Tensorflow-værktøj kan disponere selv med deep learning

Google Research har udsendt værktøjet Model Search som Open Source. Det er Google’s Hanna Mazzawi og Xavi Gonzalvo beskriver dette på blogindlæg. Der er tale om automatik modeller indenfor ML (Machine Learning-platform) beregnet på at udvikle deep learning-modeller. I de sidste år har vi udviklet TensorFlow applikationer. Desværre skriver programmet ikke selv det man tænker, men det er nogle gevaldige skrift i den rigtige retning. Derfor har mange da også

Model Search er implementeret med Googles Tensorflow-teknologi og sammensætter et såkaldt Deep State neuralt netværk, som indeholder flere neurale netværk med mange gemte lag eller LSTM-lag (Long Short-Term Memory).

De ubegrænsede muligheder består blandt andet i at det kan trænes og selv-evaluerer ved hjælp af modelsetup. Hver model består så igen af flere blokke. Søgealgoritmer kan vælge den mest effektive model og herefter muterer den, hvorved en ny model opstår. Med f.eks. 500.000 modeller er den bedste model er fundet. Dette har mange anvendelsesmuligheder indenfor forskning, tale, kommunikation og kan anvendes som API i f.eks. ordbøger, talebiblioteker, synonymer, beslutningsstøtte, jura, skattelovgivning m.v.

De foreløbige resultater og tests viser at systemet kan producere deep state modeller, der overgår de ypperste løsninger der er lavet af mennesker. Tillige har de færre færre trænings-iterationer og modelparametre. Google-teamet har angiveligt brugt Model Search til at oprette deep learning-systemer til talebehandling, der med kun 60 procent af parametrene overgår dagens bedst ydende modeller.

Tensorflow kan i øvrigt selv komponere, vælge, og modificere deep learning-modeller.

Hvilke virksomheder som benytter TensorFlow jf. Google:

Hvad er TensorFlow?

TensorFlow er en end-to-end open source-platform til maskinlæring. Det har et omfattende, fleksibelt økosystem af partnere, værktøjer, biblioteker og samfundsressourcer, der giver programmører, udviklere og forskere mulighed for at skubbe det nyeste indenfor ML, og udviklerne kan nemt bygge og implementere ML-drevne applikationer.

Det er således legende nemt, at bygge og træne ML-modeller nemt ved hjælp af intuitive api’er på højt niveau som Keras med hurtig udførelse, hvilket giver øjeblikkelig model iteration og nem fejlfinding. Det er nemt at træne og implementere modeller i skyen, i browseren eller på enheden, uanset hvilket sprog du bruger. En enkel og fleksibel arkitektur til at tage nye ideer fra koncept til kode, til state-of-the-art modeller, og til offentliggørelse hurtigere.

Hvad er Kera?

Keras er en deep learning API skrevet i Python, der kører på toppen af maskinlæringsplatformen TensorFlow. Det blev udviklet med fokus på at muliggøre hurtige eksperimenter.  At være i stand til at gå fra idé til resultat så hurtigt som muligt er nøglen til at gøre god forskning. Vi benytter Kera og Tensorflow til forskellige kunder hvor der bl.a. er udviklet:

• Billedgenkendelse (af objekter) til sortering og analyse
• Billedsortering (af ansigter, typer af påklædning)
• Alarmer for efterladte objekter f.eks. kuffert på offentligt og privat
• Alarmer for muligt tyveri vedr. adfærd der kigger efter kameraplaceringer
• Videoanalyse af objekter herunder personer der pludseligt ændrer adfærd eller bliver inaktive (akutindsats)
• Følelses detektering jf. Psykoanalytisk Analyse
• Bluring (Anonymisering) af personer til TV/Videobrug (KirkeVideo) jf. GDPR.
• OCR Godkendelse af Captcha på formularer
• Kvalitativ sortering af profiler på datingssites f.eks. jf. regelsæt om nøgenhed.
• Genkendelse i forhold til kommunale og statslige lokalplaner i forhold til entreprenører der søger en ny byggeret
• Genkendelser af objekter på Maps, Matrikelkort og Statens offentlige informationer
• Apps til placeringer og lokaliseringer af dræn kapaciteter
• Drone og Dronesværme analyse herunder godkendelser af nummerplader, objekter, personer (optælling), thermo og lidar beregninger

Kera og TensorFlow 2

TensorFlow 2 er en end-to-end, open source maskinlæringsplatform. Du kan tænke på det som et infrastrukturlag  til differentiable programmering. Det kombinerer disse fire nøgleevner:

1. Udfører effektivt tensorhandlinger på lavt niveau på CPU, GPU eller TPU.
2. Beregne forløbet af vilkårlige udtryk, der kan forskelsanderes.
3. Skalering beregning til mange enheder (f.eks topmødets supercomputer  på Oak Ridge National Lab, som spænder over 27.000 GPU’er).
4. Eksport af programmer (“grafer”) til eksternt brug.

Deep Learning on af Deeper level 🙂

Keras er Tensorflow 2’s API på højt niveau: en nemt tilgængelig, yderst produktiv grænseflade til løsning af maskinlæringsproblemer med fokus på moderne deep learning. Det giver vigtige abstraktioner og byggesten til udvikling og forsendelse af maskinlæringsløsninger med høj iterationshastighed.

Keras giver ingeniører og forskere mulighed for at drage fuld fordel af skalerbarheden og mulighederne på tværs af platforme i TensorFlow 2: Du kan køre Keras på TPU eller på store klynger af GPU’er, og du kan eksportere dine Keras-modeller til at køre i browseren eller på en mobilenhed.

Det er især til video analyse, videoovervågning og analyse af billeder at tensorflow er verdenskendt, men benyttes også til f.eks. til AI/ML løsninger indenfor lokale data der skal styr på, eller bigdata på Firebase, Azure eller AWS cloud løsninger.

Ring for mere information ring til os.