Wolfram открыла доступ к своему репозиторию нейронных сетей

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



На European Wolfram Technology Conference компания объявила, что открывает для публичного использования репозиторий нейросетей, созданных для различных задач — классификации, обработки изображений, распознавания речи и многих других. На момент написания материала в базе около 70 моделей, но Wolfram Neural Net Repository будет пополняться разработками как Wolfram Research, так и других компаний и команд.

Преимущества и недостатки

В базу включены и обученные, и необученные модели из разных источников: Caffe, Torch, MXNet, TensorFlow. Однако команда обратила внимание на несколько ключевых особенностей репозитория.

Это единый формат. Конечно, мы импортировали модели из PyTorch, Lua Torch, PaddlePaddle и многих других библиотек. Однако ценность репозитория в том, что нейросети хранятся там в едином формате.

Кроме того, преимущество в курировании. Мы собрали модели из непохожих друг на друга хранилищ и сделали их доступными для всех пользователей.

Однако все модели заточены под фреймворк для Wolfram Language, что может стать препятствием для тех, кому будет сложно выучить этот язык и адаптировать его для своей работы.

Тем не менее, по словам Свида Уайта (Swede White), ведущего специалиста по связям Wolfram, в рабочей среде Wolfram Notebook можно вызывать Python, Java или R, а затем продолжать работать с результатом на Wolfram Language, и наоборот, а также подключать различные API и внешние сервисы.

Чаще всего при работе с нейросетями и алгоритмами сложность заключается в объеме и разнородности данных. Для работы с технологиями компьютерного зрения Google представила AutoAugment, который путем отражения, обрезания или изменения цвета так изменяет исходные картинки, что получаются уникальные изображения. А крайний пример того, чем грозит отсутствие разнородных данных в тренировочных наборах, показала команда MIT — их нейросеть Norman на картинках из теста Роршаха распознает только сцены насилия и убийства.

Источник: ZDNet


Телеграм: t.me/ainewsline

Источник: tproger.ru

Комментарии: