Главная | Новости | Полезная информация | Документация | Школа | Файлы | Ссылки | Форум
 Текущая сборка
RusNuke Current
Web-SVN
SVN репозиторий
Bug Tracker

 Навигация
Главная
Новости
Обзоры
Информация
Документация
Вопросы и ответы
Каталог файлов
Каталог ссылок
Информация о проекте
Рассылка новостей
Контакт с автором
Наполнение сайта
Добавить статью
Добавить файл
Добавить ссылку

Наши услуги
Обменный пункт WM
Реклама на проекте
Платные услуги
Услуги хостинга

Отраслевые публикации
Статьи по отраслям

 Поиск по сайту


Google
Web nukefiles.ru


Как развивается машинное обучение?



Упоминание машинного обучения и многих общих фреймворков вошло в голову от «олдскульных» приверженцев, таких как TensorFlow от Google. Но поле большое и разнообразное, и на ландшафтах всплывают полезные инновации.

Последние выпуски трех проектов с открытым исходным кодом продолжают марш в направлении ускорения процесса разработки, более масштабируемого и более простого в использовании. PyTorch и Apache MXNet поддерживают GPU для машинного обучения и глубокого обучения на Python.

У Pythonistas легко самый большой список библиотек машинного обучения на выбор. PyTorch, библиотека тендеров глубокого обучения с ускорением GPU, дает еще один убедительный вариант.

PyTorch был построен в первую очередь для использования в экосистеме Python. Многие из его функций могут заменять или дополнять пакеты Python math-and-stats, такие как NumPy, и могут расширять функции многопроцессорности Python для обмена памятью для заданий Torch. Но PyTorch должен быть полезен для большинства, кто занимается глубоким обучением или машинным обучением, поскольку он включает в себя такие функции, как изменение существующей, обученной нейронной сети без необходимости запускать с нуля.

В выпуске PyTorch версии 0.2.0 представлено большое архитектурное изменение, получившее название Distributed PyTorch. Тензоры в PyTorch теперь можно масштабировать и распределять по нескольким машинам для более быстрой обработки. Несколько концов сети позволяют выбрать модель масштабирования, которая наилучшим образом соответствует вашей топологии или инфраструктуре сети. Например, библиотека Gloo может использовать межсетевое соединение GPUDirect от Nvidia для быстрой передачи между GPU на разных компьютерах.

Другие дополнения к PyTorch 0.2.0 включают:

Тензорное вещание. Библиотека NumPy от Python позволяет обрабатывать массивы с различными формами, как если бы они были одного размера, чтобы ускорить обработку нескольких массивов. Эта технология, называемая «трансляция», теперь может быть выполнена и в PyTorch на тензорах, без копирования операций, которые убивают производительность и потребляют память.

Градиенты более высокого порядка. Это часто запрашиваемое дополнение к PyTorch позволяет вам вычислить совершенно новый класс функций (например, развернутых генеративных состязательных сетей) непосредственно в PyTorch. Однако, чтобы в полной мере воспользоваться этим, вам необходимо создать определенные функции PyTorch, используя новую методологию. (Функции старого стиля будут продолжать работать.)

Расширенный тензор и переменная индексация. Еще одна концепция, заимствованная из NumPy, расширенная индексация позволяет вам выбирать произвольные срезы тензора, не перепрыгивая через дополнительные псевдонимы программирования.

Если TensorFlow является ответом Google на глубокое обучение, Apache MXNet - это ответ Amazon. Последняя версия системы MXNet, предназначенная для работы в массовом масштабе, добавляет только несколько новых функций. Но оба предназначены для того, чтобы MXNet был полезен разработчикам, работающим над тем, чтобы довести искусственный интеллект к пользовательским продуктам:

Поддержка моделей MXNet на устройствах Apple через формат модели Core ML. Core ML - это основа Apple для создания моделей машинного обучения, достаточно компактных для работы на смартфонах. Модели MXNet теперь могут быть преобразованы в формат Core ML, поэтому модели, обученные в облаке (в частности, Amazon's), могут быть преобразованы и развернуты на устройствах iOS или MacOS. Набор инструментов, используемый для выполнения преобразования, также может преобразовывать модели из структуры Caffe.



admin1 - 01/09/2017



Комментарии к статье
Вы не можете отправить комментарий анонимно, пожалуйста зарегистрируйтесь.


пїЅпїЅпїЅпїЅпїЅпїЅпїЅ пїЅпїЅпїЅпїЅпїЅпїЅпїЅ пїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅ - пїЅпїЅпїЅпїЅпїЅпїЅ

 Авторизация
Логин
Пароль
Регистрация на сайте
Забыли свой пароль?

 Сейчас на сайте
Гостей: 10
Пользователей: 0
Всего: 10

 Наш опрос
Какой форум предпочитаете?

Invision Power Board
vBulletin
Phorum
MyBB
PunBB
Simple Machines Forum
phpBB
BBtoNuke



Результаты
Другие опросы

Ответов: 1339
Комментариев: 10

 Рассылка новостей
Подробнее...

 Реклама


Главная | Новости | Полезная информация | Документация | Школа | Файлы | Ссылки | Форум
Copyright © 2002 Internet studio. All Rights Reserved.
Web site engine's code is Copyright © 2002 by PHP-Nuke.
PHP-Nuke is a free test software released under the GNU/GPL.
Страница сгенерирована за 0.0552 с. Выполнено 17 запроса к базе данных за 0.0216 с.

Rambler's Top100 Рейтинг@Mail.ru liveinternet.ru: показано число просмотров и посетителей за 24 часа