ما هو إطار التعلم العميق؟

إطار التعلم العميق عبارة عن حزمة برامج يستخدمها الباحثون وعلماء البيانات لتصميم نماذج التعلم العميق وتدريبها. تتمثل الفكرة في هذه الأطر في السماح للأشخاص بتدريب نماذجهم دون البحث في الخوارزميات الأساسية للتعلم العميق والشبكات العصبية والتعلم الآلي.

توفر هذه الأطر عناصر أساسية للتصميم والتدريب والتحقق من صحة النماذج من خلال واجهة برمجة عالية المستوى. يمكن لأطر التعلم العميق المستخدمة على نطاق واسع مثل PyTorch وTensorFlow وMXNet وغيرها أيضًا استخدام المكتبات المسرَّعة بواسطة GPU مثل cuDNN وNCCL لتقديم تدريب سريع عالي الأداء على وحدات معالجة الرسومات المتعددة.

لماذا نستخدم إطار التعلم العميق؟

• وهي توفر مكتبات متاحة بسهولة لتحديد الطبقات وأنواع الشبكات (شبكات CNN وRNNs) وبنيات النماذج الشائعة
• يمكنهم دعم تطبيقات رؤية الكمبيوتر. معالجة الصور والكلام واللغة الطبيعية
• لديهم واجهات مألوفة عبر لغات البرمجة الشائعة مثل Python وC وC++ وScala
• يتم تسريع العديد من أطر التعلم العميق بواسطة مكتبات NVIDIA للتعلم العميق مثل cuDNN وNCCl وcuBLAS لتدريب التعلم العميق المتسارع لوحدة معالجة الرسومات

أطر المثال

الإطار	الصفات	المفرقون
TensorFlow	سهل الاستخدام - واجهات برمجة التطبيقات والوثائق المحددة جيدًا مرن - مثالي للبحث وإنشاء نماذج أولية للأفكار الجديدة أدوات متعددة للبناء على TensorFlow مثل TensorFlow Slim وScikit Flow وPrettyTensor وKeras وTFLearn يسمح TensorFlow Lite بالنشر على الأجهزة المحمولة والمدمجة يمكن لمكتبة JavaScript نشر النماذج عبر متصفح الويب وNode.js	مشاركة المجتمع الكبير والدعم مجموعة كبيرة من عينات TensorFlow والتعليمات البرمجية الموجودة تعمل على تسريع البحث تصورات الرسم البياني الحسابي عبر TensorBoard واجهة بايثون
إيسارا (خليفة ل Theano)	التمايز التلقائي كتعبير رمزي تحسينات الرسم البياني الحسابي وتوليد التعليمات البرمجية أثناء التنقل للسرعة والاستقرار الرقمي واستخدام الذاكرة	مستوى منخفض ومرن للبحث عن أفكار جديدة مبني على لغة بايثون، مع تكامل NumPy لا يوجد GPU متعدد
قهوة	مصممة لمشاكل إطار رؤية الكمبيوتر جامدة جدًا للبحث في خوارزميات جديدة القهوة في وضع الصيانة	تتم صيانة وتحديث NVIDIA fork of Caffe بواسطة NVIDIA يوفر أداءً محسنًا على أحدث أجهزة GPU
كافيه 2	أصبح Caffe2 الآن جزءًا من PyTorch، ويتم إهمال واجهات برمجة التطبيقات
PyTorch	يعتمد PyTorch على لغة بايثون. إنه خليفة Torch، الذي كان يعتمد على لغة البرمجة Lua الجمهور الأساسي هو الباحثين يدعم الرسوم البيانية الحسابية الديناميكية PyTorch 1.0 هو تكرار جديد يتضمن PyTorch مدمجًا مع Caffe2 (الإصدار المستقر الحالي هو 1.9.0 من يونيو 2021)	الآن الإطار الأساسي المستخدم في Facebook/المستخدم بواسطة Facebook FAIR للبحث مرنة للغاية للبحث يشترك في نفس الواجهة الخلفية مثل إطار عمل Torch الشهير الذي كان يعتمد عليه
Chainer	نماذج سريعة في إنشاء النماذج الأولية وأسهل في تصحيح الأخطاء CuPy: مكتبة صفيف CUDA® متعددة الأبعاد مكافئة لـ NumPy الإضافات والأدوات: ChainerRL، ChainerMN لرؤية الكمبيوتر أصبح الآن في وضع الصيانة نظرًا لأن الشركة التي تقف وراءه تقوم بتغيير إطار العمل الأساسي الخاص بها إلى PyTorch	تعد الرسوم البيانية الحسابية الديناميكية مع واجهة برمجة تطبيقات Python من نقاط قوة Chainer وPyTorch
أباتشي MXNet	التركيز الأساسي هو تدريب ونشر الشبكات العصبية العميقة دعم ماتلاب محمول وقابل للتطوير، بما في ذلك دعم وحدات معالجة الرسومات المتعددة والعقد المتعددة	يدعم 8 روابط لغة، بما في ذلك C++، وPython، وJulia، وJava، وClojure، وR، وScala، وPerl يسمح بمزيج من البرمجة الرمزية والحتمية
ماتلاب	أبعد من مجرد مصنفات DL: ادمج معالجة الصور/الرؤية مع DL أتمتة التدريب الموزع والنشر في مركز البيانات ودمجه بدون تشفير يدوي	بيئة تطوير متكاملة (IDE) لسطح المكتب عالية الإنتاجية تجعل البحث والنماذج الأولية وتصحيح الأخطاء أمرًا سهلاً MATLAB الدعم الفني الخبراء يتكامل بسهولة مع سير عمل MATLAB وsimulink الحالي

مزيد من التفاصيل حول TensorFlow

تعد TensorFlow مكتبة برمجيات مفتوحة المصدر أنشأتها شركة Google، وهي أداة شائعة للتعلم الآلي، وخاصة لتدريب الشبكات العصبية العميقة. تدعم واجهة برمجة تطبيقات TensorFlow بشكل أساسي Python وC، ولكن هناك أيضًا واجهات برمجة تطبيقات لـ C++ وJavaScript وJava؛ ومع ذلك، فإن واجهة برمجة تطبيقات Python فقط هي التي تضمن أن تكون مستقرة.

قام مجتمع TensorFlow أيضًا بتطوير الدعم لعدد من اللغات الأخرى، بما في ذلك C# وHaskell وJulia وR وRuby وRust وScala.

تتمثل ميزة TensorFlow في أنه يحتوي على العديد من نقاط الدخول. بالإضافة إلى اللغات، هناك مجموعة واسعة من الأدوات التي تتكامل مع TensorFlow أو المبنية عليه.

لدى TensorFlow أيضًا مجتمع كبير جدًا من المستخدمين حيث يمكنك الحصول على المساعدة، وهو موثق جيدًا.

مزيد من التفاصيل حول كيراس

Keras هي مكتبة مفتوحة المصدر تركز على توفير واجهة برمجة تطبيقات Python بسيطة للشبكات العصبية مع ميزات مثل قابلية التوسع لمجموعات GPU. إنه مبني على TensorFlow 2.0 ويمكن تشغيله أيضًا على Theano.

يتمتع Keras بنفس قابلية النقل التي يتمتع بها TensorFlow، مما يعني أنه يمكنك تشغيله في المتصفح، بالإضافة إلى الأجهزة المحمولة والأجهزة المدمجة. يتم استخدام Keras من قبل عدد من المنظمات الكبرى، بما في ذلك CERN وNASA.

مزيد من التفاصيل حول PyTorch

PyTorch هو منتج آخر لنظام FAANG البيئي يأتي من مختبر أبحاث الذكاء الاصطناعي (FAIR) التابع لفيسبوك. تركز PyTorch بشكل كبير على مهام رؤية الكمبيوتر ومعالجة اللغة الطبيعية (NLP). مثل TensorFlow، لغة الواجهة الأساسية لـ PyTorch هي Python، ولكن هناك أيضًا دعم C++.

يحتوي مجتمع PyTorch على عدد من الأدوات التي تتكامل مع المكتبة، مثل Skorch للتوافق مع scikit-learn، وextBrewer لـ NLP، ومجموعة أدوات NeMo للذكاء الاصطناعي للمحادثة، و PyTorch البرق والتي تشبه في فكرتها TensorFlow وKeras من حيث أنها تركز على تبسيط الترميز المطلوب لتشغيل النموذج.

يعد PyTorch أيضًا بديلاً جيدًا لـ NumPy (أداة شائعة في التعلم الآلي وعلوم البيانات) مع الموترات، والتي تشبه مصفوفات NumPy ولكنها مُحسّنة للتشغيل على وحدات المعالجة المركزية (CPU) أو وحدات معالجة الرسومات. لدى PyTorch طريقة نشر تجريبية للأجهزة المحمولة ولكن تم تحسينها للتشغيل على منصات الحوسبة السحابية، بما في ذلك Amazon Web Services وGoogle Cloud وMicrosoft Azure.

هناك عدد كبير من أطر التعلم العميق للاختيار من بينها. إذا كان أحد الخيارات المذكورة هنا لا يناسب احتياجاتك، فهناك خيارات أخرى، بما في ذلك Amazon's Gluon (استنادًا إلى MXNet)، وDL4J، وSonnet.

أصلي. تم إعادة النشر بإذن.

هذا الموضوع ذو علاقة بـ:

• أسس هندسية للتعلم العميق
• التعلم العميق عالي الأداء ، الجزء الأول
• تقييم نماذج التعلم العميق: مصفوفة الارتباك والدقة والدقة والاستدعاء