يهدف التعلم العميق، وهو الموضوع الأكثر شيوعًا في الآونة الأخيرة، إلى إنتاج طرق يمكنها إنتاج التعلم والتنبؤ دون إعداد بيانات التدريب. وهو في الواقع نسخة معدلة من اسم الشبكات العصبية الاصطناعية. كانت المشكلة الأكبر في الشبكات العصبية الاصطناعية هي أنها كانت بطيئة في حل المشاكل المعقدة. خاصة مع ظهور البرمجة المتوازية ووحدات معالجة الرسوميات، عادت هذه المشكلة إلى الواجهة مرة أخرى وأخذت مكانها في الأدبيات.
تعلم عميق
تينسورفلو
تينسورفلو، إنها المكتبة التي تتبادر إلى الذهن عندما يتعلق الأمر بـ بايثون والتعلم العميق، وقد تم تطويرها من قبل منظمة جوجل الذكاء الاصطناعي. وهي مكتبة توفر أداءً عاليًا للحسابات العددية. وبفضل بنيتها المرنة، يمكن تنفيذ العمليات الحسابية بسهولة في هياكل مختلفة مثل وحدات المعالجة المركزية ووحدات معالجة الرسومات ووحدات معالجة الرسومات ووحدات معالجة الرسوميات. وهي تحتوي على العديد من طبقات المساعدة مثل tf-learn و tf-slim و skflow وغيرها الكثير لحل المشاكل الصعبة مثل التعرف على الأشياء، والتعرف على الكلام، والتعرف على الوجوه وغيرها الكثير.
كيراس
صعب و تينسورفلو هي مكتبة عالية المستوى يمكن تشغيلها على مكتبات الشبكات العصبية مثل ثينو و سي ان تي كيه و مكس نت. وهي تركز على تمكين التجريب السريع. تم تطويرها مع الأخذ في الاعتبار أن "الحصول على النتائج بسرعة هو مفتاح البحث".
يتيح وضع نماذج أولية سريعة وسهلة.
يدعم كلاً من الشبكات التلافيفية والمتكررة أو كليهما.
يعمل بسلاسة على وحدة المعالجة المركزية ووحدة المعالجة المركزية.
ثيانو
ثينو، هي مكتبة تسمح بتعريف التعبيرات الرياضية وتحسينها وتقييمها بكفاءة (خاصةً تلك التي تتضمن مصفوفات متعددة الأبعاد). أهم ميزاتها الأساسية:
التكامل المحكم مع NumPy: استخدام numpy.ndarray في الدوال المترجمة من ثينو
استخدام وحدة معالجة الرسومات: تنفيذ أسرع 140 مرة من وحدة المعالجة المركزية للعمليات الحسابية المكثفة
اشتقاق فعال: اشتقاق دالة مع مدخل واحد أو أكثر من المدخلات
تحسينات السرعة والاستقرار: الحصول على الإجابة الصحيحة للوغاريتم (1+x) حتى عندما تكون x صغيرة جدًا.
توليد كود C الديناميكي: تقييم التعبيرات بشكل أسرع
اختبار الوحدة الشامل والتحقق الذاتي: الكشف عن العديد من أحداث الخطأ وتحديدها.
04.04. باي تورتش
باي تورش، وهو إطار عمل كبير يسمح لك بإجراء حسابات الموتر مع تسريع وحدة معالجة الرسوم البيانية، وإنشاء رسوم بيانية حسابية ديناميكية، وحساب التدرجات الحسابية تلقائيًا. كما أنها توفر مجموعة كبيرة من واجهات برمجة التطبيقات لحل المشاكل المتعلقة بالشبكات العصبية. تستند المكتبة علىالمشاعل، وهي مكتبة تعلم عميق مفتوحة المصدر منفذة بلغة ج في لغة Lua. تم تقديم واجهة برمجة تطبيقات بايثون في عام 2017 ومنذ ذلك الحين اكتسبت شعبية كبيرة.
ديست-كيراس
صعب الموزعة (صعب الموزعة) هي مكتبة تعلم عميق موزعة مبنية على قمة أباتشي سبارك و صعب لتقليل التدريب بشكل كبير باستخدام خوارزميات التعلم الآلي الموزعة. تم تصميم هذه المكتبة بحيث يمكن للمطور تنفيذ مُحسِّن جديد موزع بسهولة، مما يسمح للمطور بالتركيز على البحث وتطوير النماذج.
04.06. إليفا
إليفاس، وهو امتداد لـ صعب يسمح لنا بتشغيل نماذج التعلم العميق الموزعة مع شرارة. يدعم إليفاس التطبيقات التالية:
التدريب المتوازي لنماذج التعلم العميق
تحسين المعلمات الفائقة الموزعة
التدريب الموزع للنماذج المجمعة
خطوط أنابيب التعلم العميق لأباتشي سبارك
خطوط أنابيب التعلّم العميق، يوفر أباتشي سبارك واجهة برمجة تطبيقات للتعلّم العميق قابلة للتطوير في لغة بايثون. يوفر منطق شرارة و سبارك ملليب أساليب للتعلم العميق مع عدد قليل من الأسطر البرمجية. وبالمثل، توفر واجهة برمجة التطبيقات هذه بيئة سهلة الاستخدام للبايثون. يستخدم محرك شرارة الموزع القوي لتوسيع نطاق التعلم العميق على مجموعات البيانات الكبيرة.