„Keras“ yra atvirojo kodo „Python“ biblioteka neuroniniams tinklams kurti ir mokyti, iš pradžių sukurta François Chollet. Ji siūlo patogią aukšto lygio sąsają modeliams iš sluoksnių surinkti. Nuo 3 versijos „Keras“ gali veikti su „JAX“, „TensorFlow“ ar „PyTorch“ kaip skaičiavimo pagrindu. Pavyzdys: komanda vos keliomis kodo eilutėmis sukuria vaizdų klasifikavimo modelio prototipą.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąTensorFlow – atvirojo kodo mašininio mokymosi karkasas, sukurtas Google ir išleistas 2015 m. Jis naudojamas neuroniniams tinklams kurti, mokyti ir diegti programose, serveriuose ar mobiliuosiuose įrenginiuose. Keras suteikia patogią aukšto lygio sąsają; tipiniai taikymai: vaizdų klasifikavimas, prognozavimas ir rekomendacijų sistemos.
PyTorch – atvirojo kodo mašininio ir giliojo mokymosi karkasas Python programavimo kalbai. Iš pradžių jį sukūrė Meta (tuomet Facebook), o nuo 2022 m. jį prižiūri Linux Foundation priklausantis PyTorch Foundation. PyTorch plačiai naudojamas moksle ir pramonėje, nes leidžia kūrėjams lanksčiai kurti modelius, mokyti juos GPU ir išbandyti žingsnis po žingsnio; juo sukurta daug žinomų kalbos ir vaizdų modelių.
Giluminis mokymasis yra mašininio mokymosi šaka, naudojanti dirbtinius neuroninius tinklus su daugybe sluoksnių. Tokie tinklai iš didelių duomenų kiekių mokosi, kurie požymiai svarbūs – nuo vaizdų kontūrų iki prasminių ryšių tekstuose. Giluminis mokymasis yra šiandienos kalbos modelių, vaizdų ir kalbos atpažinimo bei mašininio vertimo pagrindas, ir paprastai reikalauja daug skaičiavimo galios bei mokymo duomenų.
Dirbtiniai neuroniniai tinklai (DNT) – tai skaičiavimo modeliai, sudaryti iš daugelio sujungtų sluoksniais išdėstytų vienetų („neuronų“), kurie apdoroja įvestį per svertinius ryšius. Mokymo metu svoriai žingsnis po žingsnio koreguojami pagal pavyzdžius, dažniausiai atgalinio sklidimo metodu. DNT yra giluminio mokymosi pagrindas ir veikia vaizdų atpažinimą, kalbos atpažinimą bei didelius kalbos modelius. Nepaisant biologinės įkvėpties, jie veikia daug paprasčiau nei žmogaus smegenys.
