Darknet Afzalliklari: Oddiy. Tez. Qulay. Kamchiliklari: Katta loyihalar uchun tavsiya etilmaydi. Noto'g'ri hujjatlar. Darknet ramkasidan foydalanadigan loyihalar: YOLOv3 - bu real vaqtda ob'ektni aniqlash uchun neyron tarmoq. Tiny-YOLO 3 - bu ob'ektni aniqlash uchun ixcham neyron tarmoq. - XGBoost - bu C ++, Java, Python, R, Julia uchun gradientni kuchaytirish tizimini taklif qiluvchi ochiq manbali fremwork. U yuqori ishlash, moslashuvchanlik va portativlik uchun mo'ljallangan.
- Ushbu freymwork yuqoridagi kabi chuqur o'rganishga emas, balki klassikaga tegishli.
- Dastlab Tianji Chen va Karlos Gestrin tomonidan Distributed [Deep] Machine Learning Community jamoasining bir qismi sifatida olib borilgan tadqiqot loyihasi bo'lgan, ammo keyinchalik kengaytirilgan va 2016 yilgi SIGKDD konferentsiyasida jamoatchilikka taqdim etilgan bo'lib, u shov-shuvga sabab bo'lgan.
- Uning taqdimotidan so'ng, ramka Kaggle tanlovida etakchi o'rinni egalladi va hali ham platformadagi vazifalarning aksariyatini hal qilish uchun favorit hisoblanadi.
- XGBoost hisoblash tezligi va modelning ishlashiga e'tibor beradi va regressiya, tasniflash va buyurtma berish muammolarini hal qilish uchun javob beradi. Agar ma'lumotlar jadval shaklida taqdim etilishi mumkin bo'lsa, unda aniqlik va ishlash DeepLearning echimlariga qaraganda ancha yuqori bo'ladi. Data Scientists-ning sevimli vositasi.
- Ushbu ramka Windows, Linux va OS X operatsion tizimlariga mos keladi, shuningdek AWS, Azure va Yarn klasterlarini qo'llab-quvvatlaydi, Flink, Spark bilan yaxshi ishlaydi.
- Afzalliklari:
- Qaror daraxtlari modellarini o'qitish uchun juda tez va qulay vosita.
- Aniq.
- Gipotezani tekshirish uchun juda yaxshi.
- Kamchiliklari:
- Yuqori darajada ixtisoslashgan.
- TensorFlow ko'p qatlamli neyron tarmoqlarini yaratish kabi ilg'or loyihalar uchun yaxshi. U nutqni, yuzlarni, narsalarni va tasvirlarni tanib olish, shuningdek matn bilan ishlash uchun ishlatilishi mumkin.
- PyTorch sizga tez va samarali modellarni tayyorlash kerak bo'lganda mos keladi. Tadqiqotlarda, shuningdek, havaskorlar va kichik loyihalarda tezkor prototiplarni yaratish uchun qulay.
- Keras tez prototiplash uchun javob beradi. Tarjima, rasm va nutqni tanib olish bilan bog'liq holatlarda yaxshi.
- Darknet kichik loyihalar uchun javob beradi. Aniqlash vazifalari uchun yaxshi ishlaydi.
- XGBoost regressiya, tasniflash, ketma-ketlik va maxsus bashorat qilish masalalari uchun ishlatilishi mumkin.
Do'stlaringiz bilan baham: |
