Η τεχνητή νοημοσύνη αυξάνεται σε δημοτικότητα από το 2016 με το 20% των μεγάλων εταιρειών που χρησιμοποιούν AI στις επιχειρήσεις τους (έκθεση McKinsey, 2018). Σύμφωνα με την ίδια έκθεση, το AI μπορεί να δημιουργήσει σημαντική αξία σε όλους τους κλάδους. Στον τραπεζικό τομέα, για παράδειγμα, το δυναμικό της γρίπης των πτηνών υπολογίζεται σε $ 300 δις ευρώ, στο λιανικό εμπόριο τον αριθμό ανεβάζουν στα ύψη σε $ 600 δις ευρώ.
Για να ξεκλειδώσετε την πιθανή αξία της AI, οι εταιρείες πρέπει να επιλέξουν το σωστό πλαίσιο βαθιάς μάθησης. Σε αυτό το σεμινάριο, θα μάθετε για τις διάφορες διαθέσιμες βιβλιοθήκες για την εκτέλεση καθηκόντων βαθιάς μάθησης. Ορισμένες βιβλιοθήκες υπάρχουν εδώ και χρόνια, ενώ νέα βιβλιοθήκη όπως το TensorFlow έχει εμφανιστεί τα τελευταία χρόνια.
8 καλύτερες βιβλιοθήκες / πλαίσιο βαθιάς μάθησης
Σε αυτήν τη λίστα, θα συγκρίνουμε τα κορυφαία πλαίσια μάθησης σε βάθος. Όλα είναι ανοιχτού κώδικα και δημοφιλή στην κοινότητα επιστημόνων δεδομένων. Θα συγκρίνουμε επίσης το δημοφιλές ML ως πάροχοι υπηρεσιών
Δάδα
Το Torch είναι μια παλιά βιβλιοθήκη μηχανικής μάθησης ανοιχτού κώδικα. Κυκλοφόρησε για πρώτη φορά πριν από 15 χρόνια. Είναι βασικές γλώσσες προγραμματισμού είναι LUA, αλλά έχει εφαρμογή στο C. Συγκρίνοντας το PyTorch εναντίον TensorFlow, υποστηρίζει μια τεράστια βιβλιοθήκη για αλγόριθμους μηχανικής μάθησης, συμπεριλαμβανομένης της βαθιάς μάθησης. Υποστηρίζει την εφαρμογή CUDA για παράλληλο υπολογισμό.
Το εργαλείο βαθιάς μάθησης Torch χρησιμοποιείται από τα περισσότερα κορυφαία εργαστήρια όπως το Facebook, το Google, το Twitter, το Nvidia και ούτω καθεξής. Ο Torch έχει μια βιβλιοθήκη στο Python ονόματα Pytorch.
Infer.net
Το Infer.net αναπτύσσεται και συντηρείται από τη Microsoft. Το Infer.net είναι μια βιβλιοθήκη με πρωταρχική εστίαση στη στατιστική Bayesian. Το Infer.net είναι ένα εργαλείο οπτικοποίησης της βαθιάς μάθησης που έχει σχεδιαστεί για να προσφέρει στους ασκούμενους state-of-the-art αλγόριθμους για πιθανή μοντελοποίηση. Η βιβλιοθήκη περιέχει αναλυτικά εργαλεία όπως ανάλυση Bayesian, κρυφή αλυσίδα Markov, ομαδοποίηση.
Κεράς
Το Keras είναι ένα πλαίσιο Python για βαθιά μάθηση. Είναι μια βολική βιβλιοθήκη για την κατασκευή οποιουδήποτε αλγορίθμου βαθιάς μάθησης. Το πλεονέκτημα του Keras είναι ότι χρησιμοποιεί τον ίδιο κώδικα Python για να τρέχει σε CPU ή GPU. Εκτός αυτού, το περιβάλλον κωδικοποίησης είναι καθαρό και επιτρέπει την κατάρτιση ενός αλγόριθμου τελευταίας τεχνολογίας για την όραση του υπολογιστή, την αναγνώριση κειμένου μεταξύ άλλων.
Το Keras αναπτύχθηκε από τον François Chollet, ερευνητή της Google. Το Keras χρησιμοποιείται σε εξέχοντες οργανισμούς όπως CERN, Yelp, Square ή Google, Netflix και Uber.
Θεανώ
Το Theano είναι μια βιβλιοθήκη βαθιάς μάθησης που αναπτύχθηκε από το Université de Montréal το 2007. Συγκρίνοντας το Theano εναντίον TensorFlow, προσφέρει γρήγορο υπολογισμό και μπορεί να εκτελεστεί τόσο σε CPU όσο και σε GPU. Το Theano έχει αναπτυχθεί για να εκπαιδεύσει αλγόριθμους βαθύ νευρωνικού δικτύου.
Microsoft Cognitive Toolkit (CNTK)
Το κιτ εργαλείων της Microsoft, γνωστό προηγουμένως ως CNTK, είναι μια βιβλιοθήκη βαθιάς μάθησης που αναπτύχθηκε από τη Microsoft. Σύμφωνα με τη Microsoft, η βιβλιοθήκη είναι από τις ταχύτερες στην αγορά. Η εργαλειοθήκη της Microsoft είναι μια βιβλιοθήκη ανοιχτού κώδικα, αν και η Microsoft τη χρησιμοποιεί εκτενώς για τα προϊόντα της όπως Skype, Cortana, Bing και Xbox. Η εργαλειοθήκη είναι διαθέσιμη τόσο σε Python όσο και σε C ++.
MXNet
Το MXnet είναι μια πρόσφατη βιβλιοθήκη βαθιάς μάθησης. Είναι προσβάσιμο με πολλές γλώσσες προγραμματισμού συμπεριλαμβανομένων των C ++, Julia, Python και R. MXNet μπορεί να ρυθμιστεί ώστε να λειτουργεί τόσο σε CPU όσο και σε GPU. Το MXNet περιλαμβάνει υπερσύγχρονη αρχιτεκτονική βαθιάς μάθησης, όπως το Convolutional Neural Network και τη Μακροπρόθεσμη Μνήμη. Το MXNet είναι σχεδιασμένο για να λειτουργεί σε αρμονία με τη δυναμική υποδομή cloud. Ο κύριος χρήστης του MXNet είναι η Amazon
Καφέ
Ο Caffe είναι μια βιβλιοθήκη που χτίστηκε από τον Yangqing Jia όταν ήταν φοιτητής διδακτορικού στο Μπέρκλεϋ. Συγκρίνοντας το Caffe εναντίον TensorFlow, το Caffe γράφεται σε C ++ και μπορεί να εκτελέσει υπολογισμό τόσο σε CPU όσο και σε GPU. Οι κύριες χρήσεις του Caffe είναι το Convolutional Neural Network. Παρόλο που, το 2017, το Facebook επέκτεινε το Caffe με πιο βαθιά αρχιτεκτονική μάθησης, συμπεριλαμβανομένου του Recurrent Neural Network. Το Caffe χρησιμοποιείται από ακαδημαϊκούς και νεοσύστατες επιχειρήσεις, αλλά και από μερικές μεγάλες εταιρείες όπως το Yahoo !.
TensorFlow
Το TensorFlow είναι έργο ανοιχτού κώδικα της Google. Το TensorFlow είναι η πιο διάσημη βιβλιοθήκη βαθιάς μάθησης αυτές τις μέρες. Κυκλοφόρησε στο κοινό στα τέλη του 2015
Το TensorFlow αναπτύχθηκε σε C ++ και διαθέτει βολικό Python API, αν και είναι διαθέσιμα και API C ++. Διακεκριμένες εταιρείες όπως η Airbus, η Google, η IBM και ούτω καθεξής χρησιμοποιούν το TensorFlow για την παραγωγή αλγορίθμων βαθιάς μάθησης.
TensorFlow Vs Theano Vs Torch Vs Keras Vs infer.net Vs CNTK Vs MXNet Vs Caffe: Βασικές διαφορές
| Βιβλιοθήκη | Πλατφόρμα | Γραμμένο σε | Υποστήριξη Cuda | Παράλληλη εκτέλεση | Έχει εκπαιδευμένα μοντέλα | RNN | CNN |
|---|---|---|---|---|---|---|---|
| Δάδα | Linux, MacOS, Windows | Λούα | Ναί | Ναί | Ναί | Ναί | Ναί |
| Infer.Net | Linux, MacOS, Windows | Visual Studio | Οχι | Οχι | Οχι | Οχι | Οχι |
| Κεράς | Linux, MacOS, Windows | Πύθων | Ναί | Ναί | Ναί | Ναί | Ναί |
| Θεανώ | Διαγώνια πλατφόρμα | Πύθων | Ναί | Ναί | Ναί | Ναί | Ναί |
| TensorFlow | Linux, MacOS, Windows, Android | C ++, Python, CUDA | Ναί | Ναί | Ναί | Ναί | Ναί |
| ΕΓΓΡΑΦΟ MICROSOFT COGNITIVE | Linux, Windows, Mac με Docker | C ++ | Ναί | Ναί | Ναί | Ναί | Ναί |
| Καφέ | Linux, MacOS, Windows | C ++ | Ναί | Ναί | Ναί | Ναί | Ναί |
| MXNet | Linux, Windows, MacOs, Android, iOS, Javascript | C ++ | Ναί | Ναί | Ναί | Ναί | Ναί |
Ετυμηγορία:
Το TensorFlow είναι η καλύτερη βιβλιοθήκη απ 'όλα γιατί είναι φτιαγμένη για πρόσβαση σε όλους. Η βιβλιοθήκη Tensorflow ενσωματώνει διαφορετικά API για ενσωματωμένη αρχιτεκτονική βαθιάς μάθησης όπως CNN ή RNN. Το TensorFlow βασίζεται σε υπολογισμό γραφήματος, επιτρέπει στον προγραμματιστή να απεικονίσει την κατασκευή του νευρικού δικτύου με το Tensorboad. Αυτό το εργαλείο είναι χρήσιμο για τον εντοπισμό σφαλμάτων του προγράμματος. Τέλος, το Tensorflow είναι σχεδιασμένο για ανάπτυξη σε κλίμακα. Τρέχει σε CPU και GPU.
Το Tensorflow προσελκύει τη μεγαλύτερη δημοτικότητα στο GitHub σε σύγκριση με τις άλλες βιβλιοθήκες βαθιάς μάθησης.
Σύγκριση της μηχανικής μάθησης ως υπηρεσίας
Ακολουθούν 4 δημοφιλείς DL ως πάροχοι υπηρεσιών
Google Cloud ML
Η Google παρέχει προ-εκπαιδευμένο μοντέλο προγραμματιστή διαθέσιμο στο Cloud AutoML. Αυτή η λύση υπάρχει για έναν προγραμματιστή χωρίς ισχυρό υπόβαθρο στη μηχανική μάθηση. Οι προγραμματιστές μπορούν να χρησιμοποιήσουν το προηγμένο εκπαιδευμένο μοντέλο της Google στα δεδομένα τους. Επιτρέπει σε κάθε προγραμματιστή να εκπαιδεύσει και να αξιολογήσει οποιοδήποτε μοντέλο σε λίγα λεπτά.
Η Google παρέχει επί του παρόντος ένα REST API για όραμα υπολογιστή, αναγνώριση ομιλίας, μετάφραση και NLP.
Χρησιμοποιώντας το Google Cloud, μπορείτε να εκπαιδεύσετε ένα πλαίσιο μηχανικής εκμάθησης που βασίζεται σε TensorFlow, Scikit-learning, XGBoost ή Keras. Το Google Cloud machine learning θα εκπαιδεύσει τα μοντέλα σε όλο το νέφος του.
Το πλεονέκτημα της χρήσης του Google cloud computing είναι η απλότητα της ανάπτυξης της μηχανικής μάθησης στην παραγωγή. Δεν χρειάζεται να ρυθμίσετε το κοντέινερ Docker. Εκτός αυτού, το cloud φροντίζει την υποδομή. Ξέρει πώς να κατανέμει πόρους με CPU, GPU και TPU. Κάνει την εκπαίδευση γρηγορότερη με παράλληλους υπολογισμούς.
AWS SageMaker
Ένας σημαντικός ανταγωνιστής του Google Cloud είναι το Amazon cloud, AWS. Η Amazon έχει αναπτύξει το Amazon SageMaker για να επιτρέπει στους επιστήμονες και τους προγραμματιστές δεδομένων να κατασκευάζουν, να εκπαιδεύουν και να παράγουν στην παραγωγή οποιουδήποτε μοντέλου μηχανικής μάθησης.
Το SageMaker διατίθεται σε ένα Jupyter Notebook και περιλαμβάνει τη βιβλιοθήκη μηχανικής εκμάθησης που χρησιμοποιείται περισσότερο, TensorFlow, MXNet, Scikit-learn μεταξύ άλλων. Τα προγράμματα που γράφτηκαν με το SageMaker εκτελούνται αυτόματα στα κοντέινερ Docker. Η Amazon χειρίζεται την κατανομή πόρων για τη βελτιστοποίηση της εκπαίδευσης και της ανάπτυξης.
Η Amazon παρέχει API στους προγραμματιστές για να προσθέσει πληροφορίες στις εφαρμογές τους. Σε ορισμένες περιπτώσεις, δεν υπάρχει ανάγκη επανεφεύρεσης του τροχού, κατασκευάζοντας από το μηδέν νέα μοντέλα, ενώ υπάρχουν ισχυρά προ-εκπαιδευμένα μοντέλα στο cloud. Η Amazon παρέχει υπηρεσίες API για όραμα υπολογιστή, συνομιλητικά chatbots και γλωσσικές υπηρεσίες:
Τα τρία κύρια διαθέσιμα API είναι:
- Amazon Recognition: παρέχει αναγνώριση εικόνας και βίντεο σε μια εφαρμογή
- Amazon Comprehend: Εκτελέστε εξόρυξη κειμένου και επεξεργασία νευρικής γλώσσας, για παράδειγμα, για την αυτοματοποίηση της διαδικασίας ελέγχου της νομιμότητας του οικονομικού εγγράφου
- Amazon Lex: Προσθέστε το chatbot σε μια εφαρμογή
Azure Machine Learning Studio
Πιθανώς μια από τις πιο φιλικές προσεγγίσεις στη μηχανική μάθηση είναι το Azure Machine Learning Studio. Το σημαντικό πλεονέκτημα αυτής της λύσης είναι ότι δεν απαιτείται προηγούμενη γνώση προγραμματισμού.
Το Microsoft Azure Machine Learning Studio είναι ένα εργαλείο μεταφοράς και απόθεσης για δημιουργία, εκπαίδευση, αξιολόγηση και ανάπτυξη λύσης μηχανικής μάθησης. Το μοντέλο μπορεί να αναπτυχθεί αποτελεσματικά ως υπηρεσίες ιστού και να χρησιμοποιηθεί σε πολλές εφαρμογές όπως το Excel.
Η διεπαφή εκμάθησης Azure Machine είναι διαδραστική, επιτρέποντας στον χρήστη να δημιουργήσει ένα μοντέλο απλά με μεταφορά και απόθεση στοιχείων γρήγορα.
Όταν το μοντέλο είναι έτοιμο, ο προγραμματιστής μπορεί να το αποθηκεύσει και να το ωθήσει στο Azure Gallery ή στο Azure Marketplace.
Το Azure Machine learning μπορεί να ενσωματωθεί σε R ή Python στο προσαρμοσμένο ενσωματωμένο πακέτο τους.
IBM Watson ML
Το Watson studio μπορεί να απλοποιήσει τα έργα δεδομένων με μια βελτιωμένη διαδικασία που επιτρέπει την εξαγωγή αξίας και πληροφοριών από τα δεδομένα για να βοηθήσει την επιχείρηση να γίνει πιο έξυπνη και γρηγορότερη. Το στούντιο Watson προσφέρει ένα εύχρηστο συνεργατικό περιβάλλον επιστήμης δεδομένων και μηχανικής μάθησης για κατασκευή και κατάρτιση μοντέλων, προετοιμασία και ανάλυση δεδομένων και ανταλλαγή πληροφοριών σε ένα μέρος. Το Watson Studio είναι εύκολο στη χρήση με έναν κωδικό μεταφοράς και απόθεσης.
Το στούντιο Watson υποστηρίζει μερικά από τα πιο δημοφιλή πλαίσια όπως Tensorflow, Keras, Pytorch, Caffe και μπορεί να αναπτύξει έναν αλγόριθμο βαθιάς μάθησης στις πιο πρόσφατες GPU από τη Nvidia για να βοηθήσει στην επιτάχυνση της μοντελοποίησης.
Ετυμηγορία:
Κατά την άποψή μας, η λύση cloud Google είναι αυτή που συνιστάται περισσότερο. Η λύση cloud της Google παρέχει χαμηλότερες τιμές το AWS κατά τουλάχιστον 30% για τη λύση αποθήκευσης δεδομένων και μηχανικής μάθησης. Η Google κάνει εξαιρετική δουλειά για τον εκδημοκρατισμό της τεχνητής νοημοσύνης. Έχει αναπτύξει μια γλώσσα ανοιχτού κώδικα, το TensorFlow, βελτιστοποιημένη σύνδεση αποθήκης δεδομένων, παρέχει τεράστια εργαλεία από οπτικοποίηση δεδομένων, ανάλυση δεδομένων έως μηχανική μάθηση. Εκτός αυτού, το Google Console είναι εργονομικό και πολύ πιο ολοκληρωμένο από το AWS ή τα Windows.