TensorFlow مقابل Theano مقابل Torمقارنة بين مكتبة التعلم العميق ch ومكتبة Keras

تزداد شعبية الذكاء الاصطناعي منذ عام 2016، حيث تستخدم 20% من الشركات الكبرى الذكاء الاصطناعي في أعمالها (ماكينزي) تقرير، 2018). ووفقًا للتقرير نفسه، يمكن للذكاء الاصطناعي أن يخلق قيمة كبيرة عبر الصناعات. في مجال الخدمات المصرفية، على سبيل المثال، تقدر إمكانات الذكاء الاصطناعي بـ $300 مليار، في تجارة التجزئة يرتفع الرقم إلى $600 مليار دولار.

ولإطلاق العنان للقيمة المحتملة للذكاء الاصطناعي، يجب على الشركات اختيار إطار التعلم العميق المناسب. ستتعرف في هذا البرنامج التعليمي على المكتبات المختلفة المتاحة لتنفيذ مهام التعلم العميق. كانت بعض المكتبات موجودة منذ سنوات بينما ظهرت مكتبة جديدة مثل TensorFlow في السنوات الأخيرة.

8 أفضل مكتبات/أطر عمل للتعلم العميق

في هذه القائمة، سنقارن بين أفضل أطر التعلم العميق. جميعها مفتوحة المصدر وشائعة في مجتمع علماء البيانات. وسنقارن أيضًا بين موفري خدمة التعلم العميق المشهورين

Torch

Torch هي مكتبة قديمة مفتوحة المصدر للتعلم الآلي. صدرت لأول مرة منذ 15 عامًا. لغة البرمجة الأساسية لها هي Lua، ولكن يوجد لها تطبيق بلغة C. بالمقارنة مع PyTorبالمقارنة مع TensorFlow، يدعم هذا النظام مكتبة واسعة لخوارزميات التعلم الآلي، بما في ذلك التعلم العميق. كما يدعم تطبيق CUDA للحوسبة المتوازية.

Torتستخدم معظم المختبرات الرائدة مثل فيسبوك أداة التعلم العميق ch Googleتويتر، إنفيديا، وما إلى ذلك. Torيحتوي ch على مكتبة في Python أسماء بيترش.

استنتج.نت

تم تطوير Infer.net وصيانته بواسطة Microsoft. Infer.net هي مكتبة تركز بشكل أساسي على الإحصاء البايزي. Infer.net هي أداة تصور للتعلم العميق مصممة لتزويد الممارسين بأحدث الخوارزميات للنمذجة الاحتمالية. تحتوي المكتبة على ادوات تحليلية مثل التحليل البايزي، وسلسلة ماركوف المخفية، والتجميع.

Keras

كيراس هو Python إطار للتعلم العميق. إنها مكتبة ملائمة لبناء أي خوارزمية تعلم عميقة. ميزة Keras هي أنه يستخدم نفس الشيء Python كود لتشغيله على وحدة المعالجة المركزية أو GPU. علاوة على ذلك، فإن بيئة البرمجة نقية وتسمح بتدريب أحدث الخوارزميات لرؤية الكمبيوتر والتعرف على النص وغيرها.

تم تطوير Keras بواسطة فرانسوا شوليه، وهو باحث في Googleتُستخدم Keras في منظمات بارزة مثل CERN وYelp وSquare أو Google, Netflixو Uber.

Theano

Theano هي مكتبة تعلم عميق طورتها جامعة مونتريال في عام 2007. عند مقارنة Theano بـ TensorFlow، نجد أنها توفر حسابًا سريعًا ويمكن تشغيلها على كل من وحدة المعالجة المركزية ووحدة معالجة الرسومات. تم تطوير Theano لتدريب خوارزميات الشبكة العصبية العميقة.

Microsoft مجموعة الأدوات المعرفية (CNTK)

Microsoft مجموعة الأدوات، المعروفة سابقًا باسم CNTK، هي مكتبة للتعلم العميق تم تطويرها بواسطة Microsoft. وفق Microsoft، المكتبة من بين الأسرع في السوق. Microsoft مجموعة الأدوات هي مكتبة مفتوحة المصدر Microsoft يستخدمه على نطاق واسع لمنتجاته مثل SkypeوCortana وBing وXbox. تتوفر مجموعة الأدوات في كل من Python و C++.

MXNet

MXnet هي مكتبة حديثة للتعلم العميق. يمكن الوصول إليه من خلال لغات برمجة متعددة بما في ذلك C++، جوليا، Python ويمكن تكوين MXNet للعمل على كل من وحدة المعالجة المركزية ووحدة معالجة الرسومات. يتضمن MXNet بنية تعلم عميق متطورة مثل الشبكة العصبية التلافيفية والذاكرة القصيرة المدى الطويلة. تم تصميم MXNet للعمل في harmony مع البنية التحتية السحابية الديناميكية. المستخدم الرئيسي لـ MXNet هو Amazon

قهوة

Caffe هي مكتبة بناها Yangqing Jia عندما كان طالب دكتوراه في بيركلي. مقارنة Caffe و TensorFlow، تمت كتابة Caffe C++ ويمكنه إجراء العمليات الحسابية على كل من وحدة المعالجة المركزية ووحدة معالجة الرسومات. الاستخدامات الأساسية لـ Caffe هي الشبكة العصبية التلافيفية. على الرغم من ذلك، في عام 2017، وسعت Facebook Caffe بهندسة تعلم أعمق، بما في ذلك الشبكة العصبية المتكررة. يستخدم Caffe من قبل الأكاديميين والشركات الناشئة ولكن أيضًا بعض الشركات الكبيرة مثل Yahoo!.

TensorFlow

TensorFlow هو Google مشروع مفتوح المصدر. تُعدّ TensorFlow أشهر مكتبة للتعلم العميق في الوقت الحالي. وقد أُطلقت للجمهور في أواخر عام 2015.

تم تطوير TensorFlow في C++ ومريحة Python واجهة برمجة التطبيقات (API)، بالرغم من ذلك C++ تتوفر واجهات برمجة التطبيقات (APIs) أيضاً. شركات بارزة مثل إيرباص، Google, IBM وما إلى ذلك يستخدمون TensorFlow لإنتاج خوارزميات التعلم العميق.

مقارنة بين TensorFlow و Theano Torمقارنة بين ch و Keras و infer.net و CNTK و MXNet و Caffe: الاختلافات الرئيسية

المكتبة	المنظومة	كتبت في	دعم Cuda	التنفيذ الموازي	لديها نماذج مدربة	RNN	سي ان ان
Torch	لينكس، macOS, Windows	لوا	نعم	نعم	نعم	نعم	نعم
استنتج.نت	لينكس، macOS, Windows	البصرية ستوديو	لا	لا	لا	لا	لا
Keras	لينكس، macOS, Windows	Python	نعم	نعم	نعم	نعم	نعم
Theano	عبر منصة	Python	نعم	نعم	نعم	نعم	نعم
TensorFlow	لينكس، macOS, Windows, Android	C++, Pythonكودا	نعم	نعم	نعم	نعم	نعم
مجموعة أدوات مايكروسوفت المعرفية	لينكس، Windows، ماك مع عامل الميناء	C++	نعم	نعم	نعم	نعم	نعم
قهوة	لينكس، macOS, Windows	C++	نعم	نعم	نعم	نعم	نعم
MXNet	لينكس، Windows, macOS, Android، IOS، Javascript	C++	نعم	نعم	نعم	نعم	نعم

حكم

TensorFlow هي أفضل مكتبة على الإطلاق لأنها مصممة لتكون في متناول الجميع. تتضمن مكتبة Tensorflow واجهات برمجة تطبيقات مختلفة لبناء بنية التعلم العميق على نطاق واسع مثل CNN أو RNN. يعتمد TensorFlow على حساب الرسم البياني، ويسمح للمطور بتصور بناء الشبكة العصبية باستخدام تينسورباد. هذه الأداة مفيدة لتصحيح أخطاء البرنامج. وأخيرًا، تم تصميم Tensorflow ليتم نشره على نطاق واسع. فهو يعمل على وحدة المعالجة المركزية ووحدة معالجة الرسومات.

Tensorflow فيtracتحظى هذه المكتبة بأكبر شعبية على منصة GitHub مقارنة بمكتبات التعلم العميق الأخرى.

مقارنة التعلم الآلي كخدمة

فيما يلي أربعة من مقدمي خدمات DL المشهورين

Google Cloud ML

Google يوفر هذا الحل للمطورين نماذج مدربة مسبقًا متوفرة في Cloud AutoML. وهو مصمم خصيصًا للمطورين الذين لا يملكون خبرة واسعة في هذا المجال. آلة التعلميمكن للمطورين استخدام أحدث التقنيات Googleيستخدم هذا النموذج المدرب مسبقًا على بياناتهم. ويتيح ذلك لأي مطور تدريب وتقييم أي نموذج في غضون دقائق معدودة.

Google يوفر حاليًا واجهة برمجة تطبيقات REST للرؤية الحاسوبية، والتعرف على الكلام، والترجمة، ومعالجة اللغة الطبيعية.

باستخدام Google Cloud، يمكنك تدريب إطار عمل التعلم الآلي المبني على TensorFlow أو Scikit-learn أو XGBoost أو Keras. Google Cloud سيقوم التعلم الآلي بتدريب النماذج عبر السحابة الخاصة به.

ميزة الاستخدام Google تُسهّل الحوسبة السحابية نشر تطبيقات التعلّم الآلي في بيئات الإنتاج، إذ لا حاجة لإعداد حاويات Docker. كما تتولى السحابة إدارة البنية التحتية، وتُدير الموارد بكفاءة عالية من خلال تخصيص وحدات المعالجة المركزية ووحدات معالجة الرسومات ووحدات معالجة Tensor، مما يُسرّع عملية التدريب بفضل الحوسبة المتوازية.

أوس سيج ميكر

منافس كبير ل Google Cloud is Amazon سحابة، AWS. Amazon وقد وضعت Amazon يسمح SageMaker لعلماء البيانات والمطورين ببناء أي نماذج للتعلم الآلي وتدريبها وإدخالها في الإنتاج.
يتوفر SageMaker في ملف Jupyter Notebook ويتضمن مكتبة التعلم الآلي الأكثر استخدامًا، TensorFlow، MXNet، Scikit-learn وغيرها. يتم تشغيل البرامج المكتوبة باستخدام SageMaker تلقائيًا في حاويات Docker. Amazon يتعامل مع تخصيص الموارد لتحسين التدريب والنشر.

Amazon يوفر API للمطورين من أجل إضافة الذكاء إلى تطبيقاتهم. في بعض الأحيان، ليست هناك حاجة إلى إعادة اختراع العجلة من خلال إنشاء نماذج جديدة من الصفر بينما توجد نماذج قوية تم تدريبها مسبقًا في السحابة. Amazon يوفر خدمات واجهة برمجة التطبيقات (API) للرؤية الحاسوبية وبرمجيات الدردشة التفاعلية وخدمات اللغة:

واجهات برمجة التطبيقات الثلاثة الرئيسية المتاحة هي:

• Amazon الاعتراف: يوفر التعرف على الصور والفيديو إلى التطبيق
• Amazon فهم: قم بإجراء التنقيب عن النص ومعالجة اللغة العصبية، على سبيل المثال، لأتمتة عملية التحقق من شرعية المستند المالي
• Amazon ليكس: إضافة روبوت المحادثة إلى التطبيق

Azure استوديو التعلم الآلي

من المحتمل أن يكون أحد الأساليب الأكثر ودية للتعلم الآلي هو Azure استوديو التعلم الآلي. الميزة الكبيرة لهذا الحل هي أنه لا يتطلب معرفة مسبقة بالبرمجة.

Microsoft Azure Machine Learning Studio هي أداة تعاونية تعتمد على السحب والإفلات لإنشاء حلول التعلم الآلي وتدريبها وتقييمها ونشرها. يمكن نشر النموذج بكفاءة كخدمات ويب واستخدامه في العديد من التطبيقات مثل Excel.

Azure تتميز واجهة التعلم الآلي بأنها تفاعلية، مما يسمح للمستخدم ببناء نموذج بمجرد السحب والإفلاتping العناصر بسرعة.

عندما يكون النموذج جاهزًا، يمكن للمطور حفظه ودفعه إليه Azure معرض الصور or Azure السوق.

Azure يمكن دمج التعلم الآلي في R أو Python الحزمة المدمجة المخصصة الخاصة بهم.

IBM Watson ML

يمكن لبرنامج Watson Studio تبسيط مشاريع البيانات من خلال عملية مبسطة تسمح بـtracيُتيح Watson Studio استخلاص القيمة والرؤى من البيانات لمساعدة الشركات على التطور بشكل أسرع وأكثر ذكاءً. يوفر بيئة سهلة الاستخدام للتعاون في مجال علوم البيانات والتعلم الآلي، لبناء النماذج وتدريبها، وإعداد البيانات وتحليلها، ومشاركة الرؤى، كل ذلك في مكان واحد. يتميز Watson Studio بسهولة استخدامه بفضل خاصية السحب والإفلات.

يدعم Watson studio بعض أطر العمل الأكثر شيوعًا مثل Tensorflow، وKeras، وPytorch، وCaffe ويمكنه نشر خوارزمية التعلم العميق على أحدث وحدات معالجة الرسومات من Nvidia للمساعدة في تسريع عملية النمذجة.

حكم

من وجهة نظرنا، Google يُعدّ الحل السحابي هو الحل الأكثر توصية. Google يوفر الحل السحابي أسعارًا أقل من AWS بنسبة 30% على الأقل لتخزين البيانات وحلول التعلم الآلي. Google تبذل جهوداً ممتازة لإضفاء الطابع الديمقراطي على الذكاء الاصطناعي. وقد طورت لغة مفتوحة المصدر، TensorFlow، مُحسَّنة مستودع البيانات يوفر الاتصال أدوات هائلة بدءًا من تصور البيانات وتحليلها وصولًا إلى التعلم الآلي. بالإضافة إلى ذلك، Google تتميز وحدة التحكم بتصميم مريح وشمولية أكبر بكثير من AWS أو Windows.