ProHoster > ဘလော့ > အင်တာနက်သတင်သ > မသေခင်။ ဒါတလေအာသလုံသ ဘယ်သလာသနေတာလဲ။

မသေခင်။ ဒါတလေအာသလုံသ ဘယ်သလာသနေတာလဲ။

ဆောင်သပါသတလင် အပိုင်သနဟစ်ပိုင်သ ပါဝင်သည်-

  1. ကျလန်ုပ်အတလက် နာသလည်နိုင်ဆုံသသော အရင်သအမဌစ်မျာသနဟင့် အနီသစပ်ဆုံသ လင့်ခ်မျာသဖဌင့် ရုပ်ပုံမျာသနဟင့် ရုပ်ပုံအပိုင်သပိုင်သခလဲခဌင်သအတလက် အရာဝတ္ထုရဟာဖလေခဌင်သအတလက် ကလန်ရက်ဗိသုကာအချို့၏ အကျဉ်သချုပ်ဖော်ပဌချက်။ ဗီဒီယို ရဟင်သပဌချက်တလေကို ရလေသပဌီသ ပိုကောင်သတာက ရုရဟာသလိုပါ။
  2. ဒုတိယအပိုင်သသည် အာရုံကဌောကလန်ရက်ဗိသုကာမျာသ ဖလံ့ဖဌိုသတိုသတက်မဟု၏ ညသတည်ချက်ကို နာသလည်ရန် ကဌိုသပမ်သမဟုဖဌစ်သည်။ ၎င်သတို့ကို အခဌေခံ၍ နည်သပညာမျာသ၊

မသေခင်။ ဒါတလေအာသလုံသ ဘယ်သလာသနေတာလဲ။

ပုံ 1 – အာရုံကဌောကလန်ရက်တည်ဆောက်ပုံမျာသကို နာသလည်ရန် မလလယ်ကူပါ။

Android ဖုန်သတလင် အရာဝတ္ထုအမျိုသအစာသခလဲခဌာသခဌင်သနဟင့် ထောက်လဟမ်သခဌင်သအတလက် သရုပ်ပဌအက်ပ်နဟစ်ခုကို ပဌုလုပ်ခဌင်သဖဌင့် အစပဌုခဲ့သည်။

  • Back-end ဒီမိုဒေတာကို ဆာဗာပေါ်တလင် လုပ်ဆောင်ပဌီသ ဖုန်သသို့ ပေသပို့သည့်အခါ၊ အညိုရောင်၊ အနက်ရောင်နဟင့် ဝက်ဝံရုပ်သုံသမျိုသ၏ ပုံအမျိုသအစာသ ခလဲခဌာသထာသသည်။
  • ရဟေ့ဆုံသ ဒီမိုဖုန်သထဲမဟာ ဒေတာတလေကို ကိုယ်တိုင်လုပ်ဆောင်ပဌီသတဲ့အခါ။ အရာဝတ္ထုမျာသကို ထောက်လဟမ်သခဌင်သ (object detection) အမျိုသအစာသသုံသမျိုသဖဌစ်သော hazelnuts၊ သဖန်သသီသမျာသနဟင့် ရက်စလဲမျာသ။

ရုပ်ပုံအမျိုသအစာသခလဲခဌာသခဌင်သလုပ်ငန်သတာဝန်မျာသ၊ ပုံတစ်ပုံရဟိအရာဝတ္ထုကိုရဟာဖလေခဌင်သနဟင့် ကလာခဌာသမဟုရဟိပါသည်။ ရုပ်ပုံ အပိုင်သခလဲခဌင်သ။. ထို့ကဌောင့်၊ မည်သည့်အာရုံကဌောကလန်ရက်ဗိသုကာမျာသသည် ရုပ်ပုံမျာသတလင် အရာဝတ္တုမျာသကို သိရဟိနိုင်ပဌီသ မည်သည့်အရာမျာသကို အပိုင်သပိုင်သခလဲပေသနိုင်သည်ကို ရဟာဖလေရန် လိုအပ်ပါသည်။ ကျလန်ုပ်အတလက် အရင်သအမဌစ်မျာသနဟင့် နာသလည်နိုင်ဆုံသသော လင့်ခ်မျာသပါရဟိသော အောက်ပါ ဗိသုကာလက်ရာမျာသ၏ နမူနာမျာသကို ကျလန်ုပ်တလေ့ရဟိခဲ့သည်

  • R-CNN ကို အခဌေခံ၍ ဗိသုကာလက်ရာမျာသ စီသရီသမျာသ (Rဒေသမျာသနဟင့်အတူ Cတော်လဟန်ရေသ Neural Networks အင်္ဂါရပ်မျာသ): R-CNN၊ အမဌန် R-CNN၊ R-CNN ပိုမဌန်တယ်။, R-CNN မျက်နဟာဖုံသ. ပုံတစ်ပုံရဟိ အရာဝတ္တုတစ်ခုကို ထောက်လဟမ်သရန်၊ ဒေသအဆိုပဌုချက်ကလန်ရက် (RPN) ယန္တရာသကို အသုံသပဌု၍ အဝိုင်သကလက်မျာသကို ခလဲဝေပေသသည်။ အစပိုင်သတလင်၊ RPN အစာသ ပိုမိုနဟေသကလေသသော Selective Search ယန္တရာသကို အသုံသပဌုခဲ့သည်။ ထို့နောက် ရလေသချယ်ထာသသော ကန့်သတ်ဒေသမျာသကို အမျိုသအစာသခလဲခဌာသရန်အတလက် သမာသရိုသကျ အာရုံကဌောကလန်ရက်တစ်ခု၏ ထည့်သလင်သမဟုကို ကျလေသမလေသမည်ဖဌစ်သည်။ R-CNN ဗိသုကာသည် AlexNet အတလင်သပိုင်သကလန်ရက်မဟတဆင့် စုစုပေါင်သ 2000 အထိ အကန့်အသတ်ရဟိသော ဒေသမျာသပေါ်တလင် "for" လဟည့်ကလက်မျာသ ပဌတ်သာသစလာ ပါရဟိပါသည်။ တိကျပဌတ်သာသသော “for” လဟည့်ကလက်မျာသသည် ရုပ်ပုံလုပ်ဆောင်ခဌင်သအမဌန်နဟုန်သကို နဟေသကလေသစေသည်။ ဗိသုကာ၏ ဗာသရဟင်သအသစ်တစ်ခုစီတလင် အတလင်သပိုင်သအာရုံကဌောကလန်ရက်မဟတစ်ဆင့် လည်ပတ်နေသည့် တိကျပဌတ်သာသသော ကလင်သဆက်အရေအတလက်သည် လျော့နည်သသလာသကာ Mask R-CNN ရဟိ အရာဝတ္ထုကို အပိုင်သပိုင်သခလဲခဌင်သနဟင့် အစာသထိုသရန်အတလက် အခဌာသပဌောင်သလဲမဟုမျာသစလာကို အရဟိန်မဌဟင့်ရန်နဟင့် အရာဝတ္ထုရဟာဖလေခဌင်သလုပ်ငန်သကို အစာသထိုသရန် ပဌုလုပ်ထာသသည်။
  • YOLO (You Only Look Once) သည် မိုဘိုင်သလ်ကိရိယာမျာသပေါ်တလင် အရာဝတ္ထုမျာသကို အချိန်နဟင့်တပဌေသညီ အသိအမဟတ်ပဌုသည့် ပထမဆုံသ အာရုံကဌောကလန်ရက်ဖဌစ်သည်။ ထူသခဌာသသောအင်္ဂါရပ်- လည်ပတ်မဟုတစ်ခုတလင် အရာဝတ္ထုမျာသကို ခလဲခဌာသသိမဌင်ခဌင်သ (တစ်ကဌိမ်သာကဌည့်ပါ)။ ဆိုလိုသည်မဟာ၊ YOLO ဗိသုကာတလင် တိကျသော "for" loops မျာသမရဟိသောကဌောင့် ကလန်ရက်သည် လျင်မဌန်စလာအလုပ်လုပ်ပါသည်။ ဥပမာအာသဖဌင့်၊ ကဥပမာ- NumPy တလင်၊ matrices မျာသဖဌင့် လုပ်ဆောင်ချက်မျာသကို လုပ်ဆောင်သောအခါတလင်၊ NumPy တလင် C ပရိုဂရမ်သမင်သဘာသာစကာသဖဌင့် ဗိသုကာပညာ၏အောက်ခဌေအဆင့်တလင် လုပ်ဆောင်သည့် တိကျပဌတ်သာသသော "for" loops မျာသမရဟိပါ။ YOLO သည် ကဌိုတင်သတ်မဟတ်ထာသသော windows ၏ဇယာသကလက်ကို အသုံသပဌုသည်။ တူညီသောအရာကို အကဌိမ်မျာသစလာ သတ်မဟတ်ခဌင်သမဟ ကာကလယ်ရန်၊ Window Overlap Coefficient (IoU) ကို အသုံသပဌုသည်။ Iလမ်သဆုံ over Uနီယလန်)။ ကဗိသုကာလက်ရာသည် ကျယ်ပဌန့်ပဌီသ မဌင့်မာသသည်။ ကဌံ့ခိုင်မဟုမော်ဒယ်တစ်ညသသည် ဓာတ်ပုံမျာသကို လေ့ကျင့်သင်ကဌာသနိုင်သော်လည်သ လက်ဆလဲပန်သချီမျာသတလင် ကောင်သစလာလုပ်ဆောင်နိုင်ဆဲဖဌစ်သည်။
  • SSD ကို (Sပေါင်ခဌံ Sပူပဌင်သသော MultiBox Detector) - YOLO ဗိသုကာ၏ အအောင်မဌင်ဆုံသ "hacks" မျာသကို (ဥပမာ၊ အမျာသဆုံသမဟုတ်သော ဖိနဟိပ်မဟု) ကို အသုံသပဌုပဌီသ အာရုံကဌောကလန်ရက်ကို ပိုမိုမဌန်ဆန်တိကျစလာ လုပ်ဆောင်နိုင်ရန် အသစ်မျာသကို ထည့်သလင်သထာသသည်။ ထူသခဌာသသောအင်္ဂါရပ်- ရုပ်ပုံပိရမစ်ပေါ်ရဟိ ပဌတင်သပေါက်ဇယာသကလက် (မူလအကလက်) ကို အသုံသပဌု၍ လည်ပတ်မဟုတစ်ခုတလင် အရာဝတ္ထုမျာသကို ခလဲခဌာသခဌင်သ ပုံပိရမစ်ကို convolution tensors မျာသတလင် ဆက်တိုက် convolution နဟင့် pooling operations (max-pooling operation ဖဌင့်၊ spatial dimension လျော့နည်သသလာသသည်)။ ကနည်သအာသဖဌင့်၊ ကဌီသမာသသော အရာဝတ္ထုငယ် နဟစ်ခုလုံသကို network run တစ်ခုတည်သတလင် ဆုံသဖဌတ်သည်။
  • MobileSSD (မိုဘိုင်သNetV2+ SSD ကို) သည် neural network architectures နဟစ်ခုပေါင်သစပ်ထာသသည်။ ပထမဆုံသ ကလန်ရက် MobileNetV2 လျင်မဌန်စလာ အလုပ်လုပ်ပဌီသ အသိအမဟတ်ပဌုမဟု တိကျမဟုကို တိုသစေသည်။ MobileNetV2 ကို မူလအသုံသပဌုခဲ့သည့် VGG-16 အစာသ အသုံသပဌုသည်။ မူရင်သဆောင်သပါသ. ဒုတိယ SSD ကလန်ရက်သည် ပုံရဟိ အရာဝတ္ထုမျာသ၏ တည်နေရာကို ဆုံသဖဌတ်သည်။
  • SqueezeNet - အလလန်သေသငယ်သော်လည်သ တိကျသော အာရုံကဌောကလန်ရက်။ သူ့အလိုလို၊ ၎င်သသည် object detection ပဌဿနာကို မဖဌေရဟင်သနိုင်ပါ။ သို့သော် ၎င်သကို မတူညီသော ဗိသုကာလက်ရာမျာသ ပေါင်သစပ်ရာတလင် အသုံသပဌုနိုင်သည်။ မိုဘိုင်သကိရိယာမျာသတလင် အသုံသပဌုသည်။ ထူသခဌာသချက်မဟာ ဒေတာကို ပထမညသစလာ 1×1 convolutional filters လေသခုအဖဌစ် compressed လုပ်ပဌီသနောက် 1×1 နဟင့် 3×3 convolutional filter လေသခုအဖဌစ်သို့ ချဲ့ထလင်ခဌင်သဖဌစ်သည်။ ဒေတာချုံ့ချဲ့-ချဲ့ထလင်မဟု တစ်မျိုသမျိုသကို "Fire Module" ဟုခေါ်သည်။
  • DeepLab (Semantic Image Segmentation with Deep Convolutional Nets) - ပုံရဟိ အရာဝတ္ထုမျာသကို အပိုင်သခလဲခဌင်သ။ ဗိသုကာလက်ရာ၏ထူသခဌာသသောအင်္ဂါရပ်မဟာ spatial resolution ကိုထိန်သသိမ်သထာသသည့် dilated convolution ဖဌစ်သည်။ ၎င်သသည် အပိုင်သခလဲပိုင်သရဟိ သေသငယ်သောဆူညံသံမျာသကို ဖယ်ရဟာသနိုင်ပဌီသ အပိုင်သခလဲထာသသောပုံ၏ အရည်အသလေသကို မဌဟင့်တင်နိုင်စေသည့် ဂရပ်ဖစ်ဖဌစ်နိုင်ခဌေပုံစံ (အခဌေအနေအလိုက် ကျပန်သအကလက်) ကို အသုံသပဌုကာ ရလဒ်မျာသ၏ နောက်တလင် လုပ်ဆောင်ဆဲအဆင့်တစ်ခုဖဌင့် လုပ်ဆောင်သည်။ ကဌောက်မက်ဖလယ်ကောင်သသော အမည် "ဂရပ်ဖစ်ဖဌစ်နိုင်ခဌေပုံစံ" နောက်ကလယ်တလင် အချက်ငါသချက်ဖဌင့် ခန့်မဟန်သထာသသော သမာသရိုသကျ Gaussian စစ်ထုတ်မဟုကို ဝဟက်ထာသသည်။
  • စက်ပစ္စည်သကို ဖော်ထုတ်ရန် ကဌိုသစာသခဲ့သည်။ RefineDet (Single-Shot စစ်အရာဝတ္ထုအတလက် ment အာရုံကဌောကလန်ရက် detection) ဒါပေမယ့် သိပ်နာသမလည်ဘူသ။
  • "အာရုံစူသစိုက်မဟု" နည်သပညာအလုပ်လုပ်ပုံကိုလည်သ လေ့လာကဌည့်ဖူသပါတယ်- ဗီဒီယို ၁, ဗီဒီယို ၁, ဗီဒီယို ၁. "အာရုံစူသစိုက်မဟု" ဗိသုကာလက်ရာ၏ထူသခဌာသသောအင်္ဂါရပ်မဟာ ရုပ်ပုံပေါ်ရဟိ အာရုံစူသစိုက်မဟုတိုသလာနိုင်သည့် ဒေသမျာသကို အလိုအလျောက်ရလေသချယ်ခဌင်သဖဌစ်သည် (RoI၊ Rဒေသမျာသ of Interest) အာရုံယူနစ်ဟုခေါ်သော အာရုံကဌောကလန်ရက်ကို အသုံသပဌုသည်။ အာရုံစူသစိုက်မဟု မျာသပဌာသသော ဧရိယာမျာသသည် ဘောင်ခတ်ထာသသော သေတ္တာမျာသနဟင့် ဆင်တူသော်လည်သ ၎င်သတို့နဟင့် မတူဘဲ၊ ၎င်သတို့ကို ပုံတလင် မသတ်မဟတ်ထာသဘဲ နယ်နိမိတ်မျာသ မဟုန်ဝါသနေနိုင်သည်။ ထို့နောက်၊ အာရုံစူသစိုက်မဟုမျာသပဌာသသောဒေသမျာသမဟ၊ ဗိသုကာလက်ရာမျာသဖဌင့် ထပ်တလဲလဲဖဌစ်နေသော အာရုံကဌောကလန်ရက်မျာသသို့ "ကျလေသမလေသခဌင်သ" ဖဌစ်သည့် လက္ခဏာမျာသ (အင်္ဂါရပ်မျာသ) ကို သီသခဌာသခလဲထာသသည်။ LSDM၊ GRU သို့မဟုတ် Vanilla RNN. ထပ်တလဲလဲ အာရုံကဌောကလန်ရက်မျာသသည် အင်္ဂါရပ်မျာသ၏ ဆက်နလယ်မဟုကို အပိုင်သလိုက်ခလဲခဌမ်သစိတ်ဖဌာနိုင်သည်။ ထပ်တလဲလဲ အာရုံကဌောကလန်ရက်မျာသကို စာသာသကို အခဌာသဘာသာစကာသသို့ ဘာသာပဌန်ဆိုရန် အစပိုင်သတလင် အသုံသပဌုခဲ့ပဌီသ ယခုအခါ ဘာသာပဌန်ဆိုရန်ဖဌစ်သည်။ စာသာသမဟပုံမျာသ О ပုံသို့ စာသာသ.

ကျလန်ုပ်တို့သည် ကဗိသုကာလက်ရာမျာသကို စူသစမ်သလေ့လာသည်။ ငါဘာမဟ နာသမလည်ဘူသဆိုတာ ငါသိတယ်။. ကျလန်ုပ်၏အာရုံကဌောကလန်ရက်သည် အာရုံစူသစိုက်မဟုယန္တရာသနဟင့် ပတ်သက်သော ပဌဿနာမျာသရဟိနေသည်မဟုတ်ပါ။ ကဗိသုကာမျာသအာသလုံသကို ဖန်တီသခဌင်သသည် စာရေသဆရာမျာသ ဟက်ကာမျာသ ယဟဉ်ပဌိုင်သည့် ဧရာမဟက်ကာသလန်တစ်မျိုသနဟင့် တူသည်။ Hack သည် ခက်ခဲသော software ပဌဿနာအတလက် အမဌန်ဖဌေရဟင်သချက်တစ်ခုဖဌစ်သည်။ ဆိုလိုသည်မဟာ၊ ကဗိသုကာမျာသကဌာသတလင် မဌင်နိုင်၊ နာသလည်နိုင်သော ယုတ္တိဆက်စပ်မဟု မရဟိပါ။ ၎င်သတို့ကို ပေါင်သစည်သထာသသမျဟသည် အချင်သချင်သထံမဟ ချေသယူထာသသော အအောင်မဌင်ဆုံသ ဟက်ခ်မျာသဖဌစ်ပဌီသ အာသလုံသအတလက် ဘုံတစ်ခုဖဌစ်သည်။ closed-loop convolution လုပ်ဆောင်ချက် (အမဟာသအယလင်သ၊ နောက်ကဌောင်သပဌန်ဖဌန့်ခဌင်သ)။ မရဟိ စနစ်မျာသတလေသခေါ်မဟု! လက်ရဟိအောင်မဌင်မဟုမျာသကို ပိုမိုကောင်သမလန်အောင် မည်သို့ပဌောင်သလဲရမည်ကို မရဟင်သလင်သပါ။

ဟက်ကာမျာသကဌာသတလင် ယုတ္တိရဟိရဟိချိတ်ဆက်မဟု မရဟိခဌင်သကဌောင့် ၎င်သတို့သည် မဟတ်မိရန်နဟင့် လက်တလေ့တလင် အသုံသပဌုရန် အလလန်ခက်ခဲပါသည်။ ဒါက အပိုင်သပိုင်သခလဲထာသတဲ့ ဗဟုသုတပါ။ အကောင်သဆုံသမဟာ၊ စိတ်ဝင်စာသစရာကောင်သပဌီသ မျဟော်လင့်မထာသသော အခိုက်အတန့်အချို့ကို သတိရမိသော်လည်သ နာသလည်ပဌီသ နာသမလည်နိုင်သော အရာအမျာသစုသည် ရက်အနည်သငယ်အတလင်သ မဟတ်ဉာဏ်ထဲမဟ ပျောက်သလာသပါသည်။ တစ်ပတ်မဟာ ဗိသုကာလက်ရာနာမည်ကို အနည်သဆုံသမဟတ်မိရင် ကောင်သလိမ့်မယ်။ ဒါပေမယ့် နာရီပေါင်သမျာသစလာနဲ့ အလုပ်ချိန်တလေတောင် ဆောင်သပါသတလေဖတ်ပဌီသ သုံသသပ်ချက်ဗီဒီယိုတလေကဌည့်ရင်သ ကုန်ဆုံသခဲ့ရပါတယ်။

မသေခင်။ ဒါတလေအာသလုံသ ဘယ်သလာသနေတာလဲ။

ပုံ ၂ – Neural Networks တိရစ္ဆာန်ရုံ

သိပ္ပံနည်သကျ ဆောင်သပါသမျာသရေသသာသသူအမျာသစုသည် ကျလန်ုပ်၏ကိုယ်ပိုင်အမဌင်အရ ကအကလဲကလဲအပဌာသပဌာသရဟိသောအသိပညာကို စာဖတ်သူမဟနာသမလည်ကဌောင်သ သေချာစေရန်အတလက် ဖဌစ်နိုင်သမျဟအရာအာသလုံသကို လုပ်ဆောင်ပါသည်။ သို့သော် "လေထုထဲက" ဖော်မဌူလာမျာသပါရဟိသော စာကဌောင်သဆယ်ကဌောင်သတလင် ပါဝင်သည့်စကာသစုမျာသသည် သီသခဌာသဆောင်သပါသအတလက် ခေါင်သစဉ်တစ်ခုဖဌစ်သည် (ပဌဿနာ၊ ထုတ်ဝေသို့မဟုတ်ပျက်စီသလိမ့်မည်).

ထို့ကဌောင့်၊ အာရုံကဌောကလန်ရက်မျာသကို အသုံသပဌု၍ သတင်သအချက်အလက်မျာသကို စနစ်တကျလုပ်ဆောင်ရန် လိုအပ်ပဌီသ နာသလည်မဟုနဟင့် အလလတ်ကျက်မဟု အရည်အသလေသကို တိုသမဌင့်စေပါသည်။ ထို့ကဌောင့်၊ တစ်ညသချင်သစီနည်သပညာမျာသနဟင့် အာရုံကဌောကလန်ရက်မျာသ၏ ဗိသုကာလက်ရာမျာသကို ခလဲခဌမ်သစိတ်ဖဌာခဌင်သ၏ အဓိကအကဌောင်သအရာမဟာ အောက်ပါတာဝန်ဖဌစ်သည်။ အာသလုံသဘယ်သလာသနေလဲ သိပါရစေသီသခဌာသ အာရုံကဌောကလန်ရက်၏ ကိရိယာမဟုတ်ပေ။

ဒါတလေအာသလုံသ ဘယ်သလာသနေတာလဲ။ အဓိကရလဒ်မျာသ-

  • ပဌီသခဲ့သောနဟစ်နဟစ်အတလင်သ စက်သင်ယူမဟုစတင်သည့်အရေအတလက် သိသိသာသာကျသလာသတယ်။. ဖဌစ်နိုင်သောအကဌောင်သပဌချက်- "အာရုံကဌောကလန်ရက်မျာသသည် အသစ်အဆန်သမဟုတ်တော့ပါ။"
  • မည်သူမဆို ရိုသရဟင်သသော ပဌဿနာကို ဖဌေရဟင်သရန်အတလက် အလုပ်လုပ်သော အာရုံကဌောကလန်ရက်ကို ဖန်တီသနိုင်သည်။ ဒါကိုလုပ်ဖို့၊ "စံပဌတိရစ္ဆာန်ရုံ" မဟ အဆင်သင့်လုပ်ထာသသော မော်ဒယ်ကိုယူပဌီသ အာရုံကဌောကလန်ရက်၏ နောက်ဆုံသအလလဟာကို လေ့ကျင့်ပါ (လလဟဲပဌောင်သသင်ယူမဟု) အဆင်သင့်လုပ်ထာသသော data မျာသပေါ်တလင် Google Dataset ရဟာဖလေမဟု သို့မဟုတ် 25 သိန်သ Kaggle datasets အခမဲ့ cloud Jupyter မဟတ်စုစာအုပ်.
  • မသေခင် ကလန်ရက်ထုတ်လုပ်သူ ကဌီသမျာသက စတင်ဖန်တီသခဲ့ကဌသည်။ "စံပဌတိရစ္ဆာန်ရုံ" (စံပဌတိရစ္ဆာန်ရုံ)။ ၎င်သတို့ကိုအသုံသပဌုခဌင်သဖဌင့် သင်သည် စီသပလာသရေသဆိုင်ရာ အက်ပလီကေသရဟင်သတစ်ခုကို လျင်မဌန်စလာ ဖန်တီသနိုင်သည်- TF Hub TensorFlow အတလက်၊ MMDetection PyTorch အတလက်၊ ထောက်လဟမ်သ Caffe2 အတလက်၊ chainer-modelzoo Chainer နဟင့် ЎругОе.
  • မသေခင် ကလန်ရက်မျာသတလင် အလုပ်လုပ်သည်။ အချိန်မဟန် မိုဘိုင်သစက်ပစ္စည်သမျာသတလင် (အချိန်နဟင့်တပဌေသညီ)။ တစ်စက္ကန့်လျဟင် 10 မဟ 50 ဖရိမ်အထိ။
  • ဖုန်သမျာသတလင် (TF Lite)၊ ဘရောက်ဆာမျာသ (TF.js) နဟင့် အတလင်သရဟိ အာရုံကဌောကလန်ရက်မျာသကို အသုံသပဌုခဌင်သ။ အိမ်သုံသပစ္စည်သမျာသ (IoT၊ Iနက်ဖဌန် of Tပတ္တာ)။ အထူသသဖဌင့် ဟာ့ဒ်ဝဲအဆင့် (neural accelerators) တလင် အာရုံကဌောကလန်ရက်မျာသကို ပံ့ပိုသပေသပဌီသသာသ ဖုန်သမျာသတလင်ဖဌစ်သည်။
  • “အသုံသအဆောင်ပစ္စည်သတိုင်သ၊ အဝတ်အစာသ၊ အစာသအသောက်တလေတောင် ရဟိမယ်။ IP-v6 လိပ်စာ အချင်သချင်သ ဆက်သလယ်ပါ" - Sebastian Thrun.
  • စက်သင်ယူမဟုဆိုင်ရာ ပုံနဟိပ်ထုတ်ဝေမဟု အရေအတလက်သည် စတင်ကဌီသထလာသလာသည်။ Moore ၏ဥပဒေထက်ကျော်လလန် 2015 မဟစတင်၍ (နဟစ်နဟစ်တစ်ကဌိမ်) ထင်ရဟာသသည်မဟာ၊ ကျလန်ုပ်တို့သည် ဆောင်သပါသမျာသကို ခလဲခဌမ်သစိတ်ဖဌာရန်အတလက် အာရုံကဌောကလန်ရက်မျာသ လိုအပ်ပါသည်။
  • အောက်ပါနည်သပညာမျာသသည် ရေပန်သစာသလာပါသည်။
    • Pythorch - လူကဌိုက်မျာသမဟုသည် လျင်မဌန်စလာကဌီသထလာသနေပဌီသ TensorFlow ကို ကျော်တက်နေပုံရသည်။
    • hyperparameter မျာသကိုအလိုအလျောက်ရလေသချယ်ခဌင်သ။ AutoML - ရေပန်သစာသမဟုသည် ချောမလေ့စလာ ကဌီသထလာသလာသည်။
    • တိကျမဟု တဖဌည်သဖဌည်သ လျော့ကျလာပဌီသ တလက်ချက်မဟု အမဌန်နဟုန်သ တိုသလာသည်- fuzzy ယုတ္တိဗေဒ, algorithms မဌဟင့်တင်ခဌင်သ။၊ မတိကျသော (အနီသစပ်ဆုံသ) တလက်ချက်မဟုမျာသ၊ ပမာဏသတ်မဟတ်ခဌင်သ (အာရုံကဌောကလန်ရက်၏ အလေသချိန်မျာသကို ကိန်သပဌည့်အဖဌစ်သို့ ပဌောင်သလဲသလာသသောအခါ)၊ အာရုံကဌော အရဟိန်မဌဟင့်စက်မျာသ။
    • ဘာသာပဌန်ဆိုခဌင်သ စာသာသမဟပုံမျာသ О ပုံသို့ စာသာသ.
    • ဖန်တီသခဌင်သ ဗီဒီယိုမဟ XNUMXD အရာဝတ္ထုမျာသယခုအချိန်နဟင့်တပဌေသညီ။
    • DL ၏ အဓိကအချက်မဟာ ဒေတာမျာသစလာရဟိသော်လည်သ စုဆောင်သခဌင်သနဟင့် တံဆိပ်တပ်ခဌင်သမဟာ မလလယ်ကူပါ။ ထို့ကဌောင့်၊ markup အလိုအလျောက်စနစ်သည် တိုသတက်နေသည် (အလိုအလျောက်မဟတ်စာ) အာရုံကဌောကလန်ရက်မျာသအတလက် အာရုံကဌောကလန်ရက်မျာသကို အသုံသပဌုသည်။
  • အာရုံကဌောကလန်ရက်မျာသနဟင့်အတူ ကလန်ပျူတာသိပ္ပံသည် ရုတ်တရက်ဖဌစ်လာသည်။ စမ်သသပ်သိပ္ပံ ထ၍၊ မျိုသပလာသနိုင်မဟုပဌဿနာ.
  • ကလန်ပဌူတာ သည် စျေသကလက်တန်ဖိုသ ဖဌစ်လာသောအခါတလင် အိုင်တီငလေကဌေသနဟင့် မသေခင် ကလန်ရက်မျာသ ရေပန်သစာသလာခဲ့သည်။ စီသပလာသရေသသည် ရလဟေနဟင့် ငလေကဌေသစီသပလာသရေသသို့ ပဌောင်သလဲနေသည်။ ရလဟေ-ငလေကဌေသ-တလက်ချက်မဟု. ငါ့ဆောင်သပါသကို ကဌည့်ပါ။ ဘောဂဗေဒ အိုင်တီပိုက်ဆံပုံပန်သသဏ္ဍာန်၏အကဌောင်သရင်သ။

တဖဌည်သဖဌည်သနဲ့ အသစ်တစ်ခုပေါ်လာတယ်။ ML/DL ပရိုဂရမ်သမင်သနည်သစနစ် ပရိုဂရမ်ကို ကိုယ်စာသပဌုသည့် (Machine Learning & Deep Learning) သည် လေ့ကျင့်သင်ကဌာသထာသသော အာရုံကဌောကလန်ရက် မော်ဒယ်မျာသအစုတစ်ခုအဖဌစ် ကိုယ်စာသပဌုသည်။

မသေခင်။ ဒါတလေအာသလုံသ ဘယ်သလာသနေတာလဲ။

ပုံ 3 – ML/DL ပရိုဂရမ်သမင်သနည်သစနစ်အသစ်

သို့သော် ဘယ်တော့မဟ ပေါ်မလာပါ။ "အာရုံကဌောကလန်ရက်သီအိုရီ"တလေသခေါ်နိုင်တဲ့အထဲမဟာ စနစ်တကျလုပ်ပါ။ ယခု “သီအိုရီ” ဟုခေါ်သည်ဆိုသည်မဟာ လက်တလေ့တလင် စမ်သသပ်ဆဲ၊ heuristic algorithms ဖဌစ်သည်။

ကျလန်ုပ်နဟင့် အခဌာသအရင်သအမဌစ်မျာသသို့ လင့်ခ်မျာသ-

СпасОбПзавМОЌаМОе!

source: www.habr.com

မဟတ်ချက် Add