2016 के बाद से आर्टिफिशियल इंटेलिजेंस लोकप्रियता में बढ़ रहा है, 20% बड़ी कंपनियों ने अपने व्यवसायों में एआई का उपयोग किया (मैकिन्से रिपोर्ट, 2018)। एक ही रिपोर्ट के अनुसार AI उद्योगों में पर्याप्त मूल्य पैदा कर सकता है। उदाहरण के लिए, बैंकिंग में, AI की क्षमता 300 बिलियन डॉलर होने का अनुमान है , रिटेल में यह संख्या बढ़कर 600 बिलियन डॉलर हो गई है।
एआई के संभावित मूल्य को अनलॉक करने के लिए, कंपनियों को सही गहरे सीखने की रूपरेखा का चयन करना चाहिए। इस ट्यूटोरियल में, आप गहन शिक्षण कार्यों को करने के लिए उपलब्ध विभिन्न पुस्तकालयों के बारे में जानेंगे। कुछ पुस्तकालय वर्षों से हैं जबकि हाल के वर्षों में TensorFlow जैसी नई लाइब्रेरी प्रकाश में आई है।
8 बेस्ट डीप लर्निंग लाइब्रेरी / फ्रेमवर्क
इस सूची में, हम शीर्ष डीप लर्निंग फ्रेमवर्क की तुलना करेंगे। ये सभी डेटा वैज्ञानिक समुदाय में खुले स्रोत और लोकप्रिय हैं। हम सेवा प्रदाता के रूप में लोकप्रिय एमएल की तुलना भी करेंगे
मशाल
मशाल एक पुरानी ओपन सोर्स मशीन लर्निंग लाइब्रेरी है। यह पहली बार 15 साल पहले रिलीज हुई थी। यह प्राथमिक प्रोग्रामिंग लैंग्वेज LUA है, लेकिन C में एक कार्यान्वयन है। PyTorch बनाम TensorFlow की तुलना में, यह मशीन लर्निंग एल्गोरिदम के लिए एक विशाल पुस्तकालय का समर्थन करता है, जिसमें गहन शिक्षण शामिल है। यह समानांतर गणना के लिए CUDA कार्यान्वयन का समर्थन करता है।
मशाल गहन शिक्षण उपकरण का उपयोग फेसबुक, गूगल, ट्विटर, एनवीडिया, और इतने पर जैसे प्रमुख प्रयोगशालाओं द्वारा किया जाता है। मशाल में पायथन नाम के पायथन में एक पुस्तकालय है।
Infer.net
Infer.net Microsoft द्वारा विकसित और अनुरक्षित है। Infer.net एक पुस्तकालय है जिसमें बेयसियन सांख्यिकी पर प्राथमिक ध्यान केंद्रित किया गया है। Infer.net डीप लर्निंग के लिए एक विज़ुअलाइज़ेशन टूल है, जो प्रोबेशिस्टिक मॉडलिंग के लिए चिकित्सकों को अत्याधुनिक एल्गोरिदम की पेशकश करने के लिए डिज़ाइन किया गया है। पुस्तकालय में बायेसियन विश्लेषण, छिपे हुए मार्कोव श्रृंखला, क्लस्टरिंग जैसे विश्लेषणात्मक उपकरण हैं।
करेस
केरस गहरी शिक्षा के लिए एक पायथन ढांचा है। यह किसी भी गहन शिक्षण एल्गोरिथ्म का निर्माण करने के लिए एक सुविधाजनक पुस्तकालय है। Keras का लाभ यह है कि यह CPU या GPU पर चलाने के लिए समान पायथन कोड का उपयोग करता है। इसके अलावा, कोडिंग वातावरण शुद्ध है और कंप्यूटर दृष्टि, अन्य के बीच पाठ पहचान के लिए अत्याधुनिक एल्गोरिदम के प्रशिक्षण की अनुमति देता है।
केरस को Google के एक शोधकर्ता फ्रांस्वा चोल ने विकसित किया है। केर का उपयोग सर्न, येल्प, स्क्वायर या गूगल, नेटफ्लिक्स और उबेर जैसे प्रमुख संगठनों में किया जाता है।
थेनो
थीनो 2007 में यूनिवर्सिटो डी मोंट्रे द्वारा विकसित की गई गहरी सीखने वाली लाइब्रेरी है। थीनो बनाम टेंसोरफ्लो की तुलना में, यह तेजी से कम्प्यूटेशन प्रदान करता है और सीपीयू और जीपीयू दोनों पर चलाया जा सकता है। थीनो को गहरे तंत्रिका नेटवर्क एल्गोरिदम को प्रशिक्षित करने के लिए विकसित किया गया है।
Microsoft संज्ञानात्मक टूलकिट (CNTK)
Microsoft टूलकिट, जिसे पहले CNTK के रूप में जाना जाता है, Microsoft द्वारा विकसित एक गहन शिक्षण पुस्तकालय है। माइक्रोसॉफ्ट के अनुसार, पुस्तकालय बाजार में सबसे तेज है। Microsoft टूलकिट एक ओपन-सोर्स लाइब्रेरी है, हालाँकि Microsoft इसे अपने उत्पाद जैसे Skype, Cortana, Bing, और Xbox के लिए बड़े पैमाने पर उपयोग कर रहा है। टूलकिट पायथन और C ++ दोनों में उपलब्ध है।
एमएक्सनेट
एमएक्सनेट हाल ही में गहन शिक्षण पुस्तकालय है। यह C ++, जूलिया, पायथन और R. MXNet सहित कई प्रोग्रामिंग भाषाओं के साथ उपलब्ध है, CPU और GPU दोनों पर काम करने के लिए कॉन्फ़िगर किया जा सकता है। एमएक्सनेट में अत्याधुनिक न्यूरल नेटवर्क और लॉन्ग शॉर्ट-टर्म मेमोरी जैसे अत्याधुनिक डीप लर्निंग आर्किटेक्चर शामिल हैं। MXNet गतिशील क्लाउड बुनियादी ढांचे के साथ सद्भाव में काम करने के लिए निर्मित है। एमएक्सनेट का मुख्य उपयोगकर्ता अमेज़ॅन है
Caffè
कैफ यांगकिंग जिया द्वारा निर्मित एक पुस्तकालय है जब वह बर्कले में पीएचडी छात्र थे। Caffe बनाम TensorFlow की तुलना में Caffe C ++ में लिखा जाता है और CPU और GPU दोनों पर गणना कर सकता है। कैफ का प्राथमिक उपयोग कन्वेन्शनल न्यूरल नेटवर्क है। हालांकि, 2017 में, फेसबुक ने अधिक गहन शिक्षण वास्तुकला के साथ कैफ का विस्तार किया, जिसमें आवर्तक तंत्रिका नेटवर्क शामिल है। कैफ का उपयोग शिक्षाविदों और स्टार्टअप्स द्वारा किया जाता है, लेकिन याहू जैसी कुछ बड़ी कंपनियों में भी।
TensorFlow
TensorFlow Google ओपन सोर्स प्रोजेक्ट है। TensorFlow इन दिनों सबसे प्रसिद्ध डीप लर्निंग लाइब्रेरी है। यह 2015 के अंत में जनता के लिए जारी किया गया था
TensorFlow C ++ में विकसित किया गया है और इसमें सुविधाजनक Python API है, हालाँकि C ++ API भी उपलब्ध हैं। एयरबस, गूगल, आईबीएम और जैसी प्रमुख कंपनियां TensorFlow का उपयोग करके गहन शिक्षण एल्गोरिदम का उत्पादन कर रही हैं।
TensorFlow बनाम थीनो बनाम मशाल बनाम करस बनाम infer.net बनाम CNTK बनाम MXNet बनाम कैफ़ी: मुख्य अंतर
| पुस्तकालय | मंच | इसमें लिखा हुआ | कूडा का सहारा | समानांतर निष्पादन | प्रशिक्षित मॉडल है | आर.एन.एन. | सीएनएन |
|---|---|---|---|---|---|---|---|
| मशाल | लिनक्स, मैकओएस, विंडोज | लुआ | हाँ | हाँ | हाँ | हाँ | हाँ |
| Infer.Net | लिनक्स, मैकओएस, विंडोज | विजुअल स्टूडियो | नहीं न | नहीं न | नहीं न | नहीं न | नहीं न |
| करेस | लिनक्स, मैकओएस, विंडोज | अजगर | हाँ | हाँ | हाँ | हाँ | हाँ |
| थेनो | क्रॉस-प्लेटफॉर्म | अजगर | हाँ | हाँ | हाँ | हाँ | हाँ |
| TensorFlow | लिनक्स, मैकओएस, विंडोज, एंड्रॉइड | सी ++, पायथन, CUDA | हाँ | हाँ | हाँ | हाँ | हाँ |
| MICROSOFT सहकारी उपकरण | लिनक्स, विंडोज, मैक डॉकर के साथ | सी ++ | हाँ | हाँ | हाँ | हाँ | हाँ |
| Caffè | लिनक्स, मैकओएस, विंडोज | सी ++ | हाँ | हाँ | हाँ | हाँ | हाँ |
| एमएक्सनेट | लिनक्स, विंडोज, मैकओ, एंड्रॉइड, आईओएस, जावास्क्रिप्ट | सी ++ | हाँ | हाँ | हाँ | हाँ | हाँ |
फैसला:
TensorFlow सभी का सबसे अच्छा पुस्तकालय है क्योंकि यह सभी के लिए सुलभ होने के लिए बनाया गया है। Tensorflow पुस्तकालय में CNN या RNN जैसे बड़े पैमाने पर गहन शिक्षण वास्तुकला में निर्मित विभिन्न API शामिल हैं। TensorFlow ग्राफ संगणना पर आधारित है, यह डेवलपर को Tensorboad के साथ तंत्रिका नेटवर्क के निर्माण की कल्पना करने की अनुमति देता है। यह उपकरण प्रोग्राम को डीबग करने के लिए सहायक है। अंत में, Tensorflow को बड़े पैमाने पर तैनात किया जाता है। यह CPU और GPU पर चलता है।
अन्य गहन शिक्षण पुस्तकालयों की तुलना में टेंसरफ्लो GitHub पर सबसे बड़ी लोकप्रियता को आकर्षित करता है।
सेवा के रूप में मशीन लर्निंग की तुलना करना
सेवा प्रदाताओं के रूप में 4 लोकप्रिय डीएल निम्नलिखित हैं
Google क्लाउड एमएल
Google Cloud AutoML में उपलब्ध डेवलपर पूर्व-प्रशिक्षित मॉडल के लिए प्रदान करता है। मशीन लर्निंग में मजबूत पृष्ठभूमि के बिना डेवलपर के लिए यह समाधान मौजूद है। डेवलपर्स अपने डेटा पर अत्याधुनिक Google के पूर्व-प्रशिक्षित मॉडल का उपयोग कर सकते हैं। यह किसी भी डेवलपर्स को कुछ ही मिनटों में किसी भी मॉडल को प्रशिक्षित और मूल्यांकन करने की अनुमति देता है।
Google वर्तमान में कंप्यूटर विज़न, वाक् पहचान, अनुवाद और NLP के लिए एक REST API प्रदान करता है।
Google क्लाउड का उपयोग करके, आप TensorFlow, Scikit-learn, XGBoost या Keras पर एक मशीन लर्निंग फ्रेमवर्क का निर्माण कर सकते हैं। Google क्लाउड मशीन लर्निंग अपने क्लाउड पर मॉडलों को प्रशिक्षित करेगा।
Google क्लाउड कंप्यूटिंग का उपयोग करने का लाभ मशीन सीखने को उत्पादन में तैनात करने की सरलता है। डॉकटर कंटेनर स्थापित करने की कोई आवश्यकता नहीं है। इसके अलावा, क्लाउड बुनियादी ढांचे का ख्याल रखता है। यह सीपीयू, जीपीयू और टीपीयू के साथ संसाधनों का आवंटन करना जानता है। यह प्रशिक्षण को समान गणना के साथ तेज बनाता है।
एडब्ल्यूएस सेजमेकर
Google क्लाउड का एक प्रमुख प्रतियोगी अमेज़न क्लाउड, AWS है। अमेज़ॅन ने अमेज़ॅन सैजमेकर को डेटा वैज्ञानिकों और डेवलपर्स को किसी भी मशीन लर्निंग मॉडल के निर्माण, प्रशिक्षण और उत्पादन में लाने की अनुमति देने के लिए विकसित किया है।
SageMaker एक Jupyter नोटबुक में उपलब्ध है और इसमें सबसे अधिक इस्तेमाल की जाने वाली मशीन लर्निंग लाइब्रेरी, TensorFlow, MXNet, Scikit-learn शामिल है। SageMaker के साथ लिखे गए प्रोग्राम स्वचालित रूप से डॉकर कंटेनरों में चलाए जाते हैं। अमेज़ॅन प्रशिक्षण और तैनाती का अनुकूलन करने के लिए संसाधन आवंटन को संभालता है।
अमेज़न अपने अनुप्रयोगों में बुद्धिमत्ता जोड़ने के लिए डेवलपर्स को एपीआई प्रदान करता है। कुछ अवसरों में, नए मॉडल को खरोंच से निर्माण करके पहिया को फिर से मजबूत करने की आवश्यकता नहीं है, जबकि बादल में शक्तिशाली पूर्व-प्रशिक्षित मॉडल हैं। अमेज़ॅन कंप्यूटर दृष्टि, संवादात्मक चैटबॉट और भाषा सेवाओं के लिए एपीआई सेवाएं प्रदान करता है:
तीन प्रमुख उपलब्ध एपीआई हैं:
- Amazon Rekognition: एक ऐप को छवि और वीडियो मान्यता प्रदान करता है
- उदाहरण के लिए, टेक्स्ट माइनिंग और न्यूरल लैंग्वेज प्रोसेसिंग करें, उदाहरण के लिए, वित्तीय दस्तावेज की वैधता की जाँच की प्रक्रिया को स्वचालित बनाना
- Amazon Lex: एक ऐप में चैटबॉट जोड़ें
Azure मशीन लर्निंग स्टूडियो
संभवतः मशीन लर्निंग के सबसे शुरुआती तरीकों में से एक एज़्योर मशीन लर्निंग स्टूडियो है। इस समाधान का महत्वपूर्ण लाभ यह है कि कोई पूर्व प्रोग्रामिंग ज्ञान की आवश्यकता नहीं है।
Microsoft Azure Machine Learning Studio मशीन लर्निंग सॉल्यूशन बनाने, ट्रेन करने, मूल्यांकन करने और तैनात करने के लिए एक ड्रैग-एंड-ड्रॉप सहयोगी उपकरण है। मॉडल को कुशलतापूर्वक वेब सेवाओं के रूप में तैनात किया जा सकता है और एक्सेल जैसे कई ऐप में उपयोग किया जा सकता है।
एज़्योर मशीन लर्निंग इंटरफ़ेस इंटरैक्टिव है, जिससे उपयोगकर्ता को तत्वों को जल्दी से खींचने और छोड़ने से एक मॉडल बनाने की अनुमति मिलती है।
जब मॉडल तैयार हो जाता है, तो डेवलपर इसे सहेज सकता है और इसे Azure गैलरी या Azure Marketplace पर धकेल सकता है।
एज़्योर मशीन लर्निंग को उनके कस्टम बिल्ट-इन पैकेज में आर या पायथन में एकीकृत किया जा सकता है।
आईबीएम वाटसन एमएल
वाटसन स्टूडियो एक सुव्यवस्थित प्रक्रिया के साथ डेटा परियोजनाओं को सरल बना सकता है जो डेटा को मूल्य और अंतर्दृष्टि को निकालने की अनुमति देता है ताकि व्यवसाय को स्मार्ट और तेज़ हो सके। वाटसन स्टूडियो मॉडल तैयार करने और प्रशिक्षण देने, डेटा तैयार करने और उसका विश्लेषण करने और सभी जानकारियों को एक ही स्थान पर साझा करने के लिए उपयोग में आसान सहयोगी डेटा विज्ञान और मशीन सीखने का वातावरण प्रदान करता है। वाटसन स्टूडियो को ड्रैग-एंड-ड्रॉप कोड के साथ उपयोग करना आसान है।
वाटसन स्टूडियो टेंसरफ़्लो, केरस, पाइटोरेक, कैफ जैसे सबसे लोकप्रिय फ्रेमवर्क में से कुछ का समर्थन करता है और मॉडलिंग में तेजी लाने में मदद करने के लिए एनवीडिया से नवीनतम जीपीयू पर एक गहन शिक्षण एल्गोरिदम को तैनात कर सकता है।
फैसला:
हमारे दृष्टिकोण में, Google क्लाउड समाधान वह है जो सबसे अधिक अनुशंसित है। Google क्लाउड समाधान डेटा संग्रहण और मशीन लर्निंग समाधान के लिए कम से कम 30% AWS प्रदान करता है। Google AI को लोकतांत्रिक बनाने के लिए एक उत्कृष्ट कार्य कर रहा है। इसने एक ओपन सोर्स लैंग्वेज विकसित की है, TensorFlow, अनुकूलित डेटा वेयरहाउस कनेक्शन, डेटा विज़ुअलाइज़ेशन, मशीन विश्लेषण से मशीन सीखने के लिए जबरदस्त उपकरण प्रदान करता है। इसके अलावा, Google कंसोल एर्गोनोमिक और एडब्ल्यूएस या विंडोज की तुलना में अधिक व्यापक है।