Το TensorFlow είναι ένα πλαίσιο μηχανικής μάθησης ανοικτού κώδικα, που αναπτύχθηκε από τη Google και κυκλοφόρησε το 2015. Χρησιμοποιείται για τη δημιουργία, την εκπαίδευση και την ανάπτυξη νευρωνικών δικτύων σε εφαρμογές, σε διακομιστές ή σε κινητές συσκευές. Το Keras παρέχει μια εύχρηστη διεπαφή υψηλού επιπέδου· τυπικές χρήσεις είναι η ταξινόμηση εικόνων, οι προβλέψεις και τα συστήματα συστάσεων.
Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.
Έναρξη επίδειξηςΤο Keras είναι μια βιβλιοθήκη ανοικτού κώδικα σε Python για τη δημιουργία και την εκπαίδευση νευρωνικών δικτύων, που αναπτύχθηκε αρχικά από τον François Chollet. Προσφέρει μια προσβάσιμη διεπαφή υψηλού επιπέδου για τη σύνθεση μοντέλων από στρώματα. Από την έκδοση 3 και μετά, το Keras μπορεί να εκτελείται με JAX, TensorFlow ή PyTorch ως υπολογιστικό υπόβαθρο. Παράδειγμα: μια ομάδα φτιάχνει ένα πρωτότυπο μοντέλο ταξινόμησης εικόνων με λίγες μόνο γραμμές κώδικα.
Το PyTorch είναι ένα πλαίσιο ανοικτού κώδικα για μηχανική μάθηση και βαθιά μάθηση στη γλώσσα προγραμματισμού Python. Αναπτύχθηκε αρχικά στη Meta (τότε Facebook) και από το 2022 βρίσκεται υπό την επίβλεψη του PyTorch Foundation, στο πλαίσιο του Linux Foundation. Το PyTorch χρησιμοποιείται ευρέως στην έρευνα και στη βιομηχανία, επειδή επιτρέπει στους προγραμματιστές να δημιουργούν μοντέλα με ευελιξία, να τα εκπαιδεύουν σε GPU και να τα δοκιμάζουν βήμα προς βήμα· πολλά γνωστά γλωσσικά μοντέλα και μοντέλα εικόνας δημιουργούνται με αυτό.
Η βαθιά μάθηση (deep learning) είναι ένας κλάδος της μηχανικής μάθησης που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα με πολλά στρώματα. Τέτοια δίκτυα μαθαίνουν από μεγάλους όγκους δεδομένων ποια χαρακτηριστικά έχουν σημασία – από τις ακμές σε εικόνες έως τις σχέσεις νοήματος σε κείμενα. Η βαθιά μάθηση στηρίζει τα σημερινά γλωσσικά μοντέλα, την αναγνώριση εικόνας και ομιλίας και τη μηχανική μετάφραση, και συνήθως απαιτεί σημαντική υπολογιστική ισχύ και δεδομένα εκπαίδευσης.
Τα τεχνητά νευρωνικά δίκτυα (artificial neural networks, ANN) είναι υπολογιστικά μοντέλα που αποτελούνται από πολλές συνδεδεμένες μονάδες («νευρώνες») οργανωμένες σε στρώματα, οι οποίες επεξεργάζονται εισόδους μέσω σταθμισμένων συνδέσεων. Κατά την εκπαίδευση, τα βάρη προσαρμόζονται βήμα προς βήμα με τη βοήθεια παραδειγμάτων, συνήθως με οπισθοδιάδοση (backpropagation). Τα ANN αποτελούν το θεμέλιο της βαθιάς μάθησης και τροφοδοτούν την αναγνώριση εικόνας, την αναγνώριση ομιλίας και τα μεγάλα γλωσσικά μοντέλα. Παρά τη βιολογική τους έμπνευση, λειτουργούν πολύ απλούστερα από τον ανθρώπινο εγκέφαλο.
