मशीन लर्निंग पर लेखों का चयन: फरवरी 2020 के मामले, गाइड और अध्ययन

के बाद जनवरी के बाद, डाइजेस्ट के दूसरे अंक मिलते हैं। यहां आपको फरवरी के लिए अंग्रेजी-भाषा की सामग्रियों की एक सूची मिलेगी, जो बिना किसी अकादमिकता के लिखी गई हैं। प्रकाशनों में कोड उदाहरण और गैर-खाली रिपॉजिटरी के लिंक शामिल हैं। उल्लिखित प्रौद्योगिकियाँ सार्वजनिक क्षेत्र में हैं और उनमें से कई को परीक्षण के लिए भारी शुल्क वाले लोहे की आवश्यकता नहीं है।

लेख चार प्रकार में विभाजित हैं:
खुला स्रोत उपकरण और डेटासेट के घोषणाएँ
PyTorch और TensorFlow के लिए प्रैक्टिकल गाइड
सीखने मशीन के मामले के अध्ययन
एमएल अनुसंधान

ओपन सोर्स टूल्स की घोषणा

ClearGrasp

एल्गोरिथ्म को पारदर्शी वस्तुओं की मान्यता की समस्या को हल करने के लिए डिज़ाइन किया गया है जो असमान रूप से प्रतिबिंबित और प्रकाश को अपवर्तित करते हैं। कोई भी मानक RGB-D कैमरा काम के लिए उपयुक्त है।

PyTorch3D

Facebook ने PyTorch के लिए एक अत्यधिक मॉड्यूलर और अनुकूलित पुस्तकालय की घोषणा की है , जो तीन आयामी छवियों में मॉडल के गहन प्रशिक्षण को सरल बनाता है ।

हाइड PyTorch इको-सिस्टम से

नया ढांचा , जो परियोजनाओं की जटिलता से जुड़ी समस्याओं को हल करने के लिए बनाया गया है। कमांड लाइन और कॉन्फ़िगरेशन फ़ाइलों के माध्यम से परियोजना प्रबंधन क्षमताओं को प्रदान करता है।

प्रतिक्रियाशील मूल के लिए TensorFlow.js

उपकरण रेंडरिंग के लिए वेबव्यू का उपयोग नहीं करता है और ब्राउज़र में उपयोग किए जाने वाले वेब प्लेटफार्मों के एपीआई पर निर्भर नहीं करता है। इस प्रकार, यह एक बैकएंड के साथ एक नया एकीकरण मंच है जो इस वातावरण के लिए उपयुक्त है।

मैट्रिक्स संपीड़न ऑपरेटर

ऑपरेटर आपको किसी भी मैट्रिक्स संपीड़न फ़ंक्शन का उपयोग कारक के रूप में परिभाषित करने और किसी भी टेंसर प्रवाह चर के प्रशिक्षण के दौरान गतिशील रूप से इस संपीड़न को लागू करने के लिए एक टेंसर प्रवाह एपीआई बनाने की अनुमति देता है।

टॉर्केमा मेटा-लर्निंग

लाइब्रेरी नए एल्गोरिदम के निर्माण को आसान बनाने के लिए विभिन्न डेटासेट के लिए एक एकल इंटरफ़ेस प्रदान करती है।

AutoFlip

अक्सर आप क्षैतिज (16: 9 या 4: 3) से स्क्रीन अभिविन्यास को ऊर्ध्वाधर में बदलना चाहते हैं। अंत में, रूपरेखा दिखाई दी, जो न्यूनतम नुकसान के साथ गतिशील रूप से फसल के फ्रेम में मदद करता है। उपकरण फ्रेम और चलती वस्तुओं की सीमाओं को निर्धारित करता है, केवल स्क्रीन पर सबसे महत्वपूर्ण छोड़कर। TensorFlow के लिए



विवश ऑप्टिमाइज़ेशन लाइब्रेरी

A टूल , जो आपको वास्तविक दुनिया से समस्याओं को हल करते समय बेईमान परिणामों की डिग्री को कम करने की अनुमति देता है, जब कई अतिरिक्त मापदंडों को ध्यान में रखा जाता है (उदाहरण के लिए, बैंक ऋण जारी करते समय)। उपकरण एल्गोरिथ्म को दो खिलाड़ियों के लिए शून्य-राशि के खेल में डेटा सैंपल की कमी को रूपांतरित करता है। हाइपरबोलिक ज्यामिति उपकरण का उपयोग करके

पॉइंटकेयर मैप्स

विभिन्न कोशिकाओं के जोड़ीदार समानता के पदानुक्रमित संबंधों को प्रकट करता है। यह मशीन सीखने का उपयोग करने और जीवों की कोशिकाओं के विकास का विश्लेषण करने की अनुमति देता है।

PyTorch लाइटनिंग + Torchbearer

उच्च-स्तरीय अमूर्त Torchbearer के निर्माता PyTorch लाइटनिंग की बढ़ती लोकप्रियता के साथ सेना में शामिल हो गए हैं और अब अपनी टीम पर काम कर रहे हैं। अमूर्त विकास को स्वचालित करता है, कोड को मानकीकृत, समर्थित और स्केलेबल बनाता है। इस प्रकार, ताकि शोधकर्ता कोड आधार के साथ काम करने के बजाय विज्ञान पर अधिक ध्यान केंद्रित कर सकें।

छवियों को खोलें v6

ओपन इमेज डेटासेट के छठे संस्करण को जारी किया गया था, जिसने छवियों पर अंकन और टिप्पणियों के प्रकार का काफी विस्तार किया। तस्वीरों के लिए कैप्चर इतना विस्तृत है कि वे अंतःविषय अनुसंधान के आगे के विकास को भी प्रभावित करेंगे, जहां कंप्यूटर दृष्टि को प्राकृतिक भाषा प्रसंस्करण के साथ जोड़ा जाता है।

CCMatrix: अनुवाद मॉडलों के प्रशिक्षण के लिए

डेटासेट 576 भाषा जोड़े में डेटासेट में 4.5 बिलियन बिटटेक्स्ट वाक्य होते हैं और यह अधिक उन्नत NMT मॉडल बनाने में मदद करेगा।

गाइड

TFX का उपयोग करके वितरित प्रमुख घटक विधि

कैसे TensorFlow Transform आपको कम्प्यूटेशनल समूहों के संसाधनों का उपयोग करते हुए एक स्केलेबल रूप में प्रमुख घटक विधि को लागू करने की अनुमति देता है, और एक TFX पाइपलाइन में परिवर्तनों के प्रसंस्करण को कैसे सक्षम किया जाए।

केरस में टेंसोरनेटवर्क का उपयोग करके तंत्रिका नेटवर्क को गति देना।

मशीन लर्निंग के संदर्भ में टेन्सर नेटवर्क को संसाधित करने के लिए टेंसोरनेटवर्क लाइब्रेरी का उपयोग करने की सामग्री।

TensorFlow जाली: लचीली, नियंत्रित और व्याख्या की गई मशीन सीखना सीमित और व्याख्या किए गए जाली मॉडल को पढ़ाने के लिए पुस्तकालय

की क्षमताओं का एक प्रारंभिक अवलोकन है ।

मामले

TensorFlow.js के साथ AR मास्क

खरीदे गए लोरियल स्टार्टअप मोदीफेस ने AR मास्क के संदर्भ में मशीन लर्निंग का उपयोग करने का अपना अनुभव साझा किया है। एक सौंदर्य ब्रांड का उदाहरण दिखाता है कि ई-कॉमर्स में मशीन लर्निंग को कैसे लागू किया जा सकता है।

रियल-टाइम लाइसेंस प्लेट मान्यता एक

कदम-दर-चरण मामला साबित करता है कि मशीन लर्निंग अब सभी के लिए उपलब्ध है। लेखक बताता है कि घर पर एक बजट डिवाइस को कैसे इकट्ठा किया जाए, एक मॉडल बनाएं, इसे प्रशिक्षित करें, इसे AWS पर रखें, और एक ग्राहक भाग भी विकसित करें।

एक टेलीफोन का उपयोग करके वायु प्रदूषण का निर्धारण

एप्लिकेशन बनाने के लिए एक मामला जो फोन के कैमरे से एक तस्वीर से वायु प्रदूषण के स्तर को निर्धारित करता है। जिस समस्या को हल करने की आवश्यकता थी, वह मॉडल के आगे प्रशिक्षण के लिए विभिन्न उपयोगकर्ताओं से डेटा एकत्र करना था, लेकिन साथ ही उपयोगकर्ता डेटा की सुरक्षा सुनिश्चित करना था।

दो-आयामी छवियों के लिए एक वॉल्यूम प्रभाव जोड़ना

फेसबुक एक जटिल तंत्रिका नेटवर्क
प्रोग्राम विकसित करने में अपना अनुभव साझा करता है जो दो-आयामी छवियों के लिए तीन आयामी छवि प्रभाव बनाता है। बनाते समय, मॉडल को प्रशिक्षित करने और मोबाइल फोन का समर्थन करने के लिए सिस्टम को अनुकूलित करने में, कई समस्याओं को हल करना आवश्यक था।



कैसे नहीं जाने के लिए उपयोगकर्ताओं के तेजी से विकास के साथ टूट गया

डंगऑन एआई के रचनाकारों ने 1 मिलियन उपयोगकर्ताओं का समर्थन करने के लिए स्केल किया, और कोर्टेक्स की मदद से उन्होंने मशीन लर्निंग मॉडल के आधार पर एक माइक्रोसेवर बनाया।

अनुसंधान

"रेडियोधर्मी डेटा" का उपयोग करते हुए "रेडियोधर्मी डेटा"

विधि आपको यह निर्धारित करने की अनुमति देती है कि मशीन लर्निंग मॉडल को एक विशिष्ट डेटा सेट का उपयोग करके प्रशिक्षित किया गया है। यह शोधकर्ताओं और इंजीनियरों को ट्रैक करने में मदद कर सकता है कि मॉडल को प्रशिक्षित करने के लिए कौन से डेटासेट का उपयोग किया गया था ताकि वे बेहतर तरीके से समझ सकें कि विभिन्न डेटासेट विभिन्न तंत्रिका नेटवर्क के प्रदर्शन को कैसे प्रभावित करते हैं।

TyDi QA: विभिन्न भाषाओं में एक प्रश्न और उत्तर डाटासेट

Google ने एक अध्ययन और डेटा सेट प्रकाशित किया है जिसमें 11,000 भाषाओं के 200,000 प्रश्न और उत्तर जोड़े शामिल हैं जो भाषाई घटना की एक विस्तृत श्रृंखला का प्रतिनिधित्व करते हैं। अध्ययन प्रतिभागियों को पाठ के आधार पर संबंधित प्रश्न पूछने के लिए कहा गया था, जिसका उत्तर पाठ में निहित नहीं है, जिसके बाद विकिपीडिया लेख में प्रश्न का उत्तर खोजने का प्रस्ताव किया गया था। और इन आंकड़ों ने एक डेटासेट संकलित किया।

नैदानिक ​​परीक्षणों के लिए डेटा सेट की कृत्रिम रचना

विभिन्न सीमाओं के कारण, त्वचा के घावों की तस्वीरों के साथ डेटासेट बनाना बहुत मुश्किल है। अब एक उपकरण है जो आगे के प्रशिक्षण के लिए आवश्यक डेटा उत्पन्न करता है। DermGAN वास्तविक छवि की मुख्य विशेषताओं (त्वचा का प्रकार, त्वचा की स्थिति, रसौली का स्थान) के साथ वास्तविक छवि और संबंधित पूर्व-निर्मित सिमेंटिक मानचित्र को इनपुट के रूप में लेता है, जिससे यह अनुरोधित विशेषताओं के साथ एक नया सिंथेटिक उदाहरण उत्पन्न करता है।

त्वरित एमआरआई स्कैन

परियोजना का लक्ष्य एआई का उपयोग करके रोगियों के एमआरआई स्कैन को 10 गुना तेज करना है। कच्चे डेटा से DNN का उपयोग करके स्नैपशॉट उत्पन्न किए जाते हैं, और कलाकृतियां अक्सर प्रक्रिया में दिखाई देती हैं। अध्ययन बताता है कि कैसे दुर्भावनापूर्ण मशीन सीखने ने उनकी संख्या को कम करने में मदद की है।

डीएनएन के आधार पर सिफारिशों के लिए इन्फ्रास्ट्रक्चर ऑप्टिमाइज़ेशन।

अध्ययन में विभिन्न अवसंरचनाओं का विश्लेषण किया गया है जो डीएनएन का उपयोग करके उत्पादों, वीडियो आदि के लिए व्यक्तिगत सिफारिशें जारी करने के लिए उपयोग किया जाता है। डीएनएन-आधारित उत्पादन-पैमाने की सिफारिशें कितनी अच्छी तरह काम करती हैं, यह सत्यापित करने के लिए उपकरण भी दिए गए हैं । उदाहरण के लिए, डेटा केंद्रों (ब्रॉडवेल, हैसवेल, स्काईलेक) में प्रयुक्त इंटेल सर्वर का एक बेंचमार्क किया जाता है।

Txt2π

नए सुदृढीकरण सीखने के दृष्टिकोण की समीक्षा। यह एक मुश्किल काम को हल करने में मदद करने के लिए डिज़ाइन किया गया है जिसमें एजेंट को पर्यावरण के लक्ष्य और ज्ञान के आधार पर कई कदम उठाने की आवश्यकता होती है, जो बदल सकता है। मॉडल को एक गेम खेलना सीखना चाहिए, जहां आपको कुछ नियमों के आधार पर राक्षसों को हराने की जरूरत है (पढ़ें राक्षसों से लड़ने के लिए)।

अल्ट्रा-हाई रेजोल्यूशन इमेजेज पर CNN ट्रेनिंग

मौजूदा डेटा और मॉडल पैरेललिज्म मेथड्स, अरबों मापदंडों के साथ न्यूरल नेटवर्क को प्रशिक्षित करते हैं, लेकिन हाई-रेजोल्यूशन इमेजेस, जैसे कि CT इमेजेस से युक्त डेटा पर ट्रेनिंग एक समस्या बनी रहती है। इस पत्र में, हम अल्ट्रा-हाई रिज़ॉल्यूशन इमेज (प्रोजेक्ट कोड है) में कंसॉलिडेटेड न्यूरल नेटवर्क की प्रयोज्यता पर विचार करते हैं।

सड़क दृश्य मानचित्र ओरिएंटियरिंग प्रशिक्षण

Google उन शोधकर्ताओं से आवेदन एकत्र करता है जो स्थानिक उन्मुखीकरण तंत्रिका नेटवर्क के बाद के प्रशिक्षण के लिए डेटा सेट बनाने में मदद करने के लिए तैयार हैं।

T5: एक स्थानांतरण सीखने के लिए नए उपकरण

एक बड़े पैमाने पर सर्वेक्षण के परिणाम के रूप में, शोधकर्ताओं ने सबसे अच्छा हस्तांतरण सीखने तकनीक की पहचान की और पूर्व बनाने के लिए इन विचारों को लागू प्रशिक्षित T5 मॉडल है, साथ ही डाटासेट जिस पर वह प्रशिक्षित किया गया था।

मार्च चयन में, सीओवीआईडी ​​-19 के खिलाफ लड़ाई में एमएल के उपयोग पर लेखों की उम्मीद करें: अवरक्त विकिरण द्वारा वास्तविक समय में लोगों के तापमान का निर्धारण, वायरस का निदान करना, महामारी के प्रकोपों ​​पर नज़र रखना, और बहुत कुछ। इस बीच, वह सब कुछ है। ध्यान देने के लिए आपको धन्यवाद!