The OpenNET Project / Index page

[ новости /+++ | форум | wiki | теги | ]

Выпуск системы машинного обучения TensorFlow 1.0 и классификатора изображений ResNeXt

16.02.2017 11:25

Компания Google представила первый стабильный выпуск платформы машинного обучения TensorFlow, предоставляющей готовые реализации различных алгоритмов глубокого машинного обучения. Предоставляется простой программный интерфейс для построения моделей на языке Python и низкоуровневый интерфейс для языка С++, позволяющий управлять построением и выполнением вычислительных графов. Код системы написан на языках С++ и Python и распространяется под лицензией Apache.

Платформа развивается командой Google Brain и используются в сервисах Google для распознавания речи, выделения лиц на фотографиях, определение схожести изображений, отсеивание спама в Gmail и организации перевода с учётом смысла. С момента открытия кода платформа также была задействована в нескольких независимых исследовательских проектах, например, на основе TensorFlow созданы мобильные приложения для определение рака кожи и профилактики слепоты у больных сахарным диабетом.

TensorFlow предоставляет библиотеку готовых алгоритмов численных вычислений, реализованных через графы потоков данных (data flow graphs). Узлы в таких графах реализуют математические операции или точки входа/вывода, в то время как рёбра графа представляют многомерные массивы данных (тензоры), которые перетекают между узлами. Узлы могут быть закреплены за вычислительными устройствами и выполняться асинхронно, параллельно обрабатывая разом все подходящие к ним тезоры, что позволяет организовать одновременную работу узлов в нейронной сети по аналогии с одновременной активацией нейронов в мозге. Распределённые системы машинного обучения можно создавать на типовом оборудовании, благодаря встроенной поддержке в TensorFlow разнесения вычислений на несколько CPU или GPU.

Версия TensorFlow 1.0 примечательна стабилизацией API для языка Python, который в дальнейшем будет меняться только с сохранением обратной совместимости, а также добавлением экспериментальных API для языков Java и Go. Среди других улучшений:

  • Подготовлен выскопроизводительный предметно-ориентированный компилятор XLA (Accelerated Linear Algebra) для ускорения операций линейной алгебры. Компилятор поддерживает как режим компиляции на лету (JIT), так и классическую предварительную компиляцию (AOT). Применение XLA позволяет значительно ускорить работу алгоритмов TensorFlow и сократить потребление памяти, сохранив при этом возможность использования как на обычных серверных и мобильных платформах, так и на системах со специализированными аппаратными ускорителями. Например, использование XLA позволяет ускорить обучение модели Inception v3 в 7.3 раза на системе с 8 GPU и в 58 раз в кластере из 64 GPU;
  • Из tf.contrib.learn в основной состав перенесён набор модулей (tf.layers, tf.metrics и tf.losses) c реализацией высокоуровневых API, упрощающих задействование средств машинного обучения в своих проектах.
  • Добавлен новый модуль tf.keras, обеспечивающий полную интеграцию с библиотекой построения нейронных сетей Keras.
  • API для языка Python переработан для большей схожести с API NumPy (для автоматической адаптации кода проектов к изменениям в API подготовлен скрипт);
  • Добавлен отладчик tfdbg, предоставляющий API и интерфейс командной строки для отладки приложений на базе TensorFlow во время их работы;
  • Подготовлен новый набор демонстрационных приложений для платформы Android с примерами реализации таких функций как определение объектов на изображении и корректировка картинки со встроенной камеры;
  • Для упрощения установки сформированы готовые Docker-образы и pip-пакеты, совместимые с PyPI (для установки TensorFlow теперь достаточно выполнить команду "pip install tensorflow").

Дополнительно можно отметить продолжение компанией Facebook публикации наработок по распознаванию объектов на фотографиях. Следом за реализацией алгоритмов DeepMask и SharpMask открыт код фреймворка ResNeXt с реализацией простой и модульной архитектуры классификации изображений и определения объектов на фотографиях, основанной на алгоритмах, изложенных в публикации "Aggregated Residual Transformations for Deep Neural Networks". Код написан на языке Lua в виде модуля к библиотеке глубинного машинного обучения Torch и распространяется под лицензией BSD. В дополнение к коду для загрузки под лицензией CC BY-NC 4.0 предлагается несколько готовых натренированных моделей нейронной сети для ResNeXt.

  1. Главная ссылка к новости (https://developers.googleblog....)
  2. OpenNews: Google представил технику реконструкции пикселизированных изображений
  3. OpenNews: Релиз библиотеки компьютерного зрения OpenCV 3.2
  4. OpenNews: В рамках проекта subpixel подготовлена нейронная сеть для восстановления изображений
  5. OpenNews: Google открыл код SyntaxNet, системы восприятия естественного языка
  6. OpenNews: Открыт код системы машинного обучения TensorFlow, разработанной командой Google Brain
Лицензия: CC BY 3.0
Короткая ссылка: https://opennet.ru/46058-tensorflow
Ключевые слова: tensorflow, neural, ai
При перепечатке указание ссылки на opennet.ru обязательно


Обсуждение (16) Ajax | 1 уровень | Линейный | +/- | Раскрыть всё | RSS
  • 1.1, Аноним (-), 16:40, 16/02/2017 [ответить] [﹢﹢﹢] [ · · · ]  
  • –3 +/
    Когда там уже ИИ? И почему не используют импульсные нейросети, как в мозгу?
     
     
  • 2.3, Стандарты (?), 16:45, 16/02/2017 [^] [^^] [^^^] [ответить]  
  • +2 +/
    > Когда там уже ИИ?

    "ИИ - это то, что комьпютеры пока ещё не умеют делать." (C)

    > И почему не используют импульсные нейросети, как в мозгу?

    Нафига?

     
     
  • 3.4, Andrey Mitrofanov (?), 16:58, 16/02/2017 [^] [^^] [^^^] [ответить]  
  • –2 +/
    >>импульсные нейросети, как в мозгу?
    > Нафига?

    Центры удовольствия дёргать. //Ваш КО.

     
  • 3.5, Ordu (ok), 03:18, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • –1 +/
    > "ИИ - это то, что комьпютеры пока ещё не умеют делать." (C)

    Отставание от реальности detected. Сейчас, вообще-то, в развитых странах происходит AI революция. Не так, как это было нарисовано в терминаторе, помягче, но и тем не менее дело доходит до статей типа: https://bothsidesofthetable.com/mark-cuban-on-why-you-need-to-study-artificial

    ps. В качестве ликбеза: просто не надо путать Artifical Intelligence и General Intelligence. Это разные вещи, второе -- мифический частный случай первого, которое существует только в головах тех людей, кто не в теме.

     
     
  • 4.6, mma (?), 04:31, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • +/
    Говорят то все красиво но дальше машинного обучеия никто не ушел пока. Просто сейчас эту фишку стали пиарить, вот и кажется некоторым что это что то новое, срочно надо изучать )
     
     
  • 5.9, Ordu (ok), 09:54, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • +/
    > Говорят то все красиво но дальше машинного обучеия никто не ушел пока.
    > Просто сейчас эту фишку стали пиарить, вот и кажется некоторым что
    > это что то новое, срочно надо изучать )

    Конечно-конечно. Машинное обучение придумали 50 лет назад и с тех пор ничего не изменилось. А если кто-то говорит иначе, то это значит, что он по глупости пиарит. А если он ещё глуп настолько, чтобы поддерживать текущий бум инвестиций в стартапы, строящиеся на ИИ технологиях, то он просто дурак, удивительно как он до с таким дефицитом интеллекта умудрялся до сих пор быть успешным инвестором.
    Продолжай и дальше так думать, и несомненно ты никогда не станешь динозавром.

     
     
  • 6.11, Аноним (-), 11:05, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • –2 +/
    В стране, которая является лидером по экспорту валенков(статья экспорта "Валяная обувь"), знают все о, искусственном интеллекте и машинном обучении!

    https://rg.ru/2016/12/18/za-rubezhom-vyros-spros-na-rossijskie-valenki.html

    >>50 лет назад и с тех пор ничего не изменилось

    50 лет назад в России основным инструментом расчета были счеты. Ничего не изменилось!
    По крайней мере последний бюджет был точно рассчитан на счетах.
    Ломаных.

     
     
  • 7.14, Ordu (ok), 16:01, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • +/
    > В стране, которая является лидером по экспорту валенков(статья экспорта "Валяная обувь"),
    > знают все о, искусственном интеллекте и машинном обучении!

    При чём здесь эта страна? Я дал хоть одну ссылку на русскоязычные источники?

    > 50 лет назад в России основным инструментом расчета были счеты. Ничего не
    > изменилось!
    > По крайней мере последний бюджет был точно рассчитан на счетах.
    > Ломаных.

    Изменилось. 50 лет назад создавались и использовались алгоритмы для анализа социальных и экономических проблем. Если очень интересно я могу поискать для примера какую-нибудь книжку на эту тему, чтоб почитать и ознакомиться. Сегодня же, да, беда.

     
  • 6.13, Sergei (??), 12:43, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • +3 +/
    Ога, слава Герострата она такая...если не понимаешь происходящего, то делай вид, что понимаешь и критикуй всё подряд) И пофиг, что с 2012 года, стараниями Deep Learning, машинное зрение сделало огроменный шаг вперед, дав инструмент для решения таких задач, на которые 10-15 лет и не замахивались, но все равно найдутся те, кто будет нудеть "это всего лишь подбор весов и такое уже было 40 лет назад"...ну и да, еще, чтобы показать окружающим свою осведомленность и значимость, нужно при каждом удобном случае задвигать телеги (можно даже скопипастить в предыдущих подобных обсуждениях) на тему: "что есть интеллект" и "как понять, что натренированная нейронная сеть обладает интеллектом" :-)
     
  • 4.12, Аноним (-), 12:24, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • +/
    Обучение и самообучение, это разные вещи.
     
     
  • 5.15, Ordu (ok), 16:11, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • +/
    > Обучение и самообучение, это разные вещи.

    В смысле supervised и unsupervised learning? Ну да, они разные, и что дальше? Современные методы статистики и AI могут и в supervised тоже. Собственно это даже проще, чем unsupervised, но убого, потому что человек мало чему может научить: чтобы научить чему-то, сначала надо самому научиться это делать, но если я и сам действительно могу это делать и понимаю, как я могу это делать, то зачем мне нужен AI, ведь зная всё, я могу написать программу классическими методами.

     

  • 1.7, лютый жабист__ (?), 05:59, 17/02/2017 [ответить] [﹢﹢﹢] [ · · · ]  
  • +/
    Все эти корпорации бобра занимаются не тем (либо занимаются, но втихаря). В первую очередь надо пилить AI который будет программить по ТЗ, написанному английским по белому. Всё остальное сделает ОН... 8)
     
     
  • 2.8, Andrey Mitrofanov (?), 09:22, 17/02/2017 [^] [^^] [^^^] [ответить]  
  • +1 +/
    > Все эти корпорации бобра занимаются не тем (либо занимаются, но втихаря). В
    > первую очередь надо пилить AI который будет программить по ТЗ, написанному
    > английским по белому. Всё остальное сделает ОН... 8)

    Согласен! Пусть программы на джавве пишут программы на лиспе. В стране дворников не хватает.

     

  • 1.10, Аноним (-), 10:42, 17/02/2017 [ответить] [﹢﹢﹢] [ · · · ]  
  • +/
    >>Для установки golang API выполните в терминале



    go get github.com/tensorflow/tensorflow/tensorflow/go

    Реально, библиотека для глубокого/глубокого/глубокого машинного обучения.  

     
  • 1.16, Дензел (?), 12:24, 22/02/2017 [ответить] [﹢﹢﹢] [ · · · ]  
  • +/
    Можно сделать так,чтобы нейросеть обрабатывала (брала) данные с сайта статистики через api?
     

     Добавить комментарий
    Имя:
    E-Mail:
    Текст:



    Партнёры:
    PostgresPro
    Inferno Solutions
    Hosting by Hoster.ru
    Хостинг:

    Закладки на сайте
    Проследить за страницей
    Created 1996-2024 by Maxim Chirkov
    Добавить, Поддержать, Вебмастеру