ເຄືອຂ່າຍ neural. ທັງໝົດນີ້ໄປໃສ?

ບົດ​ຄວາມ​ປະ​ກອບ​ດ້ວຍ​ສອງ​ພາກ​ສ່ວນ​:

1. ລາຍລະອຽດສັ້ນໆກ່ຽວກັບບາງສະຖາປັດຕະຍະກໍາເຄືອຂ່າຍສໍາລັບການຊອກຄົ້ນຫາວັດຖຸໃນຮູບພາບແລະການແບ່ງສ່ວນຮູບພາບທີ່ມີການເຊື່ອມໂຍງທີ່ເຂົ້າໃຈໄດ້ຫຼາຍທີ່ສຸດກັບຊັບພະຍາກອນສໍາລັບຂ້ອຍ. ຂ້າພະເຈົ້າໄດ້ພະຍາຍາມເລືອກຄໍາອະທິບາຍວິດີໂອແລະມັກໃນພາສາລັດເຊຍ.
2. ສ່ວນທີສອງແມ່ນຄວາມພະຍາຍາມທີ່ຈະເຂົ້າໃຈທິດທາງຂອງການພັດທະນາສະຖາປັດຕະຍະກໍາເຄືອຂ່າຍ neural. ແລະເຕັກໂນໂລຢີໂດຍອີງໃສ່ພວກມັນ.

ຮູບທີ 1 - ການເຂົ້າໃຈສະຖາປັດຕະຍະກໍາເຄືອຂ່າຍ neural ບໍ່ແມ່ນເລື່ອງງ່າຍ

ມັນທັງຫມົດໄດ້ເລີ່ມຕົ້ນໂດຍການເຮັດໃຫ້ສອງຄໍາຮ້ອງສະຫມັກ demo ສໍາລັບການຈັດປະເພດວັດຖຸແລະການກວດສອບຢູ່ໃນໂທລະສັບ Android:

• ການສາທິດດ້ານຫຼັງ, ເມື່ອຂໍ້ມູນຖືກປະມວນຜົນໃນເຊີບເວີແລະຖືກສົ່ງໄປຫາໂທລະສັບ. ການຈັດປະເພດຮູບພາບຂອງສາມປະເພດຂອງຫມີສວນ່: ສີນ້ໍາຕານ, ສີດໍາແລະ teddy.
• ການສາທິດດ້ານໜ້າເມື່ອຂໍ້ມູນຖືກປະມວນຜົນຢູ່ໃນໂທລະສັບຂອງມັນເອງ. ການ​ກວດ​ສອບ​ວັດ​ຖຸ (ກວດ​ສອບ​ວັດ​ຖຸ​) ສາມ​ປະ​ເພດ​: hazelnuts​, figs ແລະ​ວັນ​ທີ​.

ມີຄວາມແຕກຕ່າງກັນລະຫວ່າງວຽກງານການຈັດປະເພດຮູບພາບ, ການຊອກຄົ້ນຫາວັດຖຸໃນຮູບພາບແລະ ການແບ່ງສ່ວນຮູບພາບ. ດັ່ງນັ້ນ, ມີຄວາມຕ້ອງການທີ່ຈະຊອກຫາວ່າສະຖາປັດຕະຍະກໍາເຄືອຂ່າຍ neural ໃດກວດພົບວັດຖຸໃນຮູບພາບແລະອັນໃດສາມາດແບ່ງແຍກພວກມັນໄດ້. ຂ້ອຍພົບຕົວຢ່າງຕໍ່ໄປນີ້ຂອງສະຖາປັດຕະຍະກໍາທີ່ມີການເຊື່ອມຕໍ່ທີ່ເຂົ້າໃຈໄດ້ຫຼາຍທີ່ສຸດກັບຊັບພະຍາກອນສໍາລັບຂ້ອຍ:

• ຊຸດສະຖາປັດຕະຍະກໍາທີ່ອີງໃສ່ R-CNN (Rພາກພື້ນທີ່ມີ Cການປະຕິວັດ Nເອີໂຣ Nຄຸນ​ນະ​ສົມ​ບັດ etworks​: R​-CNN​, ໄວ R-CNN​, R-CNN ໄວກວ່າ, ຫນ້າກາກ R-CNN. ເພື່ອກວດຫາວັດຖຸໃນຮູບພາບ, ກ່ອງຂອບຈະຖືກຈັດສັນໂດຍໃຊ້ກົນໄກການສະເໜີພາກພື້ນ (RPN). ໃນເບື້ອງຕົ້ນ, ກົນໄກການຊອກຫາທີ່ຊ້າກວ່າໄດ້ຖືກນໍາໃຊ້ແທນ RPN. ຫຼັງຈາກນັ້ນ, ພື້ນທີ່ຈໍາກັດທີ່ເລືອກໄດ້ຖືກປ້ອນເຂົ້າໃນການປ້ອນຂໍ້ມູນຂອງເຄືອຂ່າຍ neural ທໍາມະດາສໍາລັບການຈັດປະເພດ. ສະຖາປັດຕະຍະກໍາ R-CNN ມີ "ສໍາລັບ" loops ຢ່າງຊັດເຈນໃນຂອບເຂດຈໍາກັດ, ທັງຫມົດເຖິງ 2000 ແລ່ນຜ່ານເຄືອຂ່າຍພາຍໃນ AlexNet. loops “for” ຢ່າງຊັດເຈນເຮັດໃຫ້ຄວາມໄວການປະມວນຜົນຮູບພາບຊ້າລົງ. ຈໍານວນຂອງ loops explicit ແລ່ນຜ່ານເຄືອຂ່າຍ neural ພາຍໃນຫຼຸດລົງໃນແຕ່ລະສະບັບຂອງສະຖາປັດຕະຍະກໍາໃຫມ່, ແລະການປ່ຽນແປງອື່ນໆຫຼາຍສິບແມ່ນເຮັດເພື່ອເພີ່ມຄວາມໄວແລະເພື່ອທົດແທນວຽກງານຂອງການກວດສອບວັດຖຸທີ່ມີການແບ່ງສ່ວນວັດຖຸໃນ Mask R-CNN.
• YOLO (You Only Look Once) ແມ່ນເຄືອຂ່າຍ neural ທໍາອິດທີ່ຮັບຮູ້ວັດຖຸໃນເວລາທີ່ແທ້ຈິງໃນອຸປະກອນມືຖື. ຄຸນ​ນະ​ສົມ​ບັດ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​: ການ​ຈໍາ​ແນກ​ວັດ​ຖຸ​ໃນ​ການ​ແລ່ນ​ຫນຶ່ງ (ເບິ່ງ​ຄັ້ງ​ດຽວ​)​. ນັ້ນແມ່ນ, ໃນສະຖາປັດຕະຍະກໍາ YOLO ບໍ່ມີ "ສໍາລັບ" loops ຢ່າງຊັດເຈນ, ນັ້ນແມ່ນເຫດຜົນທີ່ເຄືອຂ່າຍເຮັດວຽກຢ່າງໄວວາ. ຕົວຢ່າງ, ການປຽບທຽບນີ້: ໃນ NumPy, ເມື່ອປະຕິບັດການດໍາເນີນການກັບ matrices, ຍັງບໍ່ມີ "ສໍາລັບ" loops ຢ່າງຊັດເຈນ, ເຊິ່ງໃນ NumPy ໄດ້ຖືກປະຕິບັດໃນລະດັບຕ່ໍາຂອງສະຖາປັດຕະໂດຍຜ່ານພາສາ C programming. YOLO ໃຊ້ຕາຂ່າຍໄຟຟ້າຂອງປ່ອງຢ້ຽມທີ່ກໍານົດໄວ້ລ່ວງຫນ້າ. ເພື່ອປ້ອງກັນບໍ່ໃຫ້ວັດຖຸດຽວກັນຖືກກໍານົດຫຼາຍຄັ້ງ, ຄ່າສໍາປະສິດການທັບຊ້ອນປ່ອງຢ້ຽມ (IoU) ຖືກນໍາໃຊ້. Iສີ່ແຍກ over Union). ສະຖາປັດຕະຍະກໍານີ້ດໍາເນີນການໃນຂອບເຂດທີ່ກວ້າງຂວາງແລະມີຄວາມສູງ ຄວາມ​ເຂັ້ມ​ແຂງ​: ຕົວແບບສາມາດຝຶກການຖ່າຍຮູບໄດ້ແຕ່ຍັງປະຕິບັດໄດ້ດີໃນການແຕ້ມດ້ວຍມື.
• SSD (Sຮ່ອງ SMultiBox ຮ້ອນ Detector) - "hacks" ທີ່ປະສົບຜົນສໍາເລັດຫຼາຍທີ່ສຸດຂອງສະຖາປັດຕະຍະກໍາ YOLO ຖືກນໍາໃຊ້ (ຕົວຢ່າງ, ການສະກັດກັ້ນທີ່ບໍ່ແມ່ນສູງສຸດ) ແລະໃຫມ່ໄດ້ຖືກເພີ່ມເພື່ອເຮັດໃຫ້ເຄືອຂ່າຍ neural ເຮັດວຽກໄວແລະຖືກຕ້ອງຫຼາຍຂຶ້ນ. ຄຸນ​ນະ​ສົມ​ບັດ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​: ການ​ຈໍາ​ແນກ​ວັດ​ຖຸ​ໃນ​ການ​ແລ່ນ​ຫນຶ່ງ​ໂດຍ​ນໍາ​ໃຊ້​ຕາ​ຂ່າຍ​ໄຟ​ຟ້າ​ຂອງ​ປ່ອງ​ຢ້ຽມ (ປ່ອງ​ໃນ​ຕອນ​ຕົ້ນ​) ໃນ pyramid ຮູບ​ພາບ​. pyramid ຮູບພາບໄດ້ຖືກເຂົ້າລະຫັດໃນ convolution tensors ໂດຍຜ່ານການ convolution ຢ່າງຕໍ່ເນື່ອງແລະການດໍາເນີນງານ pooling (ກັບການດໍາເນີນງານ max-pooling, ຂະຫນາດທາງພື້ນທີ່ຫຼຸດລົງ). ດ້ວຍວິທີນີ້, ທັງວັດຖຸຂະຫນາດໃຫຍ່ແລະຂະຫນາດນ້ອຍແມ່ນຖືກກໍານົດໃນຫນຶ່ງແລ່ນເຄືອຂ່າຍ.
• MobileSSD (ໂທລະສັບມືຖືNetV2+ SSD) ແມ່ນການປະສົມປະສານຂອງສອງສະຖາປັດຕະຍະກໍາເຄືອຂ່າຍ neural. ເຄືອຂ່າຍທໍາອິດ MobileNetV2 ເຮັດວຽກຢ່າງໄວວາແລະເພີ່ມຄວາມຖືກຕ້ອງຂອງການຮັບຮູ້. MobileNetV2 ຖືກ​ນໍາ​ໃຊ້​ແທນ​ທີ່​ຈະ​ເປັນ VGG-16​, ເຊິ່ງ​ໄດ້​ຖືກ​ນໍາ​ໃຊ້​ໃນ​ເບື້ອງ​ຕົ້ນ​ ບົດຄວາມຕົ້ນສະບັບ. ເຄືອຂ່າຍ SSD ທີສອງກໍານົດສະຖານທີ່ຂອງວັດຖຸໃນຮູບພາບ.
• SqueezeNet - ເຄືອຂ່າຍ neural ຂະຫນາດນ້ອຍຫຼາຍແຕ່ຖືກຕ້ອງ. ດ້ວຍຕົວມັນເອງ, ມັນບໍ່ໄດ້ແກ້ໄຂບັນຫາການກວດພົບວັດຖຸ. ຢ່າງໃດກໍ່ຕາມ, ມັນສາມາດຖືກນໍາໃຊ້ໃນການປະສົມປະສານຂອງສະຖາປັດຕະຍະກໍາທີ່ແຕກຕ່າງກັນ. ແລະໃຊ້ໃນອຸປະກອນມືຖື. ລັກສະນະທີ່ໂດດເດັ່ນແມ່ນວ່າຂໍ້ມູນທໍາອິດຖືກບີບອັດເຂົ້າໄປໃນສີ່ກອງ 1 × 1 convolutional ແລະຫຼັງຈາກນັ້ນຂະຫຍາຍອອກເປັນສີ່ 1 × 1 ແລະສີ່ 3 × 3 ການກັ່ນຕອງ convolutional. ການຂະຫຍາຍການບີບອັດຂໍ້ມູນແບບຊ້ຳໆອັນໜຶ່ງເອີ້ນວ່າ “ໂມດູນໄຟ”.
• DeepLab (Semantic Image Segmentation with Deep Convolutional Nets) – ການແບ່ງສ່ວນຂອງວັດຖຸໃນຮູບພາບ. ລັກສະນະທີ່ໂດດເດັ່ນຂອງສະຖາປັດຕະຍະກໍາແມ່ນ dilated convolution, ເຊິ່ງຮັກສາຄວາມລະອຽດທາງກວ້າງຂອງພື້ນ. ນີ້ແມ່ນປະຕິບັດຕາມຂັ້ນຕອນຫຼັງການປະມວນຜົນຂອງຜົນໄດ້ຮັບໂດຍໃຊ້ຮູບແບບຄວາມເປັນໄປໄດ້ຂອງກາຟິກ (ສະຫນາມ Random ທີ່ມີເງື່ອນໄຂ), ເຊິ່ງຊ່ວຍໃຫ້ທ່ານສາມາດເອົາສິ່ງລົບກວນຂະຫນາດນ້ອຍໃນ segmentation ແລະປັບປຸງຄຸນນະພາບຂອງຮູບພາບທີ່ຖືກແບ່ງອອກ. ຢູ່ເບື້ອງຫຼັງຊື່ທີ່ເປັນຕາຢ້ານ “ຕົວແບບຄວາມເປັນໄປໄດ້ໃນກາຟິກ” ເຊື່ອງຕົວກອງ Gaussian ທຳມະດາ, ເຊິ່ງປະມານຫ້າຈຸດ.
• ພະຍາຍາມຄິດອອກອຸປະກອນ RefineDet (ຍິງດຽວ ປັບປຸງment ເຄືອຂ່າຍ Neural ສໍາລັບວັດຖຸ ມັນection), ແຕ່ຂ້ອຍບໍ່ເຂົ້າໃຈຫຼາຍ.
• ຂ້ອຍຍັງໄດ້ເບິ່ງວິທີການເຕັກໂນໂລຢີ "ຄວາມສົນໃຈ" ເຮັດວຽກ: ວິດີໂອ1, ວິດີໂອ2, ວິດີໂອ3. ລັກສະນະທີ່ໂດດເດັ່ນຂອງສະຖາປັດຕະຍະກໍາ "ຄວາມສົນໃຈ" ແມ່ນການຄັດເລືອກອັດຕະໂນມັດຂອງພາກພື້ນທີ່ມີຄວາມສົນໃຈເພີ່ມຂຶ້ນໃນຮູບພາບ (RoI, Rພາກພື້ນ of Interest) ໂດຍໃຊ້ເຄືອຂ່າຍ neural ທີ່ເອີ້ນວ່າ Attention Unit. ພາກພື້ນຂອງຄວາມສົນໃຈເພີ່ມຂຶ້ນແມ່ນຄ້າຍຄືກັນກັບກ່ອງທີ່ມີຊາຍແດນຕິດ, ແຕ່ບໍ່ເຫມືອນກັບພວກມັນ, ພວກມັນບໍ່ໄດ້ຖືກແກ້ໄຂໃນຮູບພາບແລະອາດຈະມີຂອບເຂດທີ່ມົວ. ຫຼັງຈາກນັ້ນ, ຈາກພາກພື້ນທີ່ມີຄວາມສົນໃຈເພີ່ມຂຶ້ນ, ສັນຍານ (ລັກສະນະ) ແມ່ນໂດດດ່ຽວ, ເຊິ່ງ "ປ້ອນ" ກັບເຄືອຂ່າຍ neural ທີ່ເກີດຂຶ້ນຄືນໃຫມ່ທີ່ມີສະຖາປັດຕະຍະກໍາ. LSDM, GRU ຫຼື Vanilla RNN. ເຄືອຂ່າຍ neural recurrent ແມ່ນສາມາດວິເຄາະຄວາມສໍາພັນຂອງລັກສະນະໃນລໍາດັບ. ເຄືອຂ່າຍປະສາດທີ່ເກີດຂຶ້ນຊ້ຳໄດ້ຖືກນໍາໃຊ້ໃນເບື້ອງຕົ້ນເພື່ອແປຂໍ້ຄວາມເປັນພາສາອື່ນ, ແລະໃນປັດຈຸບັນສໍາລັບການແປພາສາ ຮູບ​ພາບ​ກັບ​ຂໍ້​ຄວາມ​ и ຂໍ້ຄວາມໃສ່ຮູບພາບ.

ໃນຂະນະທີ່ພວກເຮົາຄົ້ນຫາສະຖາປັດຕະຍະກໍາເຫຼົ່ານີ້ ຂ້ອຍຮູ້ວ່າຂ້ອຍບໍ່ເຂົ້າໃຈຫຍັງເລີຍ. ແລະມັນບໍ່ແມ່ນວ່າເຄືອຂ່າຍ neural ຂອງຂ້ອຍມີບັນຫາກັບກົນໄກການເອົາໃຈໃສ່. ການສ້າງສະຖາປັດຕະຍະກໍາທັງຫມົດເຫຼົ່ານີ້ແມ່ນຄ້າຍຄື hackathon ຂະຫນາດໃຫຍ່ບາງ, ບ່ອນທີ່ຜູ້ຂຽນແຂ່ງຂັນໃນ hacks. Hack ເປັນການແກ້ໄຂໄວຕໍ່ກັບບັນຫາຊອບແວທີ່ມີຄວາມຫຍຸ້ງຍາກ. ນັ້ນແມ່ນ, ບໍ່ມີການເຊື່ອມໂຍງຢ່າງມີເຫດຜົນແລະເຂົ້າໃຈໄດ້ລະຫວ່າງສະຖາປັດຕະຍະກໍາທັງຫມົດເຫຼົ່ານີ້. ທັງຫມົດທີ່ unites ໃຫ້ເຂົາເຈົ້າແມ່ນຊຸດຂອງ hacks ສົບຜົນສໍາເລັດຫຼາຍທີ່ສຸດທີ່ເຂົາເຈົ້າກູ້ຢືມຈາກກັນແລະກັນ, ບວກກັບຫນຶ່ງທົ່ວໄປສໍາລັບທຸກຄົນ ການດໍາເນີນງານ convolution ວົງປິດ (ການ​ແຜ່​ພັນ​ຜິດ​ພາດ​, backpropagation​)​. ບໍ່ ແນວຄິດລະບົບ! ມັນບໍ່ຊັດເຈນວ່າຈະປ່ຽນແປງຫຍັງແລະວິທີການເພີ່ມປະສິດທິພາບຜົນສໍາເລັດທີ່ມີຢູ່.

ເປັນຜົນມາຈາກການຂາດການເຊື່ອມຕໍ່ຢ່າງມີເຫດຜົນລະຫວ່າງ hacks, ພວກເຂົາເຈົ້າມີຄວາມຫຍຸ້ງຍາກທີ່ສຸດທີ່ຈະຈື່ຈໍາແລະນໍາໃຊ້ໃນການປະຕິບັດ. ນີ້ແມ່ນຄວາມຮູ້ທີ່ແຕກແຍກ. ດີທີ່ສຸດ, ຊ່ວງເວລາທີ່ໜ້າສົນໃຈ ແລະ ບໍ່ຄາດຄິດຈະຈື່ໄດ້, ແຕ່ສິ່ງທີ່ເຂົ້າໃຈ ແລະ ເຂົ້າໃຈບໍ່ໄດ້ສ່ວນຫຼາຍຈະຫາຍໄປຈາກຄວາມຊົງຈຳພາຍໃນສອງສາມມື້. ມັນຈະດີຖ້າໃນຫນຶ່ງອາທິດທ່ານຈື່ຢ່າງຫນ້ອຍຊື່ຂອງສະຖາປັດຕະຍະກໍາ. ແຕ່ຫຼາຍຊົ່ວໂມງແລະແມ້ກະທັ້ງມື້ຂອງເວລາເຮັດວຽກແມ່ນໃຊ້ເວລາອ່ານບົດຄວາມແລະເບິ່ງວິດີໂອທົບທວນຄືນ!

ຮູບ 2 – Zoo of Neural Networks

ຜູ້ຂຽນບົດຄວາມວິທະຍາສາດສ່ວນໃຫຍ່, ໃນຄວາມຄິດເຫັນສ່ວນຕົວຂອງຂ້ອຍ, ເຮັດທຸກສິ່ງທຸກຢ່າງທີ່ເປັນໄປໄດ້ເພື່ອຮັບປະກັນວ່າເຖິງແມ່ນວ່າຄວາມຮູ້ທີ່ແຕກຫັກນີ້ຈະບໍ່ເຂົ້າໃຈໂດຍຜູ້ອ່ານ. ແຕ່​ປະ​ໂຫຍກ​ທີ່​ມີ​ສ່ວນ​ຮ່ວມ​ໃນ​ສິບ​ປະ​ໂຫຍກ​ທີ່​ມີ​ສູດ​ທີ່​ໄດ້​ຮັບ​ການ "ອອກ​ຈາກ​ອາ​ກາດ​ບາງ​" ເປັນ​ຫົວ​ຂໍ້​ສໍາ​ລັບ​ບົດ​ຄວາມ​ແຍກ​ຕ່າງ​ຫາກ (ບັນ​ຫາ ເຜີຍແຜ່ຫລືຈິບຫາຍ).

ສໍາລັບເຫດຜົນນີ້, ມີຄວາມຈໍາເປັນໃນການຈັດລະບົບຂໍ້ມູນໂດຍໃຊ້ເຄືອຂ່າຍ neural ແລະ, ດັ່ງນັ້ນ, ເພີ່ມຄຸນນະພາບຂອງຄວາມເຂົ້າໃຈແລະການຈື່ຈໍາ. ດັ່ງນັ້ນ, ຫົວຂໍ້ຕົ້ນຕໍຂອງການວິເຄາະຂອງເຕັກໂນໂລຢີສ່ວນບຸກຄົນແລະສະຖາປັດຕະຍະກໍາຂອງເຄືອຂ່າຍ neural ທຽມແມ່ນວຽກງານດັ່ງຕໍ່ໄປນີ້: ຊອກຫາບ່ອນທີ່ມັນທັງຫມົດໄປ, ແລະບໍ່ແມ່ນອຸປະກອນຂອງເຄືອຂ່າຍ neural ສະເພາະໃດຫນຶ່ງແຍກຕ່າງຫາກ.

ທັງໝົດນີ້ໄປໃສ? ຜົນໄດ້ຮັບຕົ້ນຕໍ:

• ຈຳນວນການເລີ່ມຕົ້ນການຮຽນຮູ້ເຄື່ອງຈັກໃນສອງປີຜ່ານມາ ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ. ເຫດຜົນທີ່ເປັນໄປໄດ້: "ເຄືອຂ່າຍ neural ບໍ່ແມ່ນສິ່ງໃຫມ່."
• ທຸກໆຄົນສາມາດສ້າງເຄືອຂ່າຍ neural ທີ່ເຮັດວຽກເພື່ອແກ້ໄຂບັນຫາງ່າຍໆ. ເພື່ອເຮັດສິ່ງນີ້, ເອົາຮູບແບບທີ່ກຽມພ້ອມຈາກ "ສວນສັດ" ແລະຝຶກອົບຮົມຊັ້ນສຸດທ້າຍຂອງເຄືອຂ່າຍ neural (ການຮຽນການໂອນ) ກ່ຽວກັບຂໍ້ມູນພ້ອມທີ່ຈະເຮັດຈາກ Google Dataset ຊອກຫາ ຫຼືຈາກ 25 ພັນຊຸດຂໍ້ມູນ Kaggle ໃນຟຣີ cloud Jupyter Notebook.
• ຜູ້ຜະລິດຂະຫນາດໃຫຍ່ຂອງເຄືອຂ່າຍ neural ເລີ່ມສ້າງ "ສວນສັດແບບຈໍາລອງ" (ສວນສັດຕົວແບບ). ການ​ນໍາ​ໃຊ້​ພວກ​ເຂົາ​ເຈົ້າ​ສາ​ມາດ​ສ້າງ​ຄໍາ​ຮ້ອງ​ສະ​ຫມັກ​ການ​ຄ້າ​ໄດ້​ຢ່າງ​ວ່ອງ​ໄວ​: TF Hub ສໍາລັບ TensorFlow, MMDetection ສໍາລັບ PyTorch, ເຄື່ອງກວດຈັບ ສໍາ​ລັບ Caffe2​, chainer-modelzoo ສໍາລັບ chainer ແລະ ຄົນອື່ນ.
• ເຄືອຂ່າຍ neural ເຮັດວຽກຢູ່ໃນ ເວ​ລາ​ຈິງ (ເວລາຈິງ) ໃນອຸປະກອນມືຖື. ຈາກ 10 ຫາ 50 ເຟຣມຕໍ່ວິນາທີ.
• ການນໍາໃຊ້ເຄືອຂ່າຍ neural ໃນໂທລະສັບ (TF Lite), ໃນຕົວທ່ອງເວັບ (TF.js) ແລະໃນ ລາຍການຄົວເຮືອນ (IoT, Iນາລົກ of Tຮິງ). ໂດຍສະເພາະໃນໂທລະສັບທີ່ສະຫນັບສະຫນູນເຄືອຂ່າຍ neural ໃນລະດັບຮາດແວ (ເຄື່ອງເລັ່ງ neural).
• “ທຸກ​ອຸ​ປະ​ກອນ, ເຄື່ອງ​ນຸ່ງ​ຫົ່ມ, ແລະ ບາງ​ທີ​ແມ່ນ​ແຕ່​ອາ​ຫານ​ກໍ​ຈະ​ມີ ທີ່ຢູ່ IP-v6 ແລະຕິດຕໍ່ສື່ສານກັບກັນແລະກັນ" Sebastian Thrun.
• ຈໍານວນຂອງສິ່ງພິມໃນການຮຽນຮູ້ເຄື່ອງຈັກໄດ້ເລີ່ມເພີ່ມຂຶ້ນ ເກີນກົດໝາຍຂອງ Moore (ເພີ່ມຂຶ້ນສອງເທົ່າທຸກໆສອງປີ) ນັບຕັ້ງແຕ່ປີ 2015. ແນ່ນອນ, ພວກເຮົາຕ້ອງການເຄືອຂ່າຍ neural ສໍາລັບການວິເຄາະບົດຄວາມ.
• ເຕັກໂນໂລຢີຕໍ່ໄປນີ້ ກຳ ລັງໄດ້ຮັບຄວາມນິຍົມ:
  • PyTorch – ຄວາມນິຍົມເພີ່ມຂຶ້ນຢ່າງໄວວາ ແລະເບິ່ງຄືວ່າຈະລື່ນກາຍ TensorFlow.
  • ການຄັດເລືອກອັດຕະໂນມັດຂອງ hyperparameters AutoML - ຄວາມ​ນິ​ຍົມ​ແມ່ນ​ການ​ຂະ​ຫຍາຍ​ຕົວ​ຢ່າງ​ສະ​ດວກ​.
  • ການຫຼຸດລົງເທື່ອລະກ້າວໃນຄວາມຖືກຕ້ອງແລະການເພີ່ມຄວາມໄວໃນການຄິດໄລ່: ເຫດຜົນ fuzzy, ສູດການຄິດໄລ່ ຊຸກຍູ້, inexact (ໂດຍ​ປະ​ມານ​) ການ​ຄິດ​ໄລ່​, quantization (ໃນ​ເວ​ລາ​ທີ່​ນ​້​ໍາ​ຫນັກ​ຂອງ​ເຄືອ​ຂ່າຍ neural ໄດ້​ຖືກ​ປ່ຽນ​ເປັນ​ຈໍາ​ນວນ​ເຕັມ​ແລະ quantized​)​, neural accelerators​.
  • ການແປພາສາ ຮູບ​ພາບ​ກັບ​ຂໍ້​ຄວາມ​ и ຂໍ້ຄວາມໃສ່ຮູບພາບ.
  • ການສ້າງ ວັດຖຸ XNUMXD ຈາກວິດີໂອ, ໃນປັດຈຸບັນໃນເວລາທີ່ແທ້ຈິງ.
  • ສິ່ງທີ່ສໍາຄັນຂອງ DL ແມ່ນວ່າມີຂໍ້ມູນຫຼາຍ, ແຕ່ການລວບລວມແລະການຕິດສະຫຼາກບໍ່ແມ່ນເລື່ອງງ່າຍ. ດັ່ງນັ້ນ, ອັດຕະໂນມັດ markup ກໍາລັງພັດທະນາ (ຄໍາບັນຍາຍອັດຕະໂນມັດ) ສໍາລັບເຄືອຂ່າຍ neural ການນໍາໃຊ້ເຄືອຂ່າຍ neural.
• ກັບເຄືອຂ່າຍ neural, ວິທະຍາສາດຄອມພິວເຕີທັນທີທັນໃດໄດ້ກາຍເປັນ ວິທະຍາສາດທົດລອງ ແລະລຸກຂຶ້ນ ວິກິດການສືບພັນ.
• ເງິນ IT ແລະຄວາມນິຍົມຂອງເຄືອຂ່າຍ neural ເກີດຂື້ນພ້ອມໆກັນໃນເວລາທີ່ຄອມພິວເຕີ້ກາຍເປັນມູນຄ່າຕະຫຼາດ. ເສດຖະກິດກໍາລັງປ່ຽນຈາກເສດຖະກິດຄໍາແລະເງິນຕາເປັນ ຄໍາ-ສະກຸນເງິນ-ຄອມພິວເຕີ. ເບິ່ງບົດຄວາມຂອງຂ້ອຍກ່ຽວກັບ ເສດຖະສາດ ແລະເຫດຜົນສໍາລັບຮູບລັກສະນະຂອງເງິນ IT.

ຄ່ອຍໆມີອັນໃໝ່ປະກົດຂຶ້ນ ວິທີການຂຽນໂປລແກລມ ML/DL (Machine Learning & Deep Learning), ເຊິ່ງແມ່ນອີງໃສ່ການເປັນຕົວແທນຂອງໂຄງການເປັນຊຸດຂອງຕົວແບບເຄືອຂ່າຍ neural ທີ່ໄດ້ຮັບການຝຶກອົບຮົມ.

ຮູບທີ 3 – ML/DL ເປັນວິທີການຂຽນໂປຣແກຣມໃໝ່

ຢ່າງໃດກໍຕາມ, ມັນບໍ່ເຄີຍປາກົດ "ທິດສະດີເຄືອຂ່າຍ neural", ພາຍໃນທີ່ທ່ານສາມາດຄິດແລະເຮັດວຽກເປັນລະບົບ. ປະຈຸບັນເອີ້ນວ່າ "ທິດສະດີ" ຕົວຈິງແລ້ວແມ່ນການທົດລອງ, ສູດການຄິດໄລ່ heuristic.

ການ​ເຊື່ອມ​ຕໍ່​ກັບ​ຊັບ​ພະ​ຍາ​ກອນ​ຂອງ​ຂ້າ​ພະ​ເຈົ້າ​ແລະ​ອື່ນໆ​:

• ຈົດໝາຍຂ່າວວິທະຍາສາດຂໍ້ມູນ. ສ່ວນໃຫຍ່ແມ່ນການປຸງແຕ່ງຮູບພາບ. ໃຜກໍ່ຕາມທີ່ຕ້ອງການທີ່ຈະໄດ້ຮັບມັນຄວນຈະສົ່ງອີເມລ (foobar167gmailcom). ຂ້າ​ພະ​ເຈົ້າ​ສົ່ງ​ອອກ​ການ​ເຊື່ອມ​ຕໍ່​ກັບ​ບົດ​ຄວາມ​ແລະ​ວິ​ດີ​ໂອ​ເປັນ​ອຸ​ປະ​ກອນ​ການ​ສະ​ສົມ.
• ຂໍ້ມູນທົ່ວໄປ ບັນຊີລາຍຊື່ຂອງຫຼັກສູດແລະບົດຄວາມທີ່​ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ຜ່ານ​ແລະ​ທີ່​ຂ້າ​ພະ​ເຈົ້າ​ຢາກ​ຈະ​ຜ່ານ​.
• ຫຼັກສູດ ແລະວິດີໂອສຳລັບຜູ້ເລີ່ມຕົ້ນ, ບ່ອນທີ່ທ່ານຄວນເລີ່ມຕົ້ນການສຶກສາເຄືອຂ່າຍ neural. ບວກກັບແຜ່ນພັບ "ການແນະນໍາການຮຽນຮູ້ເຄື່ອງຈັກແລະເຄືອຂ່າຍ neural ທຽມ".
• ເຄື່ອງມືທີ່ເປັນປະໂຫຍດ, ບ່ອນທີ່ທຸກຄົນຈະຊອກຫາສິ່ງທີ່ຫນ້າສົນໃຈສໍາລັບຕົນເອງ.
• ພວກເຮົາພົບວ່າພວກມັນມີປະໂຫຍດຫຼາຍ. ຊ່ອງທາງວິດີໂອສໍາລັບການວິເຄາະບົດຄວາມວິທະຍາສາດ ໂດຍວິທະຍາສາດຂໍ້ມູນ. ຊອກຫາ, ຈອງໃຫ້ເຂົາເຈົ້າແລະສົ່ງຕໍ່ການເຊື່ອມຕໍ່ກັບເພື່ອນຮ່ວມງານຂອງເຈົ້າແລະຂ້ອຍຄືກັນ. ຕົວຢ່າງ:
  • ເອກະສານສອງນາທີ
  • Henry AI Labs
  • Yannic Kilcher
  • CodeEmporium
  • Blog Chengwei Zhang aka Tony607 ກັບຄໍາແນະນໍາຂັ້ນຕອນໂດຍຂັ້ນຕອນແລະແຫຼ່ງເປີດ.

ຂອບໃຈສໍາລັບຄວາມສົນໃຈຂອງທ່ານ!

ແຫຼ່ງຂໍ້ມູນ: www.habr.com