4 Pythorch Lightning Community Computer Vision نمونه هایی برای الهام بخشیدن به پروژه بعدی شما!
4 Pythorch Lightning Community Computer Vision نمونه هایی برای الهام بخشیدن به پروژه بعدی شما!
TL؛ DR PyTorch Lightning توسط پروژه های اجتماعی بسیار شگفت انگیز برای انجام بیشتر با AI استفاده می شود. در این مجموعه من برخی از پروژه های مورد علاقه جامعه خود را که به من انگیزه می دهند بیشتر با هوش مصنوعی القا کنم ، پوشش می دهم.
PyTorch Lighting یک پوشش PyTorch سبک وزن برای تحقیقات AI با عملکرد بالا است. PyTorch Lightning با کاهش صفحه دیگ مهندسی و منابع مورد نیاز برای پیاده سازی هوش مصنوعی مدرن ، انعطاف پذیری واقعی را ارائه می دهد. سازماندهی کد PyTorch با Lightning ، آموزش یکپارچه را بر روی چند GPU ، TPU ، CPU و استفاده از بهترین شیوه های دشوار مانند خرد کردن مدل و حتی در دقت 16 بیت بدون تغییر کد شما امکان پذیر می کند.
همه راه هایی که رعد و برق می تواند کد PyTorch شما را به سطح بعدی برساند را بررسی کنید. 1 به زیرنویس تصویر پراکنده با ترانسفورماتور
این رپو جالب ارائه می دهد یک نمونه پیاده سازی از هر دو مدل LSTM Up-Down و Object Relation Transformer Image Captioning که با استفاده از Lighting PyTorch توسعه یافته اند. این بازپرداخت برخی از بهترین شیوه های هرس مدل بسیار جالب مانند هرس وزن بدون ساختار ، هرس با قدر تدریجی ، هرس یک بلیط بلیط بخت آزمایی و هرس شبکه ای (SNIP) را ارائه می دهد.
2. چالش مرحله رشد گندم Zindi CGIAR راه حل اول
تصویر- بیمه مبتنی بر (PBI) که در آن تصاویر دوربین تلفن های هوشمند ثبت رشد محصول و ثبت هرگونه خسارت وارده بر پرداخت بیمه را برای کشاورزان مقیاس کوچک در سراسر جهان بیمه می کند. PBI به بیمه گذاران این امکان را می دهد تا رشد محصول را بررسی و نظارت کنند ، اما می تواند حجم زیادی از داده ها را هنگامی که تصاویر از هزاران کشاورز پخش می شود ، تولید کند.
چالش رشد گندم Zindi CGIAR تخمین مرحله رشد گندم است. محصول بر اساس تصاویر کشاورزان در مقیاس 1 (محصول تازه نشان داده شده) تا 7 (محصول بالغ). راه حل برنده توسط Yauhen Babakhin با PyTorch Lightning توسعه یافته است.
3. Magic Leap ATLAS: بازسازی صحنه 3D به صورت پایان به انتها از تصاویر موضوعی
< /img> اطلس یک مدل یادگیری عمیق است که توسط MagicLeap توسعه یافته است و یک صحنه سه بعدی را از تصاویر تک چشمی دو بعدی بازسازی می کند. اطلس در بالای PyTorch Lightning توسعه داده شد و امکان ثبت بیشتر و آموزش مدل ها را فراهم کرد.
4 ارائه می دهیم. تحقیقات فیس بوک پیش بینی کووید
در سال گذشته ویروس COVID19 جهان ما را واژگون کرده است گسترش سریع موارد COVID-19 منابع بیمارستانی را تحت فشار قرار داده و انجام سریع و دقیق بیماران مراجعه کننده به بخش های اورژانس را ضروری می کند. از داده های بالینی مانند اشعه ایکس قفسه سینه می توان برای پیش بینی اینکه چه بیمارانی بیشتر در معرض وخامت هستند استفاده کرد.
این کار مبتنی بر PyTorch Lightning توسط Facebook Research یک معماری جدید مبتنی بر ترانسفورماتور را معرفی می کند که می تواند توالی ها را پردازش کند. از چندین تصویر برای پیش بینی و نشان می دهد که این مدل می تواند AUC 0.786 را برای پیش بینی عوارض جانبی در ساعت 96 و AUC 0.848 را برای پیش بینی مرگ و میر در 96 ساعت به دست آورد.
در اختیار شما قرار گرفته است ، چهار پروژه کامپیوتری چشم انداز عالی PyTorch Lightning که باید از آنها الهام بگیرید. اگر احساس می کنید نظرات جالب پروژه Pythorch Lightning Community Computer Vision زیر را از دست داده ام و آن را بررسی می کنم!
مراحل بعدی
تا زمانی که می خواهید اینجا باشید آموزش PyTorch Lightning خود را از لپ تاپ خود به سیستم ابری تغییر دهید بدون تغییر یک خط کد ، حتماً grid.ai را که در حال حاضر در دسترسی اولیه است بررسی کنید. در پیوند زیر می توانید برای لیست انتظار ثبت نام کنید.
ما همچنین همیشه به دنبال افراد با استعداد بیشتری برای پیوستن به تیم رعد و برق هستیم. بهترین راه برای جلب توجه این است که با رزومه خود به ایمیل Careers@grid.ai ارسال کنید! .png ">
درباره نویسنده
آرون (آری) برنستاین یک محقق هوش مصنوعی است که علاقه زیادی به تاریخ دارد و با فناوری های جدید و طب محاسباتی درگیر است. او به عنوان رئیس حمایت از توسعه دهندگان در Grid.ai ، با انجمن یادگیری ماشین همکاری می کند تا مشکلات دنیای واقعی را با فن آوری های تغییر بازی حل کند که سپس مستند ، منبع باز و با بقیه جهان به اشتراک گذاشته می شود.
