Вештачка интелигенција расте у популарности од 2016. године, са 20% великих компанија које користе АИ у свом послу (извештај МцКинсеи, 2018). Према истом извештају, АИ може створити значајну вредност за све индустрије. У банкарству, на пример, потенцијал АИ се процењује на $ 300 милијарди долара, у малопродаји је број бујање на $ 600 милијарди долара.
Да би откључале потенцијалну вредност уметничке интелигенције, компаније морају одабрати прави оквир за дубоко учење. У овом упутству ћете научити о различитим библиотекама које су на располагању за извршавање задатака дубоког учења. Неке библиотеке постоје годинама, док је нова библиотека попут ТенсорФлов последњих година изашла на видело.
8 најбољих библиотека / оквир за дубоко учење
На овој листи упоредићемо најбоље оквире за дубоко учење. Сви су они отвореног кода и популарни у заједници научника за податке. Такође ћемо упоредити популарне МЛ као пружаоце услуга
Бакља
Торцх је стара библиотека машинског учења отвореног кода. Први пут је објављен пре 15 година. Примарни програмски језик је ЛУА, али има примену у Ц. Упоређујући ПиТорцх и ТенсорФлов, подржава велику библиотеку алгоритама за машинско учење, укључујући дубоко учење. Подржава ЦУДА имплементацију за паралелно рачунање.
Алат за дубоко учење с бакљама користи већина водећих лабораторија као што су Фацебоок, Гоогле, Твиттер, Нвидиа и тако даље. Торцх има библиотеку на Питхону која се зове Питорцх.
Инфер.нет
Инфер.нет развија и одржава Мицрософт. Инфер.нет је библиотека са примарним фокусом на Баиесову статистику. Инфер.нет је алат за визуелизацију дубоког учења дизајниран да пружа практичарима најсавременије алгоритме за вероватноћа моделирања. Библиотека садржи аналитичке алате као што су Баиесова анализа, скривени Марковљев ланац, кластерисање.
Керас
Керас је Питхон оквир за дубоко учење. Погодна је библиотека за конструисање било ког алгоритма за дубоко учење. Предност Кераса је што користи исти Питхон код за рад на ЦПУ или ГПУ. Поред тога, окружење за кодирање је чисто и омогућава тренирање најсавременијег алгоритма за рачунарски вид, препознавање текста, између осталог.
Керас је развио Францоис Цхоллет, истраживач у Гоогле-у. Керас се користи у истакнутим организацијама као што су ЦЕРН, Иелп, Скуаре или Гоогле, Нетфлик и Убер.
Тхеано
Тхеано је библиотека за дубоко учење коју је 2007. године развио Университе де Монтреал. Упоређујући Тхеано и ТенсорФлов, нуди брзе прорачуне и може се покретати и на ЦПУ и на ГПУ. Тхеано је развијен за обуку алгоритама дубоких неуронских мрежа.
Мицрософт когнитивни алат (ЦНТК)
Мицрософтов алат, претходно познат као ЦНТК, је библиотека за дубоко учење коју је развио Мицрософт. Према Мицрософту, библиотека је међу најбржим на тржишту. Мицрософт алатка је библиотека отвореног кода, иако је Мицрософт интензивно користи за своје производе као што су Скипе, Цортана, Бинг и Ксбок. Комплет алата доступан је и на Питхону и на Ц ++.
МКСНет
МКСнет је недавна библиотека за дубоко учење. Доступан је са више програмских језика, укључујући Ц ++, Јулиа, Питхон и Р. МКСНет се може конфигурисати за рад и на ЦПУ и на ГПУ. МКСНет укључује најсавременију архитектуру дубоког учења као што су Цонволутионал Неурал Нетворк и Лонг Схорт-Терм Мемори. МКСНет је направљен да ради у складу са динамичном инфраструктуром у облаку. Главни корисник МКСНета је Амазон
Цаффе
Цаффе је библиотека коју је изградио Иангкинг Јиа док је био докторанд на Беркелеиу. Упоређујући Цаффе и ТенсорФлов, Цаффе је написан на језику Ц ++ и може да врши прорачуне и на ЦПУ и на ГПУ. Примарна употреба Цаффе-а је Цонволутионал Неурал Нетворк. Иако је 2017. Фацебоок проширио Цаффе са дубљом архитектуром учења, укључујући рекурентну неуронску мрежу. Цаффе користе академици и стартупи, али и неке велике компаније попут Иахоо !.
ТенсорФлов
ТенсорФлов је Гоогле-ов пројекат отвореног кода. ТенсорФлов је данас најпознатија библиотека за дубоко учење. Пуштен је у јавност крајем 2015. године
ТенсорФлов је развијен на језику Ц ++ и има погодан Питхон АПИ, иако су доступни и Ц ++ АПИ-ји. Истакнуте компаније попут Аирбуса, Гоогле-а, ИБМ-а и тако даље користе ТенсорФлов за производњу алгоритама за дубинско учење.
ТенсорФлов Вс Тхеано Вс Торцх Вс Керас Вс инфер.нет Вс ЦНТК Вс МКСНет Вс Цаффе: Кључне разлике
Библиотека | Платформа | Написано у | Цуда подршка | Паралелно извршење | Има обучене моделе | РНН | ЦНН |
---|---|---|---|---|---|---|---|
Бакља | Линук, МацОС, Виндовс | Луа | да | да | да | да | да |
Инфер.Нет | Линук, МацОС, Виндовс | Визуелни студио | Не | Не | Не | Не | Не |
Керас | Линук, МацОС, Виндовс | Питхон | да | да | да | да | да |
Тхеано | Више платформи | Питхон | да | да | да | да | да |
ТенсорФлов | Линук, МацОС, Виндовс, Андроид | Ц ++, Питхон, ЦУДА | да | да | да | да | да |
МИЦРОСОФТ КОГНИТИВНИ ПРИРУЧНИК | Линук, Виндовс, Мац са Доцкером | Ц ++ | да | да | да | да | да |
Цаффе | Линук, МацОС, Виндовс | Ц ++ | да | да | да | да | да |
МКСНет | Линук, Виндовс, МацОс, Андроид, иОС, Јавасцрипт | Ц ++ | да | да | да | да | да |
Пресуда:
ТенсорФлов је најбоља библиотека од свих јер је направљен тако да буде доступан свима. Библиотека Тенсорфлов укључује различите АПИ-је за изграђену архитектуру дубоког учења попут ЦНН или РНН. ТенсорФлов се заснива на израчунавању графова, омогућава програмеру да визуализује изградњу неуронске мреже помоћу Тенсорбоада. Овај алат је користан за отклањање грешака у програму. Коначно, Тенсорфлов је направљен да се примени у великом обиму. Ради на ЦПУ и ГПУ.
Тенсорфлов привлачи највећу популарност на ГитХуб-у у поређењу са другим библиотекама дубоког учења.
Поређење машинског учења као услуге
Следе 4 популарна ДЛ као добављачи услуга
Гоогле Цлоуд МЛ
Гоогле обезбеђује унапред обучени програм за програмере доступан у Цлоуд АутоМЛ-у. Ово решење постоји за програмере без јаког искуства у машинском учењу. Програмери могу на својим подацима да користе најсавременији Гоогле-ов унапред обучени модел. Омогућава свим програмерима да обуче и процене било који модел за само неколико минута.
Гоогле тренутно нуди РЕСТ АПИ за рачунарски вид, препознавање говора, превођење и НЛП.
Помоћу Гоогле Цлоуд-а можете да обучите оквир за машинско учење изграђен на ТенсорФлов-у, Сцикит-леарн-у, КСГБоост-у или Керасу. Гоогле Цлоуд машинско учење обучиће моделе у свом облаку.
Предност употребе Гоогле рачунарства у облаку је једноставност употребе машинског учења у производњи. Нема потребе за постављањем Доцкер контејнера. Осим тога, облак се брине о инфраструктури. Зна како да алоцира ресурсе са процесорима, графичким процесорима и ТПУ-има. Учини тренинг бржим уз упоредно рачунање.
АВС СагеМакер
Главни конкурент Гоогле Цлоуд-у је Амазон цлоуд, АВС. Амазон је развио Амазон СагеМакер како би омогућио научницима и програмерима података да граде, обучавају и уведу у производњу било које моделе машинског учења.
СагеМакер је доступан у Јупитер бележници и укључује најчешће кориштену библиотеку за машинско учење, ТенсорФлов, МКСНет, Сцикит-леарн. Програми написани са СагеМакер-ом аутоматски се покрећу у Доцкер-овим контејнерима. Амазон се бави расподелом ресурса ради оптимизације обуке и примене.
Амазон пружа АПИ програмерима како би њиховим апликацијама додао интелигенцију. У неким приликама нема потребе за поновним проналажењем точкова прављењем испочетка нових модела, док у облаку постоје моћни унапред обучени модели. Амазон нуди АПИ услуге за рачунарски вид, конверзационе цхатботове и језичке услуге:
Три главна доступна АПИ-ја су:
- Амазон Рекогминатион: пружа апликацију за препознавање слика и видео записа
- Амазон Цомпрехенд: Извршите руковање текстом и обраду неуралних језика да бисте, на пример, аутоматизовали поступак провере законитости финансијских докумената
- Амазон Лек: Додајте цхатбот у апликацију
Азуре Студио за машинско учење
Вероватно један од најпријатнијих приступа машинском учењу је Азуре Мацхине Леарнинг Студио. Значајна предност овог решења је што није потребно претходно знање програмирања.
Мицрософт Азуре Студио за машинско учење је алатка за превлачење и испуштање за стварање, обуку, процену и примену решења за машинско учење. Модел се може ефикасно применити као веб услуге и користити у неколико апликација попут Екцел-а.
Азуре интерфејс за машинско учење је интерактиван, омогућавајући кориснику да направи модел брзим повлачењем и испуштањем елемената.
Када је модел спреман, програмер га може сачувати и гурнути у Азуре Галлери или Азуре Маркетплаце.
Азуре машинско учење може се интегрисати у Р или Питхон њихов прилагођени уграђени пакет.
ИБМ Ватсон МЛ
Ватсон студио може поједноставити пројекте података помоћу поједностављеног процеса који омогућава извлачење вредности и увида из података како би помогао предузећу да постане паметније и брже. Ватсон студио нуди једноставан за употребу заједничку науку о подацима и окружење за машинско учење за изградњу и обуку модела, припрему и анализу података и дељење увида на једном месту. Ватсон Студио је једноставан за употребу са превлачењем и испуштањем кода.
Ватсон студио подржава неке од најпопуларнијих оквира попут Тенсорфлов-а, Керас-а, Питорцх-а, Цаффе-а и може применити алгоритам дубинског учења на најновијим графичким процесорима компаније Нвидиа како би убрзао моделирање.
Пресуда:
С наше тачке гледишта, Гоогле цлоуд решење је оно које се највише препоручује. Гоогле цлоуд решење пружа ниже цене АВС-а за најмање 30% за решење за складиштење података и машинско учење. Гоогле ради одличан посао на демократизацији АИ. Развио је језик отвореног кода, ТенсорФлов, оптимизовану везу са складиштем података, пружа огромне алате од визуализације података, анализе података до машинског учења. Поред тога, Гоогле Цонсоле је ергономски и много свеобухватнији од АВС-а или Виндовс-а.