1 جي فاز تجميع جديد
أصبحت آلة التعلم (ML) أداة قوية بشكل متزايد والتي يمكن استخدامها في التعرف على وجوه شتى المجالات، الترجمة والطبية. ومع ذلك، باستخدام مكتبة المشتركة ML، تطوير النظم ML غالبا ما يقتصر على أولئك الذين لديهم موارد الحوسبة والخبرة التقنية.
زوج (الشعب + مبادرة بحوث AI) هو البحث وإعادة تصميم البرنامج للتفاعل مع مبادرة ML الإنسان، والاستفادة من هذا البرنامج، ونأمل أن تعلم آلة مفتوحة لأكبر عدد من الناس. لتحقيق هذا الهدف، ونحن سعداء لنشر deeplearn.js 0.1.0، والذي هو مفتوح المصدر جافا سكريبت تقنية WebGL تسارع آلة التعلم يدير مكتبة تماما في المتصفح، أي تركيب، لا معالجة الخلفية.
تعلم آلة في المتصفح العديد من المزايا. ويمكن تفسير مكتبة ML العميل باعتباره (شرح تفاعلي) منصة تفاعلية أن النماذج الأولية السريعة (النماذج) والتصور، حتى متواجد حاليا الحوسبة. وبصرف النظر عن الآخر جانبا، ومتصفح يمكن أن يقال لتكون واحدة من منصة البرمجة الأكثر شعبية في العالم.
وبالرغم من أن مكتبة تعلم الآلة في المتصفح حول لسنوات (مثل أندريه Karpathy من convnetjs)، لكنها محدودة بسبب سرعة جافا سكريبت، أو التفكير المحدود لا يمكن أن تستخدم للتدريب (على سبيل المثال TensorFire). في المقابل، deeplearn.js يتم تنفيذ الحساب باستخدام تقنية WebGL على GPU، وكذلك القدرة على الانتشار العكسي تماما (العكسي الكامل) لتحقيق تسارع كبير.
هذا TensorFlow محاكاة API وهيكل نمباي، مع نموذج التنفيذ تأخر (مثل TensorFlow) للتدريب ونموذج التنفيذ الفوري للتفكير (مثل نمباي). ونحن ندرك أيضا بعض من أكثر العمليات شيوعا نسخة TensorFlow. مع deeplearn.js الإفراج عنهم، ثم سوف نقدم الأداة المناسبة لإعادة التصدير من حاجز TensorFlow، والتي سوف تسمح للمؤلفين لاستيرادها إلى المنطق deeplearn.js صفحة على شبكة الإنترنت.
يمكنك التعرف على خط اليد والصور الرقمية من خلال شبكة التدريب التفاف العصبية لاستكشاف إمكانيات هذه المكتبة - جميع هذه كلها دون كتابة التعليمات البرمجية .
نحن نشر سلسلة من العرض لإظهار deeplearn.js القدرة. اتصال في الوقت الحقيقي باستخدام المصنف صورة كاميرا ويب، يمكنك مراقبة تمثيل الشبكة الداخلية، أو 60 لقطة في الفيديو الثاني لإنتاج الفن التجريدي السوائل. هناك أكثر على deeplearn.js الرئيسية التجريبي.
ونحن نأمل ان يكون هذا المكتبة يمكن أن تحسن بشكل كبير من وضوح الرؤية ومشاركة تعلم الآلة، مما يتيح للمطورين الوصول إلى أدوات قوية، مع توفير وسيلة للتفاعل للمستخدم كل يوم. ونحن نتطلع إلى العمل مع مجتمع المصادر المفتوحة، لتعزيز هذه الرؤية.
الأصل: الشبكي: //research.googleblog.com/2017/08/harness-power-of-machine-learning-in.html
deeplearn.js الموقع الرسمي: الشبكي: //pair-code.github.io/deeplearnjs/
انقر هنا لقراءة المقال الأصلي لمعرفة التفاصيل، ونأمل أن تتمكن من الانضمام ~