شعار كيراس
مع الشعبية الكبيرة التي اكتسبها استخدام الذكاء الاصطناعي في مناطق مختلفة، "تعلم عميق" (تعلم عميق)، تمكنت أيضًا من اكتساب أهمية كبيرة، نظرًا لأنه يستخدم في اتخاذ القرار، واكتشاف الأشياء، والتعرف على الكلام، وترجمة اللغة، وفي العديد من المهام الأخرى، لأنه ذكر فقط بعضًا من تلك المستخدمة.
منفردا أن أذكر مثالا، تعلم عميق يتم استخدامه في كاميرات المراقبة اليوم وفي هذه الحالة نتحدث عن الاستخدام التجاري الذي يمثل سوقًا كبيرة وقبل كل شيء لأن المراقبة بالفيديو لم تعد ترفا بل أصبحت ضرورة.
وبهذه الطريقة، هناك مجموعة واسعة من المشاريع التجارية ومفتوحة المصدر، سواء في مجال المراقبة بالفيديو أو في حالات الاستخدام الأخرى للتعلم العميق.
عن كيراس
ترك المسألة التجارية جانباً والتركيز أكثر قليلاً على عنوان المقال، أود أن أتحدث قليلاً عن كيراس، وهو واجهة برمجة تطبيقات الشبكة العصبية عالية المستوى مكتوبة بلغة بايثون. مكتبة الشبكة العصبية هذه المصدر المفتوح تم تصميمه لتوفير تجربة سريعة للشبكات العصبية العميقة ويمكن تشغيله فوق CNTK وTensorFlow وTheano.
كما يسلط الضوء على إلى Keras من مشاريع أخرى مماثلة، هو ذلك وهي مصممة بحيث يمكن للناس أن يتعلموها بسهولةنظرًا لأنه تم إنشاؤه ليكون بسيطًا، مع واجهات برمجة التطبيقات المتسقة والبسيطة، فإنه يقلل من الإجراءات اللازمة لتنفيذ التعليمات البرمجية الشائعة ويشرح أخطاء المستخدم بوضوح.
Keras يوفر واجهة Python بمستوى عالٍ من التجريد ووفي الوقت نفسه، لديك خيار خوادم متعددة لأغراض الحساب. وهذا يجعل Keras أبطأ من أطر التعلم العميق الأخرى، ولكنه مناسب جدًا للمبتدئين. لأنه يركز على أن يكون معياريًا وسهل الاستخدام وقابل للتوسيع. لا يتعامل مع الحسابات ذات المستوى المنخفض. بدلاً من ذلك، يقوم بنقلها إلى مكتبة أخرى تسمى Backend.
نقطة أخرى لصالح كيراس هي أن يسمح للمستخدمين بإنتاج نماذج عميقة كلا iOS وAndroid، وكذلك على الويب وفي JVM، بالإضافة إلى أنه يتمتع بدعم قوي لوحدات معالجة الرسومات المتعددة ودعم تدريبي موزع.
كيراس 3
ومن الجدير بالذكر أن كيراس، وهو موجود حاليًا في فرعه 3.x، الذي تم إصداره قبل بضعة أسابيع وقد تلقى هذا الفرع الجديد بالفعل بعض التحسينات والتصحيحات، والتي يمكننا من خلالها أن ندرك أن المشروع في تطور مستمر وأنه يحتوي على مجتمع نشط كبير.
لقد خضع Keras لاختبار تجريبي عام مكثف لعدة أشهر، ويمثل إصدار Keras 3 إعادة كتابة كاملة، مما يؤدي إلى تحسين قدرات التدريب ونشر النماذج على نطاق واسع.
ضمن الملامح الرئيسية لهذا الفرع الجديد من Keras 3، يبرز ما يلي:
دعم متعدد الخلفية
مما لا شك فيه أن إحدى الميزات الجديدة الرائعة لـ Keras 3.0 هي دعمها غير المسبوق للواجهات الخلفية المتعددة، حيث أنها تعمل كموصل فائق مع القدرة على تحديد الواجهة الخلفية ديناميكيًا والتي ستوفر أفضل أداء دون الحاجة إلى تغيير أي شيء في الكود.
تحسينات الأداء
من بين النقاط الرئيسية الأخرى في Keras 3.0 تحسينات الأداء، لأنها تستفيد من تجميع XLA (الجبر الخطي المتسارع) لتحسين الحسابات الرياضية، بالإضافة إلى مضاعفة تحسين الأداء، ودمج التقنيات مثل التدريب الدقيق المختلط والتدريب الموزع.
النظام البيئي الموسع
مع هذا التحديث الجديد، تلقت Keras تحسينات في الدعم ويمكن إنشاء مثيل لها كـ PyTorch، أو تصديرها كنموذج TensorFlow، أو إنشاء مثيل لها كوظيفة JAX عديمة الحالة. هذا يعني أنه يمكنك الاستفادة من نقاط القوة في كل إطار عمل ممتد للنظام البيئي لـ Keras دون التقيد بنظام بيئي واحد.
ومن الجدير بالذكر أن Keras 3 متوافق بشكل كبير مع Keras 2، نظرًا لأنه ينفذ Keras 2 API، مع عدد محدود من الاستثناءات، لذلك لن يضطر معظم المستخدمين إلى إجراء أي تغييرات في التعليمات البرمجية لبدء تشغيل البرامج النصية الخاصة بهم. إصدار.
وأخيرا، إذا كنت مهتمًا بمعرفة المزيد عنها ، يمكنك التحقق من تفاصيل هذا الفرع الجديد في الرابط التالي. إذا كنت تريد أن تعرف كيفية تنفيذ كيراس؟ على نظامك، يمكنك التحقق من طرق التثبيت في هذا الرابط ، بينما لمثل هذا تماما التوثيق وحالات الاستخدام للتعرف على ذلك، يمكنك القيام بذلك على هذا الرابط.