Applicazioni pratiche di deep learning

Wikibooks, manuali e libri di testo liberi.
Vai alla navigazione Vai alla ricerca
Indice del libro

Il deep learning fa parte di una famiglia più ampia di metodi di machine learning basati su reti neurali artificiali . Architetture di deep learning come reti neurali profonde , reti di credenze profonde , apprendimento per rinforzo profondo , reti neurali ricorrenti e reti neurali convoluzionali sono state applicate a campi tra cui visione artificiale , riconoscimento vocale , elaborazione del linguaggio naturale , traduzione automatica , bioinformatica , progettazione di farmaci , analisi delle immagini in medicina e relative diagnosi, scienze del clima , gestione delle relazioni con i clienti, sistemi di raccomandazione in cui hanno prodotto risultati paragonabili e in alcuni casi superiori alle prestazioni degli esperti umani.

In questo libro verranno utilizzati dei modelli di deep learning per scopi pratici utilizzando il linguaggio di programmazione Python , Google Colab e Hugging face .

Google Colaboratory (noto anche come Colab) è un ambiente gratuito per notebook Jupyter che viene eseguito nel cloud e archivia i propri notebook su Google Drive. Un documento Jupyter Notebook aperto tramite browser contiene un elenco ordinato di celle di input/output che possono contenere codice in Python, testo (utilizzando Markdown), matematica, grafici e rich media. Sotto l'interfaccia, un notebook è un documento JSON , che di solito termina con l'estensione ".ipynb". Per creare un notebook su Colab, basta avere un account Google , collegarsi con : https://colab.research.google.com/ e cliccare su Nuovo. Usare Colab per il deep learning è necessario perché è possibilie usufruire gratuitamente delle risorse di calcolo di Google (GPU, TPU, RAM ecc.) infatti una normale CPU non è sufficiente per addestrare un modello di deep learning.

Hugging Face https://huggingface.co/ è una piattaforma di community e data science che consente agli utenti di creare, addestrare e distribuire modelli di Deep Learning basati su codice e tecnologie open source (OS). Su Hugging Face è possibile creare ed esplorare dataset, modelli di deep learning e pubblicare applicazioni basate sui modelli (spaces) . Nella pagina relativa al modello è possibile utilizzarlo direttamente; ad esempio in un classificatore di immagini si può caricare una foto e ottenerne la previsione . Inoltre è possibile caricare su di un notebook Colab un dataset e/o modello di Hugging Face ed utilizzarlo per fare previsioni .

Altri Wikibooks[modifica]