoice
באַידו פאָרשונג באשאפן DeepVoice, אַ טעקסט צו רייד סינטעז מאָדעל.
עס איז געווען באשאפן מיט די TensorFlow פריימווערק און טריינד אויף אַ גרויס זאַמלונג פון קול דאַטן.
DeepVoice דזשענערייץ קול פֿון טעקסט אַרייַנשרייַב. DeepVoice מאכט עס מעגלעך דורך ניצן טיף לערנען טעקניקס. עס איז אַ נעוראַל נעץ-באזירט מאָדעל.
דערפאר, עס אַנאַליזעס אַרייַנשרייַב דאַטן און דזשענערייץ רעדע ניצן אַ ריזיק נומער פון לייַערס פון פארבונדן נאָודז.
ינסטאַלירן DeepVoice
!pip install deepvoice
אַלטערנאַטיוועלי;
# Clone the DeepVoice repository
!git clone https://github.com/r9y9/DeepVoice3_pytorch.git
%cd DeepVoice3_pytorch
!pip install -r requirements.txt
די נוצן פון DeepVoice
איר קענט נוצן DeepVoice צו פּראָדוצירן רעדע פֿאַר פערזענלעכע אַסיסטאַנץ ווי Amazon Alexa און Google Assistant.
אויך, DeepVoice קען זיין גענוצט צו פּראָדוצירן רעדע פֿאַר קול ענייבאַלד דעוויסעס ווי סמאַרט ספּיקערז און היים אָטאַמיישאַן סיסטעמען.
DeepVoice קענען מאַכן אַ קול פֿאַר רעדע טעראַפּיע אַפּלאַקיישאַנז. עס קענען אַרוישעלפן פּאַטיענץ מיט רעדע פּראָבלעמס צו פֿאַרבעסערן זייער רעדע.
DeepVoice קען זיין גענוצט צו שאַפֿן אַ רעדע פֿאַר בילדונגקרייז מאַטעריאַל ווי אַודיאָבאָאָקס און אַפּפּס פֿאַר שפּראַך לערנען.
לאָזן אַ ענטפֿערן