Une sélection d'articles sur l'apprentissage automatique: études de cas, guides et recherches pour avril 2020

Nous continuons de sélectionner des publications qui aident à abaisser le seuil d'entrée dans la sphère ML. Comme auparavant, il compile principalement des outils open source, des modèles pré-formés et des API de haut niveau.

Blender

Facebook AI a présenté le plus grand Blender de chatbot open source . Il est basé sur un modèle avec 9,4 milliards de paramètres, ce qui en fait le plus grand système existant. Il s'agit du premier chatbot à domaine ouvert qui combine une variété de compétences conversationnelles dans un seul système: il est capable d'exprimer de l'empathie et de montrer son individualité. Selon les auteurs de l'étude, Blender est à tous égards meilleur que Meena, que Google a annoncé plus tôt cette année , mais n'a pas été démontré.

Tapis de fond

L'apprentissage automatique est souvent utilisé pour supprimer l'arrière-plan des images. Si avec des images statiques les résultats ont longtemps été très bons, et qu'il existe même des services entiers comme remove.bg, maintenant cela peut aussi être réalisé pour la vidéo - le chromakey n'est plus nécessaire! Un outil gratuit est apparu qui fait un excellent travail de suppression de l'arrière-plan de la vidéo. Pour le résultat souhaité, vous devez prendre une photo d'arrière-plan sans personne, puis les algorithmes d'apprentissage automatique font leur magie. Les résultats sont étonnants, dans la publication, vous pouvez voir les repères.



Désocclusion

Les algorithmes d'apprentissage automatique existants sont capables d'analyser uniquement les parties visibles des objets. Cela conduit à une interprétation incomplète de la scène.
Maintenant, le framework open source est apparu, qui est capable de compléter des fragments d'objets cachés dans l'image. L'outil est basé sur un modèle formé sans l'implication d'un enseignant.



TensorFlow Profiler

Performance est un facteur clé dans la recherche sur l'apprentissage automatique. Plus le modèle est formé rapidement, plus les itérations peuvent être effectuées, ce qui réduit les frais généraux. Ceci est très important dans le développement industriel. Cependant, ce qui doit être optimisé n'est pas toujours clair et il faut du temps pour rechercher des cous étroits. Maintenant, pour TensorFlow, il existe un ensemble d'outils conçus pour résoudre ce problème.

Bruit quantitatif

Les modèles modernes d'apprentissage automatique sont de plus en plus volumineux et contiennent des millions de paramètres. Cependant, il est urgent d'exécuter ces modèles sur des appareils faibles. Pour tenter de résoudre cette contradiction, un outil open source est apparu qui fournit une compression maximale des modèles avec pratiquement aucune perte de performances. À l'avenir, cela vous permettra d'exécuter des applications localement sur des appareils mobiles et des chipsets IoT.

TensorFlow Lite

Cependant, il existe déjà de nombreux modèles optimisés pour les appareils faibles. Cette publication montre comment, n'ayant aucune expérience en apprentissage automatique, utiliser TensorFlow Lite pour assembler un produit complet. Le nombre de modèles de pré-entraînement dans le référentiel est constamment renouvelé, donc rien ne vous empêche de créer des applications mobiles maintenant, au cœur desquelles il y aura des modèles d'apprentissage automatique.

Transfert de style Vous

vous souvenez de l'application Prisma, qui a transféré le style artistique sur les photos d'utilisateurs utilisant un réseau de neurones? Vous ne surprenez personne maintenant, mais vous pouvez maintenant assembler votre propre prisme pour Android et iOS. La publication décrit comment cette technique est optimisée pour que TensorFlow lite soit pris en charge par des appareils mobiles moins puissants. Soit dit en passant, en avril, la même fonctionnalité est apparue dans l'application Google Arts & Culture.



Bonus:

l'Université de Stanford a publié un cours magistral en libre accès en 2018, qui peut désormais être consulté sur Youtube .

Au lieu d'une conclusion:

Sur la base des bibliothèques de la sélection de mars, nous avons monté un petit projet qui vous permet de contrôler l'interface Web à l'aide d'une webcam ordinaire, et en avons parlé en détailsur Habré. Peut-être que les outils de cette collection inspireront également certains lecteurs à trouver une solution à un problème réel. Ce sera formidable de lire à ce sujet. En attendant, c'est tout, merci de votre attention!