Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Introducción a ONNX | Tutorial-1 | Intercambio de redes neuronales abiertas | ONNX
Introducción a ONNX | Tutorial-1 | Intercambio de redes neuronales abiertas | ONNX
Este tutorial proporciona una introducción a ONNX, que es un marco de aprendizaje automático intermediario que convierte los modelos existentes de un marco a otro. El curso cubre los desafíos que enfrenta el aprendizaje profundo, una descripción general de ONNX y una discusión sobre el tiempo de ejecución de ONNX. El instructor demuestra ejemplos prácticos de conversión de modelos con ONNX y comparte un caso de uso real de convertir un modelo de Python en un modelo de TensorFlow. Se requiere familiaridad con la programación de Python, los conceptos básicos de aprendizaje automático y marcos como PyTorch, TensorFlow y Scikit-learn.
Tutorial-2 - Intercambio de red neuronal abierta
desafíos en el aprendizaje profundo | Tutorial-2 | Intercambio de redes neuronales abiertas | ONNX
Los desafíos de usar diferentes marcos de aprendizaje profundo y aceleradores de hardware durante la inferencia se analizan en este segmento de video. ONNX se presenta como un tipo de modelo intermediario que es compatible con varios marcos de trabajo de aprendizaje profundo y aceleradores de hardware, lo que permite una transferencia fluida de modelos entre ellos. La conversión de modelos ONNX a marcos específicos cuando es necesario permite una mayor flexibilidad al usar modelos entrenados en diferentes sistemas. Comprender estos desafíos y soluciones puede ayudar a crear una canalización eficaz para trabajar con el aprendizaje profundo.
Tutorial-3 - Intercambio de redes neuronales abiertas
Todo sobre ONNX | Tutorial-3 | Intercambio de redes neuronales abiertas | ONNX
El video analiza ONNX, un marco de aprendizaje automático intermedio que permite la conversión de modelos en diferentes tipos de modelos de marco y proporciona capacidades de optimización. Presentado por primera vez en 2017 por AWS, Microsoft y Facebook, ONNX ha ganado popularidad y ha recibido contribuciones de otras empresas, incluidas IBM, Intel y Huawei. Muchas empresas se están dedicando actualmente a trabajar en el ecosistema ONNX.
Tutorial-4 - Intercambio de redes neuronales abiertas
Principios de diseño | Tutorial-4 | Intercambio de redes neuronales abiertas | ONNX
En este video, el orador explica los principios de diseño de Open Neural Network Exchange (ONNX). Inicialmente desarrollado para el aprendizaje profundo, el ecosistema se ha expandido para admitir también el aprendizaje automático tradicional. ONNX es adaptable con actualizaciones de otros marcos, estandarizado con operaciones bien definidas de aplicaciones prácticas y capaz de exportar/importar modelos con facilidad. Estas características lo convierten en una opción conveniente para los usuarios finales que buscan una solución flexible y eficiente.
Tutorial-5 - Intercambio de redes neuronales abiertas
Formato de archivo ONNX | Tutorial-5 | Intercambio de redes neuronales abiertas | ONNX
Este video tutorial cubre el formato de archivo ONNX para modelos de aprendizaje automático, que contiene listas de entrada y salida, operadores y nodos computacionales, y parámetros de operador junto con metadatos y la versión del modelo. El formato de archivo ONNX no es una caja negra y se puede visualizar. El orador proporciona ejemplos de operadores como ReLU y PReLU, y demuestra un gráfico de modelo de aprendizaje profundo y lo compara con el gráfico de formato de archivo ONNX. Los operadores personalizados también se pueden mapear usando ONNX, lo que lo convierte en una opción popular para las redes neuronales debido a su flexibilidad y funcionalidad.
Tutorial-6 - Intercambio de redes neuronales abiertas
Tipo de datos ONNX | Tutorial-6 | Intercambio de redes neuronales abiertas | ONNX
El video explica que ONNX tiene dos tipos de especificaciones: redes neuronales profundas y aprendizaje automático. El primero usa tipos de datos de tensor como enteros, flotantes, booleanos, cadenas y tipos complejos, que también se usan en Python y TensorFlow. Mientras tanto, este último utiliza tipos de datos no tensores como secuencias y mapas debido al aprendizaje basado en estadísticas que normalmente no utiliza tensores.
Tutorial-7 - Intercambio de red neuronal abierta
Ejemplo de aprendizaje automático | Tutorial-7 | Intercambio de redes neuronales abiertas | ONNX
Este video tutorial explica cómo convertir un modelo guardado en formato pickle en un formato de archivo de modelo Open Neural Network Exchange (ONNX) para un ejemplo práctico de aprendizaje automático usando ONNX. El video proporciona un archivo de requisitos que especifica los paquetes necesarios, y el orador brinda un código simple para importar datos, dividir y entrenar el modelo antes de convertirlo al formato ONNX usando el paquete skl2onnx. Se proporciona un script de conversión y se comparten instrucciones para visualizar el gráfico resultante con la herramienta Netron y realizar inferencias en el modelo ONNX. El ponente destaca la portabilidad y optimización del formato ONNX y anima a practicar con el proceso de conversión.
Tutorial-8 - Intercambio de red neuronal abierta
Tiempo de ejecución ONNX | Tutorial-8 | Intercambio de redes neuronales abiertas | ONNX
El orador analiza el tiempo de ejecución de ONNX y su importancia en el aprendizaje profundo. ONNX Runtime es un motor de alto rendimiento, rápido y fundado por Microsoft. Es un marco extensible y modular que es de código abierto y se envía con Windows 10. Microsoft prefiere este tiempo de ejecución porque es rápido y eficiente para el aprendizaje profundo, a diferencia del tiempo de ejecución predeterminado, que puede retrasarse. Además, el diagrama de tiempo de ejecución de ONNX muestra cómo se usa el tiempo de ejecución de ONNX para convertir un modelo existente a un formato de archivo ONNX, y luego se usa el tiempo de ejecución de ONNX para ejecutar el modelo sin preocuparse por el hardware o el marco. El orador sugiere que la audiencia puede profundizar en el tiempo de ejecución de ONNX en el GitHub oficial de ONNX.Tutorial-9 - Intercambio de redes neuronales abiertas
Zoológico modelo ONNX | Tutorial-9 | Intercambio de redes neuronales abiertas | ONNX
ONNX Model Zoo es una colección de modelos preentrenados para diferentes tareas, como la clasificación de imágenes, la detección de objetos y el procesamiento de voz y audio. Los modelos preentrenados están disponibles para descargar como archivos ONNX y se pueden usar con cualquier marco o el tiempo de ejecución de ONNX para la inferencia. Además, las plataformas en la nube como Azure ML ofrecen una funcionalidad similar donde los usuarios pueden cargar sus propios datos y entrenar modelos para descargarlos como archivos ONNX. El siguiente video mostrará cómo usar un modelo previamente entrenado del ONNX Model Zoo para el reconocimiento de dígitos escritos a mano.
Tutorial-10 - Intercambio de redes neuronales abiertas
Demostración del zoológico modelo ONNX | Tutorial-10 | Intercambio de redes neuronales abiertas | ONNX
El video tutorial muestra cómo usar ONNX Model Zoo para realizar inferencias en un modelo ONNX usando el tiempo de ejecución de ONNX. El presentador guía a los espectadores a través del proceso de creación de un entorno virtual, la instalación de los paquetes necesarios, la descarga del modelo escrito a mano del MNIST del ONNX Model Zoo y la escritura de un script de Python para la inferencia. La demostración muestra que el tiempo de predicción es rápido y anima a los usuarios a descargar modelos directamente desde ONNX Model Zoo. El video muestra el próximo tutorial, que cubrirá la conversión de un modelo de Python a TensorFlow.