Glosārijs

BMXNet

Kas ir BMXNet?

BMXNet ir atvērtā pirmkoda bibliotēka binārajiem neironu tīkliem, ko 2017. gadā izlaida Hasso Plattner Institute Potsdamā un kas veidota uz Apache MXNet ietvara. Binārie tīkli glabā svarus un aktivācijas ar vienu bitu 32 bitu vietā, padarot modeļus daudz mazākus un ātrākus – tas ir pievilcīgi viedtālruņiem un iegultajām ierīcēm, lai gan parasti uz zināmas precizitātes rēķina. Kopš MXNet darbība tika izbeigta 2023. gadā, BMXNet tagad galvenokārt ir pētniecības interesē (stāvoklis uz 2026. gada oktobri).

Tēmas

Dziļā mācīšanās
Malas MI
Pētniecība

Izmēģiniet KI.ordo

Aģenti, plūsmas un veidnes vienā darbvietā – bezmaksas 24 stundu demo.

Sākt demo

← Visi termini

Saistītie termini

MXNet

Apache MXNet bija atvērtā pirmkoda dziļās mācīšanās ietvars, kas varēja efektīvi apmācīt modeļus vairākos GPU un datoros, ar saskarnēm Python, C++, R, Scala un citām valodām. Amazon Web Services vairākus gadus to atbalstīja kā savu vēlamo ietvaru. Apache Software Foundation projektu slēdza 2023. gada septembrī un līdz 2024. gada februārim pārvietoja uz Apache Attic; tas vairs netiek attīstīts. Esošos modeļus parasti pārnes uz citiem ietvariem.

ietvars
dziļā mācīšanās
+1

Mākslīgie neironu tīkli (ANN)

Mākslīgie neironu tīkli (ANN) ir skaitļošanas modeļi, kas sastāv no daudzām savienotām vienībām („neironiem”), kuras sakārtotas slāņos un apstrādā ievaddatus ar svērtiem savienojumiem. Apmācības laikā svari tiek soli pa solim pielāgoti ar piemēriem, parasti ar atpakaļizplatīšanos (backpropagation). ANN ir dziļās mācīšanās pamats, un uz tiem balstās attēlu atpazīšana, runas atpazīšana un lielie valodas modeļi. Neraugoties uz bioloģisko iedvesmu, tie darbojas daudz vienkāršāk nekā cilvēka smadzenes.

Dziļā mācīšanās
MI pamati
+1

Dziļā mācīšanās

Dziļā mācīšanās ir mašīnmācīšanās nozare, kas izmanto mākslīgos neironu tīklus ar daudziem slāņiem. Šādi tīkli no lieliem datu apjomiem paši apgūst, kuras pazīmes ir svarīgas — no attēlu malām līdz nozīmes sakariem tekstos. Dziļā mācīšanās ir mūsdienu valodas modeļu, attēlu un runas atpazīšanas un mašīntulkošanas pamatā, un tai parasti nepieciešama ievērojama skaitļošanas jauda un daudz apmācības datu.

neironu tīkli
mašīnmācīšanās
+1