मशीन लर्निंग पर लेखों का चयन: अप्रैल 2020 के लिए केस स्टडी, गाइड और रिसर्च

हम ऐसे प्रकाशनों का चयन करना जारी रखते हैं जो एमएल क्षेत्र में प्रवेश करने की सीमा को कम करने में मदद करते हैं। पहले की तरह, यह मुख्य रूप से खुले स्रोत उपकरण, पूर्व-प्रशिक्षित मॉडल और उच्च-स्तरीय एपीआई संकलित करता है।

ब्लेंडर

फेसबुक एआई ने सबसे बड़ा ओपन सोर्स चैटबॉट ब्लेंडर पेश किया । यह 9.4 बिलियन मापदंडों वाले मॉडल पर आधारित है, जो इसे मौजूदा की सबसे बड़ी प्रणाली बनाता है। यह पहला ओपन-डोमेन चैटबॉट है जो एक सिस्टम में विभिन्न प्रकार के संवादी कौशल को जोड़ती है: यह सहानुभूति व्यक्त करने और व्यक्तित्व दिखाने में सक्षम है। अध्ययन के लेखकों के अनुसार, ब्लेंडर सभी तरह से मीणा से बेहतर है, जिसे Google ने इस साल की शुरुआत में घोषित किया था , लेकिन इसका प्रदर्शन नहीं किया गया है।

बैकग्राउंड मैटिंग

मशीन लर्निंग का उपयोग अक्सर छवियों से पृष्ठभूमि को हटाने के लिए किया जाता है। यदि स्थिर छवियों के साथ परिणाम लंबे समय तक बहुत अच्छे रहे हैं, और पूरी सेवाएं भी हैं जैसे कि remove.bg, अब यह वीडियो के लिए भी प्राप्त किया जा सकता है - क्रोमकेसी की अब आवश्यकता नहीं है! एक मुफ्त उपकरण दिखाई दिया है जो वीडियो से पृष्ठभूमि को हटाने का एक उत्कृष्ट काम करता है। वांछित परिणाम के लिए, आपको एक व्यक्ति के बिना पृष्ठभूमि की तस्वीर लेने की जरूरत है, और फिर मशीन सीखने के एल्गोरिदम अपना जादू करते हैं। परिणाम आश्चर्यजनक हैं, प्रकाशन में आप मानदंड देख सकते हैं।



De-occlusion

मौजूदा मशीन लर्निंग एल्गोरिदम केवल वस्तुओं के दृश्य भागों का विश्लेषण करने में सक्षम हैं। इससे दृश्य की अधूरी व्याख्या होती है।
अब ओपन सोर्स फ्रेमवर्क सामने आया है, जो छवि में वस्तुओं के दृश्य टुकड़े से छिपे हुए पूरक करने में सक्षम है। उपकरण एक शिक्षक की भागीदारी के बिना प्रशिक्षित मॉडल पर आधारित है।



TensorFlow Profiler

प्रदर्शन मशीन सीखने के अनुसंधान में एक महत्वपूर्ण कारक है। तेजी से मॉडल को प्रशिक्षित किया जाता है, अधिक पुनरावृत्तियों को बनाया जा सकता है, ओवरहेड को कम करना। औद्योगिक विकास में यह बहुत महत्वपूर्ण है। हालांकि, यह हमेशा स्पष्ट नहीं होता है कि क्या अनुकूलित किया जाना चाहिए, और संकीर्ण गर्दन की खोज में समय लगता है। अब TensorFlow के लिए इस समस्या को हल करने के लिए डिज़ाइन किए गए उपकरणों का एक सेट है।

मात्रा का शोर

आधुनिक मशीन लर्निंग मॉडल अधिक चमकदार होते जा रहे हैं और लाखों पैरामीटर हैं। हालांकि, कमजोर उपकरणों पर इन मॉडलों को चलाने की तत्काल आवश्यकता है। इस विरोधाभास को हल करने के प्रयास में, एक खुला स्रोत उपकरण दिखाई दिया है जो प्रदर्शन में लगभग कोई नुकसान नहीं होने के साथ मॉडल का अधिकतम संपीड़न प्रदान करता है। भविष्य में, यह आपको मोबाइल उपकरणों और IoT- चिपसेट पर स्थानीय रूप से एप्लिकेशन चलाने की अनुमति देगा।

TensorFlow Lite

हालांकि, पहले से ही कई मॉडल हैं जो कमजोर उपकरणों के लिए अनुकूलित हैं। यह प्रकाशन दिखाता है कि, मशीन सीखने में कोई अनुभव नहीं है, एक पूर्ण उत्पाद को इकट्ठा करने के लिए टेन्सरफ्लो लाइट का उपयोग करना। रिपॉजिटरी में प्री-वर्कआउट मॉडल की संख्या लगातार बदली जा रही है, इसलिए अब कुछ भी आपको मोबाइल एप्लिकेशन बनाने से रोकता है, जिसके दिल में मशीन लर्निंग मॉडल होंगे।

स्टाइल ट्रांसफर

प्रिस्मा एप्लिकेशन याद रखें, जिसने एक न्यूरल नेटवर्क का उपयोग करके उपयोगकर्ताओं की तस्वीरों को कला शैली स्थानांतरित की है? आपने अब किसी को आश्चर्यचकित नहीं किया है, लेकिन अब आप Android और iOS के लिए अपने स्वयं के प्रिज्म को इकट्ठा कर सकते हैं। प्रकाशन का वर्णन है कि इस तकनीक को TensorFlow लाइट के लिए अनुकूलित किया गया है, न कि इतने शक्तिशाली मोबाइल उपकरणों द्वारा समर्थित होने के लिए। वैसे, अप्रैल में, Google कला और संस्कृति ऐप में एक ही विशेषता दिखाई दी ।



बोनस:

स्टैनफोर्ड यूनिवर्सिटी ने 2018 में एक ओपन एक्सेस व्याख्यान पाठ्यक्रम पोस्ट किया, जिसे अब Youtube पर देखा जा सकता है ।

एक निष्कर्ष के बजाय: मार्च चयन

से पुस्तकालयों के आधार पर , हमने एक छोटी परियोजना को एक साथ रखा , जो आपको एक साधारण वेब कैमरा का उपयोग करके वेब इंटरफ़ेस को नियंत्रित करने की अनुमति देता है, और इसके बारे में विस्तार से बात की है।हेबेरा पर। शायद इस संग्रह के उपकरण कुछ पाठकों को कुछ वास्तविक समस्या के समाधान के लिए प्रेरित करेंगे। इस बारे में पढ़ना बहुत अच्छा होगा। इस बीच, यह सब, आपके ध्यान के लिए धन्यवाद!