机器/深度学习Weld-Project、Snorkel、Screenshot-to-code-in-Keras介绍

以下为你介绍的机器学习/深度学习软件都可用在Linux系统上:Weld-Project(用于数据分析应用程序的高性能运行时)、Snorkel(快速创建训练数据的系统)、Screenshot-to-code-in-Keras(将设计稿自动转换为代码的神经网络)。

1、Weld-Project(用于数据分析应用程序的高性能运行时)

机器/深度学习Weld-Project、Snorkel、Screenshot-to-code-in-Keras介绍

以上是当前的性能指标图。

Weld 使用 Rust 语言编写,可以使用 LLVM 编译器框架,为整个数据分析工作流生成高效的并行运行的代码。CSAIL 曾开发出了几个将速度推向极限的大数据加速项目,比如 Milk 和 Tapir。

这个小组声称 Weld 是一种面向数据分析的通用运行时环境,它拿来现代数据处理堆栈几个分离的部分后,可以步调一致地优化它们。每一个部分快速运行,但是“跨不同功能的数据移动可能占了执行时间的大部分。”

换句话说,管道花在将数据在各部分之间来回移动上的时间超过了花在实际处理数据上的时间。Weld 创建了一种每个库都可以接入的运行时环境,提供了一种通用方法,可以跨管道运行需要并行化和优化的关键数据。

诸多框架本身并不为运行时环境生成代码。相反,它们通过 API 来调用 Weld,该 API 描述了处理哪种类型的工作。然后,Weld 使用 LLVM 生成可自动包括优化机制(比如多线程处理)或面向高速向量运算的英特尔 AV2 处理器扩展的代码。

构建Weld:

如果系统已经安装LLVM和Rust,您就可以构建Weld,克隆此存储库,设置WELD_HOME环境变量,然后使用cargo进行构建:

git clone https://www.github.com/weld-project/weld

cd weld/

export WELD_HOME=`pwd`

cargo build --release

Weld构建两个动态链接的库(Linux上的.so文件和Mac上的.dylib文件):libweld和libweldrt。

最后,运行单元和集成测试:

cargo test

下载地址:https://github.com/weld-project/weld

2、Snorkel(快速创建训练数据的系统)

机器/深度学习Weld-Project、Snorkel、Screenshot-to-code-in-Keras介绍

Snorkel 是一种快速创建、建模和管理训练数据的系统,目前主要聚焦在加速开发结构化或“黑暗”数据提取的应用程序,该应用程序适用于大规模标注训练集不切实际或不容易获取的领域。

Snorkel 基于新的数据编程(data programming)模式,开发人员专注于编写一组标记函数(labeling functions),这些函数只是以编程方式标记数据的脚本。由此产生的标签是杂乱的,但 Snorkel 可自动建模这个过程进行学习,本质上,标签函数比其他的更精确,然后用它来训练最终模型(例如,TensorFlow 中的深度神经网络)。

安装:

要安装Snorkel,我们建议使用pip:

pip install snorkel

或conda:

conda install snorkel -c conda-forge

下载地址:https://gitee.com/mirrors/Snorkel

3、Screenshot-to-code-in-Keras(将设计稿自动转换为代码的神经网络)

目前,自动化前端开发的最大阻碍是计算能力。但已有人使用目前的深度学习算法以及合成训练数据,来探索人工智能自动构建前端的方法。

Screenshot-to-code-in-Keras 是  Emil Wallner 实现的一个可根据设计草图生成基本 HTML 和 CSS 网站的神经网络。以下是该过程的简要概述:

1)给训练好的神经网络提供设计图像

机器/深度学习Weld-Project、Snorkel、Screenshot-to-code-in-Keras介绍

2)神经网络将图片转化为 HTML 标记语言

机器/深度学习Weld-Project、Snorkel、Screenshot-to-code-in-Keras介绍

3)渲染输出

机器/深度学习Weld-Project、Snorkel、Screenshot-to-code-in-Keras介绍

Emil Wallner 分三步从易到难构建三个不同的模型:

1]、首先,构建最简单的版本来掌握移动部件。

2]、然后,专注于自动化所有步骤,并简要解释神经网络层。

3]、最后,创建一个模型来思考和探索 LSTM 层。

下载地址:https://github.com/emilwallner/Screenshot-to-code

注明

以上就是机器/深度学习Weld-Project、Snorkel、Screenshot-to-code-in-Keras的介绍内容,这些机器学习/深度学习软件都能使用在Linux操作系统中。

栏目相关文章