Masinõppe tööriistad - Tutvuge masinõppe tööriistadega

Sissejuhatus masinõppesse

Arthur Samuel lõi termini masinõpe 1959. aastal. Ameerika arvutimängude ja tehisintellekti pioneer ütles, et see annab arvutitele võimaluse õppida ilma selgesõnalise programmeerimiseta. Masinõpe on uus moto, mis hõljub. See väärib arvutiteaduse ühte huvitavamat alamvaldkonda. Tehisintellekti programmid olid üldiselt varem sõnaselgelt kavandatud ülesannete täitmiseks. Enamasti koosnes “õppimine” mitme parameetri kohandamisest fikseeritud teostusele, et faktid saaks lisada muude faktide kogumisse (teadmistebaas), ja seejärel (tõhusalt) leida probleemile lahendus tuntud lahendus teisele. mitme väikese sammuga raja kujul. Selles teemas tutvume masinõppe tööriistadega.

Mis on masinõppe tööriist?

Masinõppevahendid on tehisintellekti algoritmilised rakendused, mis pakuvad süsteemidele võimet mõista ja täiustada ilma märkimisväärse inimliku panuseta. See võimaldab tarkvaral ilma selgesõnalise programmeerimiseta tulemusi täpsemini ennustada. Treeningratastega masinõppevahendid on juhendatud algoritmid. Nad nõuavad, et inimene kavandaks nii sisendi kui ka soovitud väljundi ja annaks tagasisidet lõpptulemuste täpsuse kohta. Järelevalveta algoritmid nõuavad väga vähese inimese sekkumist, kasutades sügava õppimise lähenemisviisi, et kontrollida massilisi andmebaase ja teha järeldusi eelnevate koolituse näitepõhiste andmete põhjal; seega kasutatakse neid tavaliselt keerukamate töötlemistoimingute jaoks, näiteks piltide teadvustamine, tekstist kõne saamine ja loomulike keelte loomine.

Masinõppe tööriistad koosnevad

1. Ettevalmistamine ja andmete kogumine
2. Ehitusmudelid
3. Rakenduste juurutamine ja koolitus

Kohalikud tööriistad telekommunikatsiooni ja kaugõppe jaoks

Saame võrrelda masinõppe tööriistu kohalike ja kaugjuhtimispulditega. Võite kohaliku tööriista alla laadida ja installida ning seda kohapeal kasutada, kuid kaugtööriistad töötavad välisel serveril.

• Kohalikud tööriistad

Kohalikus keskkonnas saate kohaliku tööriista alla laadida, installida ja käivitada.

Kohalike tööriistade omadused on järgmised:

1. Kohandatud mälus olevate andmete ja algoritmide jaoks.
2. Konfiguratsiooni ja parameetrite täitmise juhtimine.
3. Integreerige oma süsteemid oma vajaduste rahuldamiseks.

Kohalike tööriistade näideteks on Shogun, Golearn for Go jne.

• Kaugriistad

Seda tööriista hostitakse serverist ja kutsutakse teie kohalikku keskkonda. Neid vahendeid nimetatakse sageli masinõppeks kui teenuseks (MLaaS)

1. Kohandatud suuremate andmekogumite kasutamiseks mastaabis.
2. Käivitage mitu seadet, mitu tuuma ja jagatud salvestusruumi.
3. Lihtsamad liidesed, mis tagavad vähem konfiguratsiooni juhtimise ja algoritmi parameetrite määramise.

Nende tööriistade näideteks on masinõpe AWS-is, ennustamine Google'is, Apache Mahout jne.

Tööriistad masinõppe jaoks:

Allpool on toodud erinevad masinõppe tööriistad, mis on järgmised:

TensorFlow

See on 2015. aastal välja antud Google AI organisatsiooni Google Brain masinõppekogu. Tensor Flow võimaldab teil luua oma raamatukogud. Paindlikkuse tõttu võime kasutada ka C ++ ja pythoni keelt. Selle raamatukogu oluline omadus on see, et andmevoo diagramme kasutatakse arvuliste arvutuste esitamiseks sõlmede ja servade abil. Matemaatilisi operatsioone tähistavad sõlmed, servad tähistavad aga mitmemõõtmelisi andmemassiive, millel operatsioone teostatakse. TensorFlow kasutavad paljud kuulsad ettevõtted nagu eBay, Twitter, Dropbox jne. Samuti pakub see suurepäraseid arendusvahendeid, eriti Androidis.

Keras

Keras on sügavale õppiv Pythoni raamatukogu, mida saab kasutada Theano peal, TensorFlow. Google Braini meeskonna liige Francois Chollet töötas selle välja selleks, et anda andmeteadlastele võimalus masinõppe programme kiiresti käivitada. Tänu teegi kõrgetasemelise ja arusaadava liidese kasutamisele ning võrkude jagamisele eraldi moodulite jadadesse on võimalik kiire prototüüpimine. See on populaarsem kasutajaliidese, hõlpsasti laiendatavuse ja modulaarsuse tõttu. See töötab nii CPU kui ka GPU.

Scikit-õppima

Esmakordselt 2007. aastal välja antud Scikit-õppima on avatud lähtekoodiga raamatukogu masinõppe jaoks. Python on selle raamistiku skriptikeel ja sisaldab mitmeid masinõppe mudeleid nagu klassifitseerimine, regressioon, rühmitamine ja mõõtmete vähendamine. Scikit-learning on mõeldud kolmele avatud lähtekoodiga projektile - Matplotlib, NumPy ja SciPy.

Scikit-learning pakub kasutajatele n arvu masinõppe algoritme. Raamraamatukogu keskendub andmete modelleerimisele, kuid mitte andmete laadimisele, kokkuvõtmisele ja töötlemisele.

Kohvik2

Caffe2 on kohviku värskendatud versioon. See on Facebooki välja töötatud kerge, avatud lähtekoodiga masinõppe tööriist. Sellel on ulatuslik masinõppe raamatukogu keerukate mudelite käitamiseks. Samuti toetab see mobiilide juurutamist. Selles raamatukogus on C ++ ja Python API, mis võimaldab arendajatel kõigepealt prototüüpi luua ja optimeerimise saab teha hiljem

Apache Spark MLlib

Apache Spark MLlib on hajutatud raamistik masinõppeks. Sparki südamik on välja töötatud ülaosas. Apache annab sädemeid MLlib on kettapõhisel rakendamisel üheksa korda kiirem. Seda kasutatakse laialdaselt avatud lähtekoodiga projektina, mis hõlbustab masinõppimist.

Apache Spark MLlibil on skaleeritava kutseõppe raamatukogu. MLlib sisaldab regressiooni algoritme, koostööfiltreid, rühmitusi, otsustuspuid ja kõrgema taseme torujuhtme API-sid.

OpenNN

OpenNN on välja töötatud tehisintellekti ettevõtte Artelnics poolt. OpenNN on täiustatud analüüsi püsivara teek, mis on kirjutatud C ++ keeles. Masinõppe edukaim meetod on närvivõrkude rakendamine. See on kõrge jõudlusega. Selle teegi täitmiskiirus ja mälu eraldamine eristuvad.

Amazon SageMaker

Amazon SageMaker on täielikult hallatav teenus, mis võimaldab andmete uurijatel ja arendajatel kiiresti ja hõlpsalt luua, koolitada ja rakendada masinõppe mudeleid mis tahes skaalal. Amazon SageMaker toetab avatud lähtekoodiga veebirakenduse Jupyteri sülearvuteid, mis aitavad arendajatel reaalajas koodi jagada. Need sülearvutid sisaldavad draivereid, pakette ja raamatukogusid tavapärastele sügava õppe platvormidele ning raamistikke SageMakeri kasutajatele. Amazon SageMaker krüpteerib valikuliselt mudeleid nii AWS-i võtmehaldusteenuse kaudu transiidi ajal kui ka transiidi ajal ning API-taotlused teostatakse turvalise ühenduse kaudu pistikupesa kihiga. SageMaker salvestab koodi ka köites, mis on turvarühmade poolt kaitstud ja krüptitud.

Järeldus

Enne masinõpperakenduste väljatöötamist on väga oluline valida masinõppe tööriist, millel on ulatuslikud teegid, suurepärane kasutajaliides ja tugi ühistele programmeerimiskeeltele. Nii et see on olnud juhend masinõppe tööriistadest, mis aitavad vajalikku tehnoloogiat valida.

Soovitatavad artiklid

See on olnud masinõppevahendite juhend. Siin oleme arutanud masinõppe tööriistu ning telekommunikatsiooni ja kaugõppe kohalikke tööriistu. Lisateavet leiate ka meie muudest soovitatud artiklitest -

1. Mis on masinõpe?
2. Masinõppe tehnikad
3. Karjäär masinõppes
4. Masinõpe vs statistika
5. Matplotlib Pythonis