女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

fast.ai發布的一個簡便、好用的PyTorch庫

zhKF_jqr_AI ? 來源:未知 ? 作者:李倩 ? 2018-10-10 09:20 ? 次閱讀

編者按:幾天前,有人統計了歷年ICLR論文錄用者使用的深度學習框架,發現雖然TensorFlow還高居榜首,但PyTorch近一年來的使用數據已經翻了3倍,可以和TF比肩。這是個令人驚訝的消息,也讓不少從業者開始正視這一發展趨勢,籌備“雙修”事宜。在下文中,論智給讀者帶來的是fast.ai發布的一個簡便、好用的PyTorch庫——對PyTorch感興趣的讀者不妨先從這個庫開始試手。

隨著互聯網和知識傳播的深度結合,現在在線課程對許多人來說已經不是新鮮事物。在深度學習領域,最受學生歡迎的MOOC課程平臺有三個:Fast.ai、deeplearning.ai /Coursera和Udacity。其中,因為Jeremy Howard化繁為簡、實戰為上的獨特授課風格,Fast.ai給人的印象一直很“接地氣”:

研究如何快速、可靠地把最先進的深度學習應用于實際問題。

提供Fast.ai庫,它不僅是讓新手快速構建深度學習實現的工具包,也是提供最佳實踐的一個強大而便捷的資源。

課程內容簡潔易懂,以便盡可能多的人從研究成果和軟件中收益。

國慶期間,Fast.ai發布一個新的、面向深度學習的免費開源庫——fastai。這是個PyTorch庫,雖然還是預覽版,但它目前已經為最重要的深度學習應用程序和數據類型提供了一致的API,且相比其他深度學習庫,它在準確性和速度上有顯著提高,同時所需的代碼大大減少。

感興趣的開發者可以訪問fastai的GitHub進行安裝:github.com/fastai/fastai/

fastai庫

從去年宣布開發開始,歷時18個月,fastai深度學習庫v1.0終于和大家見面了。在項目啟動之初,開發人員就曾介紹過PyTorch作為一個平臺的優勢:可以利用常規python代碼的靈活性和各種函數構建、訓練神經網絡,可以解決更廣泛的問題……

現在,經過Fast.ai團隊和PyTorch團隊的共同努力,我們迎來了一個為計算機視覺、文本、表格數據、時間序列、協同過濾等常見深度學習應用提供單一一致界面的深度學習庫。這意味著,如果你已經學會用fastai創建實用的計算機視覺(CV)模型,那你就可以用同樣的方法創建自然語言處理(NLP)模型,或是軟件支持的其他模型。

早期用戶使用反饋

GitHub上的語義代碼搜索

Fast.ai的課程是GitHub的數據科學家和高管(包括CEO在內)提高數據素養的一個重要途徑,其中,Github的高級機器學習科學家Hithl Husain在過去兩年中一直通過Fast.ai學習深度學習,他認為這些MOOC課程開啟了Github的數據新時代,使數據科學家們更有信心解決機器學習中的最新問題。

作為fastai的第一批使用者,Hithl Husain和他的同事Ho-Hsiang Wu最近發布了一個實驗版工具“語義代碼搜索”,允許開發者直接通過意義而不是關鍵詞匹配來查找代碼,這意味著最佳搜索結果不一定包含你搜索的單詞。在官方博客文章中,他們介紹了自己棄用Tensorflow Hub轉而投向fastai的原因,稱后者能更輕松地訪問最先進的架構(如AWD LSTMs)和技術(如隨機重啟循環學習率)。

語義代碼搜索

在過去的12個月里,Husain一直在體驗預發布版本的fastai庫。他表示:

我之所以選擇fast.ai,是因為它能在保證相同性能的情況下,用模塊化、高級API實現最先進的技術和創新,同時減少計算量。語義代碼搜索只是冰山一角,銷售、營銷、反欺詐,人們能用fastai為各行各業帶去革命性的變化。

生成音樂

Christine McLeavey Payne是從上一期Fast.ai深度學習課程中脫穎而出的一名學生。她的人生經歷非常豐富:從舊金山交響樂團的古典鋼琴師,到金融領域的HPC專家,再到斯坦福大學的神經科學和醫學研究員。現在,她已經在OpenAI開啟了又一段人生旅途,而在近期的OpenAI項目中,她用fastai創建了一個能生成鋼琴曲和室內音樂的LSTM——Clara。

fastai是一個了不起的資源,即便是我這樣剛接觸深度學習的新手,也能用短短幾行代碼就得到fastai模型。我不完全知道這些先進技術背后的原理,但我的模型能運行,而且訓練用時更短,性能也更好。

她的音樂生成模型基于上課期間她構建的一個語言模型,利用fastai庫對NLP最新技術的支持,她在短短兩周內就完成了這個音樂生成項目,并取得了很好的初步成果。這是fastai庫實用性的一個典例,只需少量修改,開發者就能把文本分類模型改成音樂生成模型,這在實踐中能節省大量時間和精力。

IBM Watson高級研究員對音樂生成器Clara的評價

藝術創作

建筑師、投資者Miguel Pérez Michaus一直在用預發布版本的fastai進行他的“Style Reversion(風格還原)”實驗。所謂“風格還原”,就是把風格遷移后的圖像恢復成原本的樣子,如下圖所示:

風格還原

他表示:“我喜歡用fastai創作,因為它能實現Keras不能實現的東西,比如生成‘不標準’的東西。”作為早期用戶,他在過去12個月中目睹了fastai的更新迭代:

我很幸運地體驗了fastai的A測版本,雖然只是Alpha版,但它充分展示了自己的實用性和靈活性,而且允許我這樣具有領域知識但沒有正式計算機科學背景的人上手操作。fastai會變得越來越好。對于深度學習的未來,我個人有一點粗淺的認識,就是我們必須要詳細掌握黑盒背后的真實技術原理,在這種情況下,我認為fastai會廣受歡迎。

學術研究

在NLP領域,波蘭語一直是一個挑戰,因為它是一種形態豐富的語言,如波蘭語形容詞會根據名詞的數和性而變化。企業家Piotr Czapla和Marcin Kardas是深度學習咨詢公司n-wave的聯合創始人,基于Cutting Edge Deep Learning For Coders這門課程中顯示的思路,他們用fastai開發了一種新的波蘭語文本分類算法,并在波蘭頂級NLP學術競賽中獲得一等獎,有關這項新研究的論文即將發布。

根據Czapla的說法,fastai庫對他們的成功至關重要:

fastai適合那些沒有上百臺服務器的普通人,這是我很喜歡它的一點。它支持快速開發和原型設計,并融入了所有最好的深度學習實踐。同時,Fast.ai課程是我開始學習深度學習的指路明燈,從上課的那天起,我才開始思考深度學習能做什么。

示例:計算機視覺領域的遷移學習

Kaggle上有一個非常受歡迎的競賽項目:Dogs vs Cats。參賽者需要編寫一個算法來分類圖像是包含狗還是貓。這也是Fast.ai課程中經常涉及的一個競賽,因為它代表了一類重要問題:基于預訓練模型的遷移學習。

我們將以此為例,從所需代碼量、準確性和速度三個指標上比較Keras和fastai的差異。以下是用fastai進行2-stage微調時的所有代碼——不僅要編寫的代碼非常少,設置的參數也非常少:

data = data_from_imagefolder(Path('data/dogscats'),

ds_tfms=get_transforms(), tfms=imagenet_norm, size=224)

learn = ConvLearner(data, tvm.resnet34, metrics=accuracy)

learn.fit_one_cycle(6)

learn.unfreeze()

learn.fit_one_cycle(4, slice(1e-5,3e-4))

下表是兩個深度學習庫的差異對比:

Keras是現在最流行的訓練神經網絡的方法之一,以上數據雖然是片面的,但fastai的改進能從側面說明Keras并不完美,它還有很大的改善空間。而無論是Keras還是其他深度學習庫,要完成同樣的任務,它們所需的代碼量都遠遠超過fastai,相應的,它們的訓練時間會更長,且模型性能不一定會更好。

此外,fastai在NLP任務上也有強勁表現。下表是ULMFiT論文中的一幅截圖,顯示了文本分類算法ULMFiT與IMDb數據集中排名靠前的算法的相對誤差:

文本分類性能總結

fastai是目前唯一提供此算法的庫,由于該算法是內置的,你可以直接參考上面的Dogs vs Cats代碼復現論文結果。以下是訓練ULMFiT語言模型的方法:

data = data_from_textcsv(LM_PATH, Tokenizer(), data_func=lm_data)

learn = RNNLearner.language_model(data, drop_mult=0.3,

pretrained_fnames=['lstm_wt103', 'itos_wt103'])

learn.freeze()

learn.fit_one_cycle(1, 1e-2, moms=(0.8,0.7))

learn.unfreeze()

learn.fit_one_cycle(10, 1e-3, moms=(0.8,0.7), pct_start=0.25)

小結

在之后的幾個月中,Fast.ai會陸續發布有關這個深度學習庫的學術論文和博客文章,包括開一門新課。我們會繼續關注開發團隊的進展,讀者在玩轉TensorFlow之余,也可以多多了解一下潛力無窮的PyTorch,體驗不一樣的“風景”。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 深度學習
    +關注

    關注

    73

    文章

    5554

    瀏覽量

    122443
  • pytorch
    +關注

    關注

    2

    文章

    809

    瀏覽量

    13754

原文標題:超越Keras:深度學習新庫fastai“落戶”PyTorch

文章出處:【微信號:jqr_AI,微信公眾號:論智】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦
    熱點推薦

    怎樣去解決在stm32上做ai的問題

    **(嵌入式AI)關于在stm32上做ai些問題,工具用的是STM32CubeIDE也可以用STM32CubeMX,用IDE更好1.pytorch中很多語句是不可以用cubeAI
    發表于 12-14 07:47

    Pytorch AI語音助手

    想做一個Pytorch AI語音助手,有沒有好的思路呀?
    發表于 03-06 13:00

    阿里平頭哥發布首個 RISC-V AI 軟硬全棧平臺

    HHB 實現了在典型網絡性能比第三方工具平均提升 88%,并增加支持運行 Transformer、TensorFlow、PyTorch 等 170 余主流框架 AI 模型。 基于此,平頭哥
    發表于 08-26 14:14

    Pytorch入門教程與范例

    pytorch基于 python 的深度學習pytorch 源碼的抽象層次少,結構
    發表于 11-15 17:50 ?5557次閱讀
    <b class='flag-5'>Pytorch</b>入門教程與范例

    Facebook致力AI開源PyTorch 1.0 AI框架

    Facebook近日宣布,將于近期開源PyTorch 1.0 AI框架,據悉,該框架是PyTorch與Caffe 2的結合,可以讓開發者無需遷移就從研究轉為生產。
    的頭像 發表于 05-08 14:58 ?3540次閱讀

    Facebook致力AI 開源PyTorch1.0 AI框架

    導讀: Facebook近日宣布,將于近期開源PyTorch 1.0 AI框架,據悉,該框架是PyTorch與Caffe 2的結合,可以讓開發者無需遷移就從研究轉為生產。 Facebook近日宣布
    的頭像 發表于 06-18 10:30 ?3350次閱讀

    Facebook發布Pytorch 1.0和新開源的圍棋AI項目

    PyTorch tracer是函數torch.jit.trace,它記錄了當前代碼區執行的所有本地PyTorch操作和它們之間的數據依賴關系。其實早在
    的頭像 發表于 07-02 08:52 ?4691次閱讀

    fast.ai更新了新版本的針對開發者的深度學習實踐課程

    框架:fast.ai使用Pytorch作用教學工具。但是這種東西屬于通百通,基本上你旦掌握了套路,接下來用TensorFlow/Keras、CNTX、MXNet或者其他深度學習
    的頭像 發表于 01-28 08:59 ?2537次閱讀
    <b class='flag-5'>fast.ai</b>更新了新版本的針對開發者的深度學習實踐課程

    基于PyTorch的幾何深度學習擴展,為GNN的研究和應用再添利器

    作者在論文中寫道:“這是 PyTorch 的幾何深度學習擴展,它利用專用的 CUDA 內核實現了高性能。它遵循
    的頭像 發表于 03-11 08:49 ?6435次閱讀

    非常好用的AD封裝免費下載

    本文檔的主要內容詳細介紹的是非常好用的AD封裝免費下載。
    發表于 04-07 08:00 ?0次下載
    <b class='flag-5'>一</b><b class='flag-5'>個</b>非常<b class='flag-5'>好用</b>的AD封裝<b class='flag-5'>庫</b>免費下載

    基于PyTorch的深度學習入門教程之使用PyTorch構建神經網絡

    PyTorch的自動梯度計算 Part3:使用PyTorch構建神經網絡 Part4:訓練
    的頭像 發表于 02-15 09:40 ?2271次閱讀

    13定來看看的PyTorch特性!

    作者:MARCIN ZAB?OCKIMARCIN ZAB?OCKI 編譯:ronghuaiyang(AI公園) 導讀 PyTorch使用上的13特性,確實非常的有用。 PyTorch
    的頭像 發表于 04-19 09:08 ?1947次閱讀

    簡便PyTorch教程,從不用自己配置環境開始。

    PyTorch Python 優先的深度學習框架,也是使用 GPU 和 CPU 優化的深度學習張量,能夠在強大的 GPU 加速基礎上實現張量和動態神經網絡。 在使用
    發表于 11-10 14:33 ?757次閱讀
    <b class='flag-5'>一</b>份<b class='flag-5'>簡便</b>的<b class='flag-5'>PyTorch</b>教程,從不用自己配置環境開始。

    TorchFix:基于PyTorch的代碼靜態分析

    TorchFix是我們最近開發的新工具,旨在幫助PyTorch用戶維護健康的代碼并遵循PyTorch的最佳實踐。首先,我想要展示
    的頭像 發表于 12-18 15:20 ?1268次閱讀

    利用Arm Kleidi技術實現PyTorch優化

    PyTorch廣泛應用的開源機器學習 (ML) 。近年來,Arm 與合作伙伴通力協作,持續改進 PyTorch 的推理性能。本文將
    的頭像 發表于 12-23 09:19 ?835次閱讀
    利用Arm Kleidi技術實現<b class='flag-5'>PyTorch</b>優化