Keras logo
Kanssa Tekoälyn käyttö on saavuttanut suuren suosion eri alueilla, "Syvä oppiminen" (syvä oppiminen), on myös onnistunut saamaan suuren merkityksen, koska sitä käytetään päätöksentekoon, objektien havaitsemiseen, puheentunnistukseen, kielen kääntämiseen ja moniin muihin tehtäviin, koska se mainitsi vain osan käytetyistä.
Soolo esimerkin mainitakseni, syvä oppiminen Sitä käytetään valvontakameroissa tänään ja tässä tapauksessa puhumme kaupallisesta käytöstä, joka edustaa suuria markkinoita ja ennen kaikkea siksi, että videovalvonta ei ole enää luksusta, vaan siitä on alkanut tulla välttämättömyys.
Tällä tavalla on olemassa laaja valikoima sekä kaupallisia että avoimen lähdekoodin projekteja, sekä tälle videovalvonta-alueelle että muihin syväoppimisen käyttötapauksiin.
Tietoja Kerasta
Jos kaupallinen kysymys jätetään syrjään ja keskitytään hieman enemmän artikkelin otsikkoon, Haluaisin puhua hieman Kerasista, joka on Pythonilla kirjoitettu korkean tason neuroverkkosovellusliittymä. Tämä hermoverkkokirjasto avoin lähdekoodi on suunniteltu tarjoamaan nopeaa kokeilua syvien hermoverkkojen kanssa ja se voi toimia CNTK:n, TensorFlow'n ja Theanon päällä.
mikä tahansa kohokohdat Kerakseen muista vastaavista projekteista Se on suunniteltu niin, että ihmiset voivat oppia sen helposti, koska se luotiin yksinkertaiseksi, johdonmukaisilla ja yksinkertaisilla API:illa, se vähentää yhteisen koodin toteuttamiseen tarvittavia toimia ja selittää selkeästi käyttäjien virheet.
Keras tarjoaa Python-käyttöliittymän korkealla abstraktiotasolla ja, samaan aikaan sinulla on mahdollisuus käyttää useita palvelimia laskentatarkoituksiin. Tämä tekee Kerasista hitaamman kuin muut syväoppimiskehykset, mutta erittäin aloittelijaystävällisen. koska se keskittyy olemaan modulaarinen, helppokäyttöinen ja laajennettavissa. Se ei käsittele matalan tason laskelmia; sen sijaan se siirtää ne toiseen kirjastoon nimeltä Backend.
Toinen seikka Kerasin hyväksi on se avulla käyttäjät voivat tuottaa syviä malleja molemmat iOS, Android sekä verkossa ja JVM:ssä, Lisäksi siinä on vahva usean grafiikkasuorittimen tuki ja hajautettu koulutustuki.
Keras 3
On syytä mainita, että Keras, Se on tällä hetkellä 3.x-haaralla, joka julkaistiin muutama viikko sitten ja tämä uusi haara on jo saanut joitain parannuksia ja korjauksia, joiden avulla voimme todeta, että projekti on jatkuvassa kehityksessä ja sillä on suuri aktiivinen yhteisö.
Keras on ollut intensiivisessä julkisessa beta-testauksessa useita kuukausia, ja Keras 3:n julkaisu edustaa täydellistä uudelleenkirjoitusta, joka parantaa koulutusvalmiuksia ja mallien käyttöönottoa mittakaavassa.
sisällä tämän uuden haaran pääpiirteet Keras 3:sta erottuu seuraavat asiat:
Usean taustajärjestelmän tuki
Epäilemättä yksi Keras 3.0:n suurista uutuuksista on sen ennennäkemätön tuki useille taustajärjestelmille, koska se toimii superliittimenä, jonka avulla voidaan dynaamisesti valita taustaohjelma, joka tarjoaa parhaan suorituskyvyn ilman, että koodissa tarvitsee muuttaa mitään.
Suorituskyvyn parannukset
Toinen Keras 3.0:n tärkeimmistä kohokohdista on suorituskyvyn parannukset, koska se hyödyntää XLA (Accelerated Linear Algebra) -kokoelmaa matemaattisten laskelmien optimointiin sen lisäksi, että se kaksinkertaistaa suorituskyvyn optimoinnin, integroi tekniikoita, kuten sekoitettua tarkkuusharjoitusta ja hajautettua koulutusta.
Laajennettu ekosysteemi
Tämän uuden päivityksen myötä Keras sai tukiparannuksia, ja se voidaan instantoida PyTorch-muodossa, viedä TensorFlow-mallina tai instantoida tilattomaksi JAX-funktioksi. Tämä tarkoittaa, että voit hyödyntää jokaisen laajennetun Keras-ekosysteemikehyksen vahvuuksia ilman, että olet lukittunut yhteen ekosysteemiin.
On syytä mainita, että Keras 3 on erittäin yhteensopiva Keras 2:n kanssa, koska se toteuttaa Keras 2 API:n rajoitetuin poikkeuksin, joten useimpien käyttäjien ei tarvitse tehdä mitään koodimuutoksia aloittaakseen skriptien suorittamisen. Keras tässä uudessa versio.
lopuksi, Jos haluat tietää enemmän siitä, voit tarkistaa tämän uuden haaran tiedot Seuraavassa linkissä. Jos haluat tietää ,. miten Keras otetaan käyttöön? järjestelmässäsi, voit tarkistaa asennustavat tässä linkissä, kun vain sellaiseksi dokumentaatio ja käyttötapaukset Jos haluat oppia siitä, voit tehdä sen osoitteessa tämä linkki