Keras logotipas
Su didelio populiarumo, kurį įgijo dirbtinio intelekto naudojimas įvairiose srityse, „Gilus mokymasis“ (gilus mokymasis), taip pat sugebėjo įgyti didelę reikšmę, nes jis naudojamas sprendimų priėmimui, objektų aptikimui, kalbos atpažinimui, kalbos vertimui ir daugeliui kitų užduočių, nes jame buvo paminėti tik kai kurie naudojami.
Solo paminėti pavyzdį, gilus mokymasis Jis naudojamas stebėjimo kamerose šiandien ir šiuo atveju kalbame apie komercinį naudojimą, kuris atstovauja didelę rinką ir visų pirma todėl, kad vaizdo stebėjimas nebėra prabanga, o tapo būtinybe.
Tokiu būdu yra daugybė komercinių ir atvirojo kodo projektų, skirtų tiek šiai vaizdo stebėjimo sričiai, tiek kitiems gilaus mokymosi atvejams.
Apie Kerą
Paliekant nuošalyje komercinę problemą ir sutelkiant dėmesį į straipsnio pavadinimą, Norėčiau šiek tiek pakalbėti apie Kerą, kuris yra a Aukšto lygio neuroninio tinklo API, parašyta Python. Ši neuroninio tinklo biblioteka atvirojo kodo sukurtas siekiant greitai eksperimentuoti su giliais neuroniniais tinklais ir gali veikti naudojant CNTK, TensorFlow ir Theano.
Ką išsiskirti į Kerą iš kitų panašių projektų, ar tai Jis sukurtas taip, kad žmonės galėtų lengvai to išmokti, kadangi jis buvo sukurtas paprastas, su nuosekliomis ir paprastomis API, sumažina veiksmus, reikalingus norint įdiegti bendrą kodą, ir aiškiai paaiškina vartotojo klaidas.
Keras suteikia Python sąsają su aukštu abstrakcijos lygiu ir, tuo pačiu metu skaičiavimo tikslais galite pasirinkti kelis serverius. Dėl to „Keras“ yra lėtesnis nei kitos gilaus mokymosi sistemos, tačiau ypač patogus pradedantiesiems. kadangi pagrindinis dėmesys skiriamas tam, kad jis būtų modulinis, paprastas naudoti ir išplečiamas. Jis neatlieka žemo lygio skaičiavimų; vietoj to perkelia juos į kitą biblioteką, pavadintą Backend.
Kitas Kero naudai skirtas punktas yra tas leidžia vartotojams gaminti giluminius modelius abu iOS, Android, taip pat žiniatinklyje ir JVM, be to, jis turi stiprų kelių GPU palaikymą ir paskirstytą mokymo palaikymą.
Keras 3
Verta paminėti, kad Keras, Šiuo metu jis yra 3.x filiale, kuris buvo išleistas prieš kelias savaites ir šis naujas filialas jau sulaukė tam tikrų patobulinimų ir pataisymų, su kuriais galime suprasti, kad projektas yra nuolat tobulinamas ir turi didelę aktyvią bendruomenę.
„Keras“ jau keletą mėnesių intensyviai bando viešą beta versiją, o „Keras 3“ išleidimas reiškia visišką perrašymą, pagerinant mokymo ir modelių diegimo galimybes.
Per Pagrindiniai šios naujos šakos bruožai Iš Keras 3 išsiskiria:
Multi-backend palaikymas
Be jokios abejonės, viena iš didžiausių Keras 3.0 naujovių yra precedento neturintis kelių užpakalinių sistemų palaikymas, nes jis veikia kaip super jungtis su galimybe dinamiškai pasirinkti užpakalinę sistemą, kuri užtikrins geriausią našumą, nieko nekeičiant kode.
Našumo patobulinimai
Dar vienas iš svarbiausių Keras 3.0 akcentų yra našumo patobulinimai, nes ji naudoja XLA (pagreitintos tiesinės algebros) kompiliaciją, kad optimizuotų matematinius skaičiavimus, ne tik padvigubina našumo optimizavimą, bet ir integruoja tokius metodus kaip mišrus tikslumo treniruotės ir paskirstytos treniruotės.
Išplėsta ekosistema
Su šiuo nauju naujinimu „Keras“ gavo patobulinimų ir gali būti sukurtas kaip „PyTorch“, eksportuotas kaip „TensorFlow“ modelis arba kaip JAX funkcija be būsenos. Tai reiškia, kad galite pasinaudoti kiekvienos išplėstinės Keras ekosistemos sistemos pranašumais, neprisijungę prie vienos ekosistemos.
Verta paminėti, kad „Keras 3“ yra labai suderinama su „Keras 2“, nes joje įdiegta „Keras 2“ API su ribotu išimčių skaičiumi, todėl daugumai vartotojų nereikės keisti kodo, kad pradėtų paleisti savo scenarijus. versija.
Galiausiai, Jei norite sužinoti daugiau apie tai, galite patikrinti šio naujo filialo informaciją Šioje nuorodoje. Jei norite sužinoti ,. kaip diegti Keras? savo sistemoje galite patikrinti diegimo būdus šioje nuorodoje o kaip tik tam dokumentacija ir naudojimo atvejai Norėdami sužinoti apie tai, galite tai padaryti adresu šią nuorodą.