Eine Auswahl von Artikeln zum maschinellen Lernen: Fallstudien, Leitfäden und Forschungsergebnisse für April 2020

Wir wählen weiterhin Veröffentlichungen aus, die dazu beitragen, den Schwellenwert für den Eintritt in die ML-Sphäre zu senken. Nach wie vor werden hauptsächlich Open Source-Tools, vorgefertigte Modelle und APIs auf hoher Ebene kompiliert.

Blender

Facebook AI stellte den größten Open-Source-Chatbot-Blender vor . Es basiert auf einem Modell mit 9,4 Milliarden Parametern und ist damit das größte existierende System. Dies ist der erste Open-Domain-Chatbot, der eine Vielzahl von Konversationsfähigkeiten in einem System vereint: Er kann Empathie ausdrücken und Individualität zeigen. Laut den Autoren der Studie ist Blender in jeder Hinsicht besser als Meena, was Google Anfang dieses Jahres angekündigt hat , aber nicht nachgewiesen wurde.

Hintergrundmatte

Maschinelles Lernen wird häufig verwendet, um Hintergrund aus Bildern zu entfernen. Wenn bei statischen Bildern die Ergebnisse lange Zeit sehr gut waren und es sogar ganze Dienste wie remove.bg gibt, kann dies jetzt auch für Videos erreicht werden - die Chromakey wird nicht mehr benötigt! Es ist ein kostenloses Tool erschienen , mit dem der Hintergrund aus dem Video hervorragend entfernt werden kann. Für das gewünschte Ergebnis müssen Sie ein Hintergrundbild ohne Person aufnehmen, und dann wirken Algorithmen für maschinelles Lernen. Die Ergebnisse sind erstaunlich, in der Veröffentlichung können Sie die Benchmarks sehen.



Deokklusion

Bestehende Algorithmen für maschinelles Lernen können nur die sichtbaren Teile von Objekten analysieren. Dies führt zu einer unvollständigen Interpretation der Szene.
Nun ist das Open Source Framework erschienen, die in der Lage ist, verborgene Fragmente von Objekten im Bild zu ergänzen. Das Tool basiert auf einem Modell, das ohne Beteiligung eines Lehrers trainiert wurde.



Die Leistung von TensorFlow Profiler

ist ein Schlüsselfaktor in der Forschung zum maschinellen Lernen. Je schneller das Modell trainiert wird, desto mehr Iterationen können durchgeführt werden, wodurch der Overhead reduziert wird. Dies ist sehr wichtig für die industrielle Entwicklung. Es ist jedoch nicht immer klar, was optimiert werden sollte, und es braucht Zeit, um nach schmalen Hälsen zu suchen. Für TensorFlow gibt es jetzt eine Reihe von Tools , mit denen dieses Problem gelöst werden kann.

Quant Rauschen

Moderne Modelle für maschinelles Lernen werden immer umfangreicher und enthalten Millionen von Parametern. Es ist jedoch dringend erforderlich, diese Modelle auf schwachen Geräten auszuführen. Um diesen Widerspruch zu lösen, wurde ein Open-Source-Tool entwickelt , das eine maximale Komprimierung von Modellen ohne Leistungseinbußen ermöglicht. Auf diese Weise können Sie in Zukunft Anwendungen lokal auf Mobilgeräten und IoT-Chipsätzen ausführen.

TensorFlow Lite

Es gibt jedoch bereits viele Modelle, die für schwache Geräte optimiert sind. Diese Veröffentlichung zeigt, wie Sie ohne Erfahrung mit maschinellem Lernen mit TensorFlow Lite ein vollständiges Produkt zusammenstellen können. Die Anzahl der Pre-Workout-Modelle im Repository wird ständig aufgefüllt, sodass Sie nichts daran hindern können, jetzt mobile Anwendungen zu erstellen, in deren Mittelpunkt Modelle des maschinellen Lernens stehen.

Stilübertragung

Erinnern Sie sich an die Prisma-Anwendung, mit der der Kunststil mithilfe eines neuronalen Netzwerks auf die Fotos von Benutzern übertragen wurde? Sie werden jetzt niemanden überraschen, aber jetzt können Sie Ihr eigenes Prisma für Android und iOS zusammenstellen. In der Veröffentlichung wird beschrieben, wie diese Technik für TensorFlow Lite optimiert wurde, um von weniger leistungsstarken Mobilgeräten unterstützt zu werden. By the way, im April, die gleiche Funktion erschien in der Google Kunst & Kultur App.



Bonus: Die

Stanford University hat 2018 einen Open-Access-Vorlesungskurs veröffentlicht, der jetzt auf Youtube angesehen werden kann .

Anstelle einer Schlussfolgerung:

Basierend auf den Bibliotheken aus der März-Auswahl haben wir ein kleines Projekt zusammengestellt , mit dem Sie die Weboberfläche mit einer normalen Webcam steuern können, und ausführlich darüber gesprochenauf Habré. Vielleicht inspirieren die Tools in dieser Sammlung auch einige Leser dazu, eine Lösung für ein tatsächliches Problem zu finden. Es wird großartig sein, darüber zu lesen. In der Zwischenzeit ist das alles, danke für Ihre Aufmerksamkeit!