|
Mavzu: Ochiq kodli (Open Source) chuqur o‘qitish freymvorklari 705-22- guruh magistranti
|
| bet | 8/10 | | Sana | 19.12.2023 | | Hajmi | 1,98 Mb. | | #124271 |
Bog'liq DL Умумий электротехника ва электроника асослари.Одилов Қ, Документ Microsoft Word, ТАЛОН, Yangilanayotgan O\'zbekiston milliy tiklanishdan-milliy yuksalish sari, draft-sp800-90c, referatbank-54752, Bipolyar tranzistorlar. Reja Bipolyar tranzistor haqida umumiy , J.Farhod O\'rnatilgan Lab-1, J.Farhod O\'rnatilgan Lab-2, 1 kurs farm noorganik kimyo II smestr, 5-6-7-8-9-sinf texnologiya qizlar ish reja 2023-yil, Mavzu Zamonaviy robotlar tarkibiy tuzilmasi, ularning parametrl-azkurs.org, O�zbekiston respublikasi va o�rta maxsus ta�lim vazirligi samarq, Operatsiya-buyum tizimi, 2-Mustaqil ishGluon
Eslab qoling!
- U MXNet-ga asoslangan va DL modellarini yaratishni osonlashtiradigan foydalanuvchilar uchun qulay API taqdim etadi;
- U o'rganish algoritmi va neyron tarmog'i modelini birlashtiradi va shu bilan ishlash jarayoniga ishlashni yo'qotmasdan moslashuvchanlikni qo'shadi. Ushbu trening usuli Gluon trener usuli sifatida tanilgan;
- Gluon foydalanuvchilarga dinamik neyron tarmoq ta'rifini tanlash imkonini beradi, ya'ni siz uni istalgan tuzilmadan va Pythonning o'z boshqaruv oqimidan foydalangan holda tezda yaratishingiz mumkin.
Gluon
Gluon ning afzalligi:
- Gluon foydalanuvchilarga boshqa ma'lumotlar tuzilmasi kabi ML/DL modellarini aniqlash va boshqarish imkonini berganligi sababli, bu mashinani o'rganishga yangi boshlanuvchilar uchun ko'p qirrali vositadir;
- Gluonning yuqori moslashuvchanligi neyron tarmoq modellari bilan prototip yaratish va tajriba o‘tkazishni osonlashtiradi.
DL4J
Deeplearning4J (DL4J) - bu Java va JVM (Java Virtual Machine) uchun yozilgan taqsimlangan chuqur o'rganish kutubxonasi. Shunday qilib, u Scala, Clojure va Kotlin kabi har qanday JVM tiliga mos keladi. DL4J da asosiy hisoblar C, C++ va Cuda tillarida yoziladi.
Platforma Apache Spark va Hadoop dan modellarni o'qitishni tezlashtirishga yordam beradi va tarqatilgan CPU va GPU larda foydalanish uchun biznes muhitiga sun'iy intellektni olib keladi. Aslida, bir nechta GPUlarda u Caffe ning ishlashiga teng bo'lishi mumkin.
DL4J
Eslab qoling!
- U ND4J noyob ochiq manba raqamli hisoblash kutubxonasiga asoslangan;
- DL4J da neyron tarmoqlar parallel ravishda klasterlar bo'ylab iterativ kesish orqali o'qitiladi;
- U cheklangan Boltzmann mashinasi, chuqurlashtirilgan ishonchli tarmoq, chuqur avtokoder, rekursiv neyron tensor tarmog'i, ko'p qatlamli denoising autoencoder, word2vec, doc2vec va GloVe ilovalarini o'z ichiga oladi.
DL4J
DL4J ning afzalligi:
- DL4J yordamida siz har biri “qatlam” tashkil etuvchi kichikroq tarmoqlardan chuqur neyron tarmoqlarni yaratishingiz mumkin. - Bu foydalanuvchilarga Spark va Hadoop ishlaydigan ishlab chiqarish darajasidagi taqsimlangan muhitda kerak bo'lganda variatsion avtokoderlarni, ketma-ketlikdagi avtokoderlarni, konvolyutsion tarmoqlarni yoki takroriy tarmoqlarni birlashtirishga imkon beruvchi moslashuvchanlikni ta'minlaydi.
ONNX
Ochiq neyron tarmoqlari almashinuvi yoki ONNX loyihasi Microsoft va Facebook kompaniyasining tashabbusi hisoblanadi. Bu ML va DL modellarini ishlab chiqish va taqdim etish uchun mo'ljallangan ochiq ekotizimdir. U kengaytiriladigan hisoblash grafik modelining ta'rifini, shuningdek, o'rnatilgan operatorlar va standart ma'lumotlar turlarining ta'riflarini o'z ichiga oladi. ONNX modellarni turli sun'iy intellekt vositalari o'rtasida o'tkazishni osonlashtiradi - modellarni bir vositada o'rgatib chiqish uchun ularni boshqasiga o'tkazish mumkin.
|
| |
