Google lanzó recientemente Neural Structured Learning (NSL), un marco de aprendizaje automático de código abierto, que utiliza el método Neural Graph Learning para entrenar redes neuronales basadas en una serie de gráficos y diferentes datos estructurados.
En particular, NSL se desarrolló para ofrecer una gran compatibilidad con TensorFlow, una biblioteca de software de código abierto para el aprendizaje automático en muchos tipos de tareas de reconocimiento y comprensión de idiomas, y se diseñó específicamente para profesionales experimentados en aprendizaje automático. y los inexpertos pueden usarlo. Básicamente, NSL puede crear modelos de modelos para visión por computadora, implementar NLP y ejecutar predicciones a partir de conjuntos de datos gráficos, como registros médicos o gráficos. conocimiento (gráficos de conocimiento).
- Google lanza una actualización urgente para Chrome, los usuarios deben actualizar de inmediato
El aprendizaje estructurado neuronal es un marco de aprendizaje automático de código abierto
‘El uso de señales estructuradas específicas durante el entrenamiento permite a los desarrolladores obtener modelos con mayor precisión, especialmente cuando la cantidad de datos etiquetados es relativa. pequeño. El entrenamiento basado en señales estructuradas también ayuda a crear modelos más sólidos. Este tipo de técnicas de entrenamiento se han utilizado ampliamente internamente en Google para mejorar el rendimiento del modelo de una manera más positiva y rápida ”, dijo el equipo de ingeniería de TensorFlow en un blog.
NSL puede entrenar modelos de aprendizaje automático mediante el aprendizaje supervisado, el aprendizaje semi-supervisado o el aprendizaje no supervisado mediante la creación de modelos. La figura utiliza señales gráficas para estandarizar el proceso de entrenamiento, en algunos casos menos de 5 líneas de código.
- Google lanzó Google Go en todo el mundo, una versión extremadamente liviana con muchas funciones útiles que puede reemplazar la aplicación Googe
La estructura de transporte de la estructura de aprendizaje estructurada neuronal
Además, el nuevo marco también viene con varias herramientas que pueden ayudar a los desarrolladores a estructurar sus datos y API para crear modelos de entrenamiento en lugar de líneas mínimas de código.
A principios de abril, Google Cloud también presentó varias soluciones de capacitación para datos estructurados, como hojas de cálculo vinculadas en BigQuery y AutoML Tables.
En otras noticias relacionadas con la inteligencia artificial, la semana pasada Google AI (antes conocida como Google Research) también lanzó la herramienta de código abierto SM3, un optimizador dedicado a los modelos de entrenamiento. Lenguajes de gran escala como BERT de Google y OpenAI de GPT2.
- Google Photos ahora te permite buscar imágenes por texto, extrayendo texto de las imágenes.
Página de la herramienta de código abierto SM3 en Github
Puede encontrar más información sobre el marco de aprendizaje automático de NSL en las siguientes direcciones:
- https://www.tensorflow.org/neural_structured_learning/
- https://medium.com/tensorflow/introducing-neural-structured-learning-in-tensorflow-5a802efd7afd
Marco de inteligencia artificial de inteligencia artificial de aprendizaje automático de Google TensorFlow
Google lanzó recientemente Neural Structured Learning (NSL), un marco de aprendizaje automático de código abierto, que utiliza el método Neural Graph Learning para entrenar redes neuronales basadas en una serie de gráficos y diferentes datos estructurados.
En particular, NSL se desarrolló para ofrecer una gran compatibilidad con TensorFlow, una biblioteca de software de código abierto para el aprendizaje automático en muchos tipos de tareas de reconocimiento y comprensión de idiomas, y se diseñó específicamente para profesionales del aprendizaje con experiencia y sin experiencia. los usuarios de la máquina pueden usarlo. Básicamente, NSL puede crear modelos de visión por computadora, implementar NLP y ejecutar pronósticos a partir de conjuntos de datos gráficos, como registros médicos o gráficos. conocimiento (gráficos de conocimiento).
- Google lanza una actualización urgente para Chrome, los usuarios deben actualizar de inmediato
El aprendizaje estructurado neuronal es un marco de aprendizaje automático de código abierto
“El uso de señales estructuradas específicas durante el entrenamiento permite a los desarrolladores obtener modelos con mayor precisión, especialmente cuando la cantidad de datos etiquetados es relativa. pequeño. El entrenamiento estructurado basado en señales también ayuda a crear modelos más fuertes. Este tipo de técnicas de entrenamiento se han utilizado ampliamente internamente en Google para mejorar el rendimiento del modelo de una manera más positiva y rápida ”, dijo el equipo de ingeniería de TensorFlow en un blog.
NSL puede entrenar modelos de aprendizaje automático mediante el aprendizaje supervisado, el aprendizaje semi-supervisado o el aprendizaje no supervisado mediante la creación de modelos. La figura utiliza señales gráficas para estandarizar el proceso de entrenamiento, en algunos casos menos de 5 líneas de código.
- Google lanzó Google Go en todo el mundo, una versión extremadamente liviana con muchas funciones útiles que puede reemplazar la aplicación Googe
La estructura de transporte de la estructura de aprendizaje estructurada neuronal
Además, el nuevo marco también viene con varias herramientas que pueden ayudar a los desarrolladores a estructurar sus datos y API para crear modelos de entrenamiento en lugar de líneas mínimas de código.
A principios de abril, Google Cloud también presentó varias soluciones de capacitación para datos estructurados, como hojas de cálculo vinculadas en BigQuery y AutoML Tables.
En otra noticia relacionada con la inteligencia artificial, la semana pasada Google AI (antes conocida como Google Research) también lanzó la herramienta de código abierto SM3, un optimizador dedicado a los modelos de entrenamiento. Lenguajes de gran escala como BERT de Google y OpenAI de GPT2.
- Google Photos ahora te permite buscar imágenes por texto, extrayendo texto de las imágenes.
Página de la herramienta de código abierto SM3 en Github
Puede encontrar más información sobre el marco de aprendizaje automático de NSL en las siguientes direcciones:
- https://www.tensorflow.org/neural_structured_learning/
- https://medium.com/tensorflow/introducing-neural-structured-learning-in-tensorflow-5a802efd7afd