Umelá inteligencia rastie od roku 2016 na popularite, pričom 20% veľkých spoločností využíva AI vo svojich podnikoch (správa McKinsey, 2018). Podľa rovnakej správy môže AI vytvárať významnú hodnotu pre všetky odvetvia. V bankovníctve, napríklad potenciál AI sa odhaduje na $ 300 miliárd v maloobchodnom čísla raketa na $ 600 miliárd korún.
Na uvoľnenie potenciálnej hodnoty umelej inteligencie musia spoločnosti zvoliť správny rámec hlbokého vzdelávania. V tomto výučbe sa dozviete o rôznych knižniciach, ktoré sú k dispozícii na vykonávanie úloh hlbokého učenia. Niektoré knižnice existujú už roky, zatiaľ čo v posledných rokoch sa objavila nová knižnica ako TensorFlow.
8 Najlepšie knižnice / rámec pre hlboké vzdelávanie
V tomto zozname porovnáme najlepšie rámce Deep Learning. Všetky z nich sú open source a populárne v komunite dátových vedcov. Porovnáme tiež populárne ML ako poskytovateľa služieb
Fakľa
Torch je stará knižnica strojového učenia s otvoreným zdrojom. Prvýkrát to vyšlo pred 15 rokmi. Je to primárny programovací jazyk LUA, ale má implementáciu v C. V porovnaní s PyTorch vs TensorFlow podporuje rozsiahlu knižnicu pre algoritmy strojového učenia vrátane hlbokého učenia. Podporuje implementáciu CUDA pre paralelný výpočet.
Nástroj hlbokého učenia pochodne používa väčšina popredných laboratórií, ako sú Facebook, Google, Twitter, Nvidia atď. Torch má knižnicu v názvoch Pythonu Pytorch.
Infer.net
Infer.net je vyvíjaný a udržiavaný spoločnosťou Microsoft. Infer.net je knižnica zameraná predovšetkým na bayesovskú štatistiku. Infer.net je vizualizačný nástroj pre Deep Learning, navrhnutý tak, aby odborníkom ponúkol najmodernejšie algoritmy pravdepodobnostného modelovania. Knižnica obsahuje analytické nástroje ako Bayesiánska analýza, skrytý Markovov reťazec, zhlukovanie.
Keras
Keras je rámec Pythonu pre hlboké vzdelávanie. Je to pohodlná knižnica na zostavenie ľubovoľného algoritmu hlbokého učenia. Výhodou produktu Keras je, že na spustenie na CPU alebo GPU používa rovnaký kód Pythonu. Okrem toho je kódovacie prostredie čisté a umožňuje trénovať najmodernejší algoritmus pre počítačové videnie, rozpoznávanie textu a iné.
Keras vyvinul François Chollet, výskumný pracovník spoločnosti Google. Keras sa používa v prominentných organizáciách, ako sú CERN, Yelp, Square alebo Google, Netflix a Uber.
Theano
Theano je hlboká vzdelávacia knižnica vyvinutá Université de Montréal v roku 2007. V porovnaní s Theano vs TensorFlow ponúka rýchly výpočet a je možné ho spustiť na CPU aj GPU. Theano bolo vyvinuté na výcvik algoritmov hlbokej neurónovej siete.
Microsoft Cognitive Toolkit (CNTK)
Sada nástrojov spoločnosti Microsoft, ktorá sa predtým nazývala CNTK, je hlboká vzdelávacia knižnica vyvinutá spoločnosťou Microsoft. Podľa Microsoftu patrí knižnica medzi najrýchlejšie na trhu. Sada nástrojov spoločnosti Microsoft je knižnica otvorených zdrojov, aj keď ju spoločnosť Microsoft vo veľkej miere používa pre svoje produkty, ako sú Skype, Cortana, Bing a Xbox. Sada nástrojov je k dispozícii v jazykoch Python a C ++.
MXNet
MXnet je nedávna knižnica hlbokého učenia. Je prístupný z viacerých programovacích jazykov vrátane C ++, Julia, Python a R. MXNet je možné nakonfigurovať tak, aby fungoval na CPU aj GPU. MXNet obsahuje najmodernejšiu architektúru hlbokého učenia, ako je napríklad Convolutional Neural Network a Long Short-Term Memory. MXNet je zostavený tak, aby pracoval v súlade s dynamickou cloudovou infraštruktúrou. Hlavným používateľom siete MXNet je Amazon
Caffe
Caffe je knižnica, ktorú postavil Yangqing Jia, keď bol doktorandom v Berkeley. Pri porovnaní Caffe vs TensorFlow je Caffe napísaný v C ++ a môže vykonávať výpočty na CPU aj GPU. Primárne využitie Caffe je konvolučná neurónová sieť. Aj keď v roku 2017 Facebook rozšíril Caffe o architektúru hlbšieho učenia, vrátane Recurrent Neural Network. Caffe používajú akademici a startupy, ale aj niektoré veľké spoločnosti ako Yahoo !.
TensorFlow
TensorFlow je Google open source projekt. TensorFlow je najslávnejšia knižnica hlbokého učenia súčasnosti. Na verejnosť sa dostala koncom roku 2015
TensorFlow je vyvinutý v C ++ a má pohodlné rozhranie Python API, aj keď sú k dispozícii aj C ++ API. Prominentné spoločnosti ako Airbus, Google, IBM atď. Používajú TensorFlow na výrobu algoritmov hlbokého učenia.
TensorFlow Vs Theano Vs Pochodeň Vs Keras Vs infer.net Vs CNTK Vs MXNet Vs Caffe: Kľúčové rozdiely
| Knižnica | Plošina | Napísané v | Podpora Cuda | Paralelné vykonávanie | Má vyškolené modely | RNN | CNN |
|---|---|---|---|---|---|---|---|
| Fakľa | Linux, MacOS, Windows | Lua | Áno | Áno | Áno | Áno | Áno |
| Infer.Net | Linux, MacOS, Windows | Vizuálne štúdio | Nie | Nie | Nie | Nie | Nie |
| Keras | Linux, MacOS, Windows | Python | Áno | Áno | Áno | Áno | Áno |
| Theano | Cross-platform | Python | Áno | Áno | Áno | Áno | Áno |
| TensorFlow | Linux, MacOS, Windows, Android | C ++, Python, CUDA | Áno | Áno | Áno | Áno | Áno |
| KOGNITÍVNY NÁSTROJ MICROSOFT | Linux, Windows, Mac s Dockerom | C ++ | Áno | Áno | Áno | Áno | Áno |
| Caffe | Linux, MacOS, Windows | C ++ | Áno | Áno | Áno | Áno | Áno |
| MXNet | Linux, Windows, MacOs, Android, iOS, Javascript | C ++ | Áno | Áno | Áno | Áno | Áno |
Verdikt:
TensorFlow je najlepšia knižnica zo všetkých, pretože je postavená tak, aby bola prístupná pre všetkých. Knižnica Tensorflow obsahuje rôzne API pre architektúru hlbokého učenia ako CNN alebo RNN. TensorFlow je založený na výpočte grafov, umožňuje vývojárovi vizualizovať stavbu neurónovej siete pomocou Tensorboad. Tento nástroj je užitočný na ladenie programu. Nakoniec je Tensorflow postavený tak, aby sa dal nasadiť vo veľkom. Beží na CPU a GPU.
Tensorflow priťahuje najväčšiu popularitu na GitHub v porovnaní s ostatnými knižnicami hlbokého učenia.
Porovnanie strojového učenia ako služby
Nasledujú 4 populárne DL ako poskytovatelia služieb
Google Cloud ML
Google poskytuje vopred vyškolený model pre vývojárov dostupný v Cloud AutoML. Toto riešenie existuje pre vývojára bez silného zázemia v strojovom učení. Vývojári môžu na svoje údaje použiť najmodernejší vopred vyškolený model spoločnosti Google. Umožňuje vývojárom trénovať a hodnotiť akýkoľvek model za pár minút.
Google v súčasnosti poskytuje rozhranie REST API pre počítačové videnie, rozpoznávanie reči, preklady a NLP.
Pomocou služby Google Cloud môžete trénovať rámec strojového učenia zostavený na platformách TensorFlow, Scikit-learn, XGBoost alebo Keras. Google Cloud strojové učenie bude trénovať modely naprieč jeho cloudom.
Výhodou využívania cloudových výpočtov Google je jednoduchosť nasadenia strojového učenia do výroby. Nie je potrebné nastavovať kontajner Docker. Okrem toho sa cloud stará o infraštruktúru. Vie, ako alokovať zdroje s CPU, GPU a TPU. S paralelným výpočtom je tréning rýchlejší.
AWS SageMaker
Hlavným konkurentom pre Google Cloud je Amazon cloud, AWS. Spoločnosť Amazon vyvinula program Amazon SageMaker, ktorý umožňuje dátovým vedcom a vývojárom zostavovať, trénovať a zavádzať do výroby akékoľvek modely strojového učenia.
SageMaker je k dispozícii v notebooku Jupyter a obsahuje okrem iných aj najpoužívanejšiu knižnicu strojového učenia, TensorFlow, MXNet, Scikit-learn. Programy napísané pomocou programu SageMaker sa automaticky spúšťajú v kontajneroch Docker. Amazon rieši alokáciu zdrojov s cieľom optimalizovať školenie a nasadenie.
Amazon poskytuje vývojárom rozhranie API s cieľom pridať inteligenciu ich aplikáciám. Pri niektorých príležitostiach nie je potrebné znovuobjavovať kolesá stavaním nových modelov od nuly, zatiaľ čo v cloude sú výkonné vopred vyškolené modely. Amazon poskytuje služby API pre počítačové videnie, konverzačné chatboty a jazykové služby:
Tri hlavné dostupné API sú:
- Amazon Rekognition: poskytuje aplikácii rozpoznávanie obrázkov a videa
- Amazon Comprehend: Vykonajte dolovanie textu a spracovanie neurálnych jazykov, aby ste napríklad automatizovali proces kontroly zákonnosti finančného dokumentu
- Amazon Lex: Pridajte chatbota do aplikácie
Štúdio Azure Machine Learning
Jedným z najpriateľskejších prístupov k strojovému učeniu je pravdepodobne Azure Machine Learning Studio. Významnou výhodou tohto riešenia je, že nie sú potrebné žiadne predchádzajúce znalosti programovania.
Microsoft Azure Machine Learning Studio je nástroj pre spoluprácu „drag-and-drop“ na vytváranie, školenie, hodnotenie a nasadenie riešení strojového učenia. Model je možné efektívne nasadiť ako webové služby a použiť ho v niekoľkých aplikáciách, ako je napríklad Excel.
Rozhranie Azure Machine Learning je interaktívne a umožňuje používateľovi zostaviť model iba rýchlym presúvaním prvkov.
Keď je model pripravený, vývojár ho môže uložiť a odoslať do Azure Gallery alebo Azure Marketplace.
Azure Machine Learning je možné integrovať do ich vlastného vstavaného balíka R alebo Python.
IBM Watson ML
Štúdio Watson môže zjednodušiť dátové projekty zjednodušeným procesom, ktorý umožňuje extrahovať hodnotu a poznatky z údajov a pomôcť tak podnikom stať sa inteligentnejšími a rýchlejšími. Štúdio Watson poskytuje ľahko použiteľné prostredie pre spoluprácu v oblasti dátovej vedy a strojového učenia pre vytváranie a výcvik modelov, prípravu a analýzu údajov a zdieľanie poznatkov na jednom mieste. Štúdio Watson Studio sa ľahko používa pomocou kódu drag-and-drop.
Štúdio Watson podporuje niektoré z najpopulárnejších rámcov ako Tensorflow, Keras, Pytorch, Caffe a môže nasadiť algoritmus hlbokého učenia aj na najnovšie GPU od spoločnosti Nvidia, aby pomohli urýchliť modelovanie.
Verdikt:
Z nášho pohľadu je najviac odporúčané cloudové riešenie Google. Cloudové riešenie Google poskytuje AWS nižšie ceny minimálne o 30% za riešenie ukladania dát a strojového učenia. Google odvádza vynikajúcu prácu pri demokratizácii umelej inteligencie. Vyvinula otvorený zdrojový jazyk TensorFlow, optimalizované pripojenie dátového skladu, poskytuje obrovské nástroje od vizualizácie údajov, analýzy údajov až po strojové učenie. Google Console je navyše ergonomický a oveľa komplexnejší ako AWS alebo Windows.