EITC/AI/DLPTFK Python, TensorFlow, Keras-тай гүнзгий суралцах нь TytorFlow ба Keras машин сургалтын номын сангуудтай хамт Python-д гүнзгий суралцах програмчлалын үндсийг харуулсан Европын мэдээллийн технологийн гэрчилгээжүүлэгч хөтөлбөр юм.
EITC/AI/DLPTFK-ийн Python, TensorFlow, Keras-тай гүнзгий сургалтын хөтөлбөр нь дараахь бүтцийн хүрээнд зохион байгуулагдсан TensorFlow ба Keras номын сангуудаар Python програмчлалыг гүнзгийрүүлэн сурах практик ур чадварыг голчлон судалж, энэхүү дижитал гэрчилгээжүүлэлтийн лавлагаа болгон видео дидактик агуулгыг багтаасан болно.
Гүнзгийрүүлсэн сургалт (гүнзгий зохион байгуулалттай сургалт гэж нэрлэдэг) бол төлөөлөх сургалттай хиймэл мэдрэлийн сүлжээнд суурилсан машин сургах аргын гэр бүлийн нэг хэсэг юм. Суралцах явцыг удирдлага, хагас удирдлага, хяналтгүй байж болно. Компьютерийн алсын хараа, машины хараа, яриаг таних, байгалийн хэл боловсруулах, аудио таних, олон нийтийн сүлжээний шүүлтүүр, машин орчуулга, биоинформатик зэрэг салбарт гүнзгий мэдрэлийн сүлжээ, гүнзгий итгэл үнэмшлийн сүлжээ, давтамжтай мэдрэлийн сүлжээ, хувьслын мэдрэлийн сүлжээ гэх мэт гүнзгий сургалтын архитектурыг ашиглаж ирсэн. , эмийн дизайн, эмнэлгийн дүрсний шинжилгээ, материалын үзлэг, ширээний тоглоомын хөтөлбөрүүд нь хүний шинжээчийн гүйцэтгэлтэй харьцуулахуйц үр дүн гаргаж, зарим тохиолдолд давж гарсан болно.
Python бол тайлбарласан, өндөр түвшний, ерөнхий зориулалтын програмчлалын хэл юм. Python-ийн дизайны философи нь мэдэгдэхүйц хоосон зайг ашиглан код унших чадварыг онцолдог. Хэлний бүтэц, объект хандлага нь програмистуудад жижиг, том хэмжээний төслүүдэд тодорхой, логик код бичихэд туслах зорилготой юм. Python нь стандарт номын сангаасаа болж ихэвчлэн "зай багтсан" хэл гэж тодорхойлогддог. Python нь ихэвчлэн TensorFlow, Keras, Pytorch, Scikit-learn зэрэг номын сангуудын тусламжтайгаар хиймэл оюун ухааны төслүүд болон машин сургалтын төслүүдэд ашиглагддаг.
Python нь динамикаар бичигдсэн (хөрвүүлэлтийн явцад статик програмчлалын хэлний хийдэг олон нийтлэг програмчлалын зан үйлийг гүйцэтгэдэг) ба хог хаягдлыг цуглуулдаг. Энэ нь бүтэцлэгдсэн (ялангуяа процедурын), объект хандалттай, функциональ програмчлалыг багтаасан олон програмчлалын парадигмыг дэмждэг. Энэ нь 1980-аад оны сүүлчээр бүтээгдсэн бөгөөд 1991 онд Гуидо ван Россум ABC програмчлалын хэлийг залгамжлагчаар гаргасан. 2.0 онд гарсан Python 2000 нь жагсаалтыг ойлгох, хог цуглуулах систем гэх мэт шинэ онцлог шинж чанаруудыг нэвтрүүлж, 2.7 онд 2020 хувилбараар зогсоосон байна. 3.0 онд гарсан Python 2008 нь тухайн хэлний шинэчлэгдсэн хувилбар байв. бүрэн хоцрогдсон нийцтэй биш бөгөөд Python 2 код нь Python 3 дээр өөрчлөгддөггүй. Python 2-ийн ашиглалтын хугацаа дууссан (мөн pip нь 2021 онд дэмжлэгээ алдсан), зөвхөн Python 3.6.x ба түүнээс хойшхи хувилбарууд нь хуучин хувилбаруудтай жишээ нь Windows 7-г (мөн 64 битийн Windows-т хязгаарлагдахгүй хуучин суулгагчдыг) дэмжих.
Python хэлмэрчид үндсэн үйлдлийн системүүдэд дэмжлэг үзүүлдэг бөгөөд цөөн хэдэн програм ашиглах боломжтой байдаг (урьд өмнө нь олон програмыг дэмжиж байсан). Программистуудын дэлхийн хамтын нийгэмлэг нь CPython програмыг үнэгүй, нээлттэй эх сурвалжаар боловсруулж, хадгалж байдаг. Python Software Foundation ашгийн бус байгууллага нь Python болон CPython-ийг хөгжүүлэх нөөцийг удирдан чиглүүлдэг.
2021 оны 2020-р сарын байдлаар Python нь TIOBE-ийн хамгийн түгээмэл програмчлалын хэлний индексийн гуравдугаарт бичигдэж, өмнө нь хоёрдугаар байр, 2007 оны хамгийн их ашиг олсон шагналаа хүртэж байжээ. 2010, 2018 оны оны шилдэг програмчлалын хэлээр шалгарсан. , XNUMX он.
Эмпирик судалгаагаар Python гэх мэт скрипт хэл нь C, Java зэрэг уламжлалт хэлнүүдээс мөрийг удирдах, толь бичигт хайлт хийхтэй холбоотой програмчлалын асуудалд илүү үр дүнтэй байдаг болохыг тогтоож, санах ойн хэрэглээ нь ихэвчлэн “Java-с илүү сайн байдаг, харин C эсвэл C ++ -аас хамаагүй муу. Python ашигладаг томоохон байгууллагуудад ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram орно.
Хиймэл оюун ухааны програмуудаас гадна модульчлагдсан архитектур, энгийн синтакс, баялаг текст боловсруулах хэрэгсэл бүхий скрипт хэл болох Python нь ихэвчлэн байгалийн хэл боловсруулахад ашиглагддаг.
TensorFlow бол машин сурахад зориулсан үнэгүй, нээлттэй эхийн програм хангамжийн номын сан юм. Үүнийг янз бүрийн даалгаварт ашиглаж болох боловч гүнзгий мэдрэлийн сүлжээг сургах, дүгнэлт гаргахад онцгой анхаарал хандуулдаг. Энэ бол өгөгдлийн урсгал ба ялгавартай програмчлалд суурилсан бэлгэдлийн математикийн номын сан юм. Энэ нь Google дээр судалгаа, үйлдвэрлэлийн аль алинд нь ашиглагддаг.
2011 оноос эхлэн Google Brain нь DistBelief-ийг гүнзгий суралцах мэдрэлийн сүлжээнд суурилсан машины сургалтын систем болгон ашигласан. Судалгааны болон арилжааны хэрэглээнд олон янзын Alphabet компаниудад хэрэглээ нь хурдацтай өссөн. Google нь DistBelief-ийн кодын баазыг хялбарчилж, дахин боловсруулж, програмын түвшний илүү хурдан номын сан болгон шинэчлэх үүрэг бүхий Жефф Дин зэрэг олон компьютер судлаачдыг томилсон бөгөөд энэ нь TensorFlow болжээ. 2009 онд Жеффри Хинтоноор удирдуулсан баг нь ерөнхийлсөн backpropagation болон бусад сайжруулалтыг хэрэгжүүлж, мэдрэлийн сүлжээг өндөр нарийвчлалтайгаар бий болгох боломжийг олгосон, тухайлбал яриаг танихад гарсан алдааг 25% бууруулсан.
TensorFlow бол Google Brain-ийн хоёр дахь үеийн систем юм. 1.0.0 хувилбар нь 11 оны 2017-р сарын 64-нд гарсан. Лавлагааны хэрэгжилт ганц төхөөрөмж дээр ажилладаг бол TensorFlow нь олон CPU болон GPU дээр ажиллах боломжтой (график боловсруулах нэгж дээр ерөнхий зориулалтын тооцоолох зориулалттай CUDA ба SYCL өргөтгөлүүдтэй). TensorFlow нь 2016 битийн Линукс, macOS, Windows болон Android, iOS зэрэг мобайл тооцоолох платформууд дээр байдаг. Түүний уян хатан архитектур нь тооцооллыг янз бүрийн платформ (CPU, GPU, TPU), ширээний компьютерээс серверийн кластерууд, хөдөлгөөнт болон захын төхөөрөмжүүд дээр хялбархан байрлуулах боломжийг олгодог. TensorFlow тооцооллыг төлөвийн өгөгдлийн урсгалын график хэлбэрээр илэрхийлдэг. TensorFlow нэр нь ийм мэдрэлийн сүлжээг тензор гэж нэрлэдэг олон хэмжээст өгөгдлийн массив дээр гүйцэтгэдэг үйл ажиллагаанаас үүдэлтэй. 1,500 оны 5-р сард болсон Google I/O бага хурлын үеэр Жефф Дин GitHub дээрх 2017 агуулах TensorFlow-ийн талаар дурдсан бөгөөд үүнээс зөвхөн 2018 нь Google-ээс ирсэн гэж мэдэгджээ. 1.0 оны 2019-р сард Google, Cisco, RedHat, CoreOS, CaiCloud-ийн хөгжүүлэгчид Kubeflow-ийг чуулганд танилцуулав. Kubeflow нь Kubernetes дээр TensorFlow-ийг ажиллуулах, байрлуулах боломжийг олгодог. 2.0 оны 2019-р сард Google нь JavaScript дээр машин сурах TensorFlow.js 2019 хувилбарыг зарласан. XNUMX оны XNUMX-р сард Google TensorFlow XNUMX зарлалаа. Энэ нь XNUMX оны XNUMX-р сард албан ёсоор худалдаанд гарсан. XNUMX оны XNUMX-р сард Google TensorFlow Graphics-ийг компьютерийн графикт гүнзгий суралцахаар зарлав.
Керас бол хиймэл мэдрэлийн сүлжээнд зориулсан Python интерфэйсийг хангадаг нээлттэй эхийн програм хангамжийн номын сан юм. Керас нь TensorFlow номын сангийн интерфейсийн үүрэг гүйцэтгэдэг.
Керасад өргөн хэрэглэгддэг мэдрэлийн сүлжээний блокуудын давхарга, зорилтууд, идэвхжүүлэх функцууд, оптимизаторууд, зураг, текстийн өгөгдөлтэй ажиллахад хялбар болгох олон тооны хэрэгслүүдийг агуулдаг. Кодыг GitHub дээр байрлуулсан бөгөөд олон нийтийн дэмжлэгийн форумд GitHub асуудлууд хуудас, Slack суваг багтсан болно.
Стандарт мэдрэлийн сүлжээнээс гадна Керас нь эвдрэлийн болон давтамжтай мэдрэлийн сүлжээнд дэмжлэг үзүүлдэг. Энэ нь завсардалт, багцыг хэвийн болгох, нэгтгэх гэх мэт бусад нийтлэг хэрэглээний давхаргыг дэмждэг. Керас нь хэрэглэгчдэд ухаалаг гар утас (iOS, Android), вэб эсвэл Java Virtual Machine дээр гүнзгий загвар гаргах боломжийг олгодог. Энэ нь График боловсруулах нэгж (GPU) ба тензор боловсруулах нэгж (TPU) кластерууд дээр гүнзгий суралцах загваруудын хуваарилагдсан сургалтыг ашиглах боломжийг олгодог. Керас нь Python (програмчлалын хэл), ашиглах, суулгахад хялбар байдгаас шалтгаалан шинжлэх ухааны судалгаанд ашиглахаар батлагдсан. Керас нь KDnuggets 10 програм хангамжийн санал асуулгад хамгийн их иш татсан 2018 дахь хэрэгсэл байсан бөгөөд 22% -ийн хэрэглээ бүртгүүлжээ.
Баталгаажуулалтын сургалтын хөтөлбөртэй дэлгэрэнгүй танилцахын тулд та доорх хүснэгтийг өргөжүүлж, дүн шинжилгээ хийж болно.
EITC/AI/DLPTFK Python, TensorFlow болон Keras гэрчилгээжүүлэх сургалтын хөтөлбөрт Харрисон Кинслигийн видео хэлбэрээр нээлттэй хандалтын дидактик материалыг иш татсан болно. Сургалтын үйл явц нь сургалтын хөтөлбөрийн холбогдох хэсгүүдийг хамарсан алхам алхмаар бүтцэд (хөтөлбөр -> хичээл -> сэдэв) хуваагдана.
Домэйн мэргэжилтнүүдтэй хязгааргүй зөвлөгөө өгдөг.
Баталгаажуулалтын журмын талаарх дэлгэрэнгүй мэдээллийг шалгана уу Хэрхэн ажилладаг.
Сургалтын хөтөлбөрийн лавлах материал
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow сургалтын эх сурвалжууд
https://www.tensorflow.org/learn/
TensorFlow API баримт бичиг
https://www.tensorflow.org/api_docs/
TensorFlow загвар ба өгөгдлийн багц
https://www.tensorflow.org/resources/models-datasets/
TensorFlow нийгэмлэг
https://www.tensorflow.org/community/
TensorFlow -тэй Google Cloud AI платформ сургалт
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Python-ийн баримт бичиг
https://www.python.org/doc/
Python нь татан авалтыг гаргадаг
https://www.python.org/downloads/
Эхлэгчдэд зориулсан гарын авлага
https://www.python.org/about/gettingstarted/
Python Wiki-ийн анхан шатны гарын авлага
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python машин сурах заавар
https://www.w3schools.com/python/python_ml_getting_started.asp
Python, TensorFlow, Keras программтай EITC/AI/DLPTFK гүнзгий суралцахад зориулсан офлайн бие даан суралцах бэлтгэл материалыг бүрэн PDF файлаар татаж аваарай.
EITC/AI/DLPTFK бэлтгэх материал – стандарт хувилбар
EITC/AI/DLPTFK бэлтгэл материалууд – тойм асуулт бүхий өргөтгөсөн хувилбар