مراجعة عام 2018: 6 من أكثر مشاريع التعلم الآلي مفتوحة المصدر شيوعًا
بقلم سوبر نيرو
في العام 2018 الماضي، ازدهرت تقنيات الذكاء الاصطناعي والتعلم الآلي. يمكن رؤية التعلم الآلي في مجالات الرعاية الصحية، والتمويل، والتعرف على الكلام، والواقع المعزز، وما إلى ذلك. ستستعرض هذه المقالة مشاريع التعلم الآلي الستة الأكثر عملية في العام الماضي. سيتم إرفاق عناوين GitHub الخاصة بهم للرجوع إليها.
فاستاي
عنوان GitHub:https://github.com/fastai/fastai
هذه مكتبة Pytorch مفتوحة المصدر ومجانية تم إصدارها بواسطة Fast.ai. تم إنشاؤه في الأصل للطلاب في دورة Fast.ai وتم إصداره رسميًا للجمهور في أكتوبر 2018.
جوهرها هو استخدام أساليب فعالة لتدريب الشبكات العصبية السريعة والدقيقة. تتوفر الآن واجهة برمجة تطبيقات متسقة لتطبيقات التعلم العميق وأنواع البيانات المهمة.
بالإضافة إلى كونه فعالاً للغاية، فهو أيضًا سهل الاستخدام للغاية من حيث البساطة وسهولة الاستخدام، حيث تم تصميمه مع وضع أفكار بناء برامج الممارسين في الاعتبار.
ديتيترون
عنوان GitHub:https://github.com/facebookresearch/Detectron
Detectron هو نتيجة ذكاء اصطناعي من فيسبوك، مبني على بايثون وكافيه 2، وتم فتحه رسميًا في يناير 2018. وهو عبارة عن منصة لاكتشاف الكائنات وأبحاث تقسيم الحالات مع مجموعة متنوعة من خوارزميات اكتشاف الكائنات، بما في ذلك:
1) قناع R-CNN: يستخدم بنية R-CNN الأسرع لتحقيق اكتشاف الكائنات وتجزئة المثيلات.
2) RetinaNet: شبكة تعتمد على هرم وظيفي يستخدم فقدان بؤري فريد للتعامل مع المشكلة.
3) شبكة R-CNN أسرع: هيكل شبكة اكتشاف الهدف الأكثر شيوعًا.
إن هياكل الشبكات التلافيفية المستخدمة بشكل أساسي بواسطة شبكات اكتشاف الأهداف هي:
- ريسنيكست {50، 101، 152}
- RESNET {50، 101، 152}
- شبكات الهرم المميز (مع ResNet/ResNeXt)
- VGG16
بالإضافة إلى ذلك، يتضمن Detectron نتائج أساسية ونماذج مدربة لهذه الخوارزميات والهندسة المعمارية، كما يوفر دعمًا جيدًا لمجموعة بيانات COCO.
نص سريع
عنوان GitHub:https://github.com/facebookresearch/fastText
وهي أيضًا قاعدة بيانات من Facebook AI وتم فتح المصدر لها في عام 2016. مكتبة FastText عبارة عن منصة مصممة لتمثيل النصوص وتصنيفها.
إنه يدعم لغات متعددة ويأتي مع نماذج متجهات الكلمات المدربة لأكثر من 150 لغة. تتمتع متجهات الكلمات هذه بمجموعة متنوعة من الاستخدامات، بما في ذلك تصنيف النصوص، والتلخيص، والترجمة.
بالإضافة إلى ذلك، بالمقارنة مع النماذج العميقة، يمكن لـ fastText تقصير وقت التدريب من عدة أيام إلى بضع ثوانٍ.
أوتو كيراس
عنوان GitHub: https://github.com/jhfjhfj1/autokeras
Auto-Keras هي مكتبة برمجيات مفتوحة المصدر للتعلم الآلي الآلي (AutoML). تم تطويره بواسطة مختبر DATA في جامعة Texas A&M والمساهمين من المجتمع باستخدام طريقة البحث الفعال للهندسة العصبية (ENAS).
الهدف النهائي لـ AutoML هو توفير أدوات وصول خالية من العوائق حتى يتمكن الأشخاص الذين ليس لديهم خلفية في علم البيانات أو التعلم الآلي من الوصول إلى التعلم الآلي واستخدامه بسهولة. تتخذ Auto-Keras خطوة أبعد من خلال توفير إمكانيات البحث التلقائي لنماذج التعلم العميق والمعلمات الفائقة.
الدوبامين
عنوان GitHub:https://github.com/google/dopamine
الدوبامين هو منتج تم تطويره بواسطة Google استنادًا إلى TensorFlow. إنه إطار بحثي للنمذجة السريعة لخوارزميات التعلم المعزز. مرن وسهل الاستخدام، فهو ينفذ خوارزميات التعلم المعزز القياسية والمقاييس والمعايير.
وفقًا لوثائق الدوبامين، مبادئ التصميم هي:
- سهولة الاستخدام: مساعدة المستخدمين الجدد على إجراء تجارب معيارية
- التطوير المرن: تشجيع المستخدمين الجدد على ابتكار أفكار جديدة
- مضغوط وموثوق به: توفير الضمانات للخوارزميات الجديدة الشائعة
- إمكانية التكرار: ضمان إمكانية تكرار النتائج
فيديو2فيديو
مشروع Vid2vid هو جهد بحثي من Nvidia يركز على مشكلة تركيب الفيديو إلى الفيديو. الهدف من خوارزمية Vid2vid هو تعلم وظيفة التعيين من فيديو مصدر الإدخال إلى فيديو واقعي للإخراج. يُظهر الفيديو الناتج النهائي محتوى الفيديو المصدر بدقة.
عنوان GitHub:https://github.com/NVIDIA/vid2vid
الميزة الرائعة في هذه المكتبة هي أنها توفر العديد من تطبيقات vid2vid المختلفة، بما في ذلك مشاهد القيادة الذاتية/الحضرية، والوجوه، والوضعيات البشرية. ويأتي أيضًا مع مجموعة كبيرة من التعليمات والوظائف، بما في ذلك تحميل مجموعة البيانات، وتقييم المهام، ووظائف التدريب، ووحدة معالجة الرسومات المتعددة.