Google позволила визуализировать обучение нейросети в TensorFlow
Google дала возможность создать собственный визуализатор обучения нейронной сети в TensorFlow. Пользователи уже создали первые полезные плагины.
Команда Google Brain сообщила о выпуске набора API для визуализации процесса обучения нейронных сетей. Частью данного релиза является обновление панели инструментов TensorBoard, которая идёт в комплекте с TensorFlow и отвечает за визуализацию, например, графиков изменения функции потерь во время обучения сети.
Инженеры команды Чи Женг и Джастин Танни прокомментировали релиз:
В отсутствие API добавление новых видов визуальной информации в TensorBoard было неимоверно трудной задачей для людей, не входящих в команду разработчиков TensorFlow. Таким образом, многие великолепные идеи для визуализации, предложенные сообществом, оставались лишь идеями без дальнейшего воплощения их в жизнь. Для того, чтобы исправить данное упущение, мы и выпустили в свободный доступ набор API, который позволит всем желающим добавлять свои настраиваемые плагины визуализации.
А как создавать плагины?
Разработчики предоставили пример написания плагинов для TensorFlow, чтобы пользователи как можно быстрее освоили основы создания плагинов и приступили к их реализации. Самым показательным примером того, какую свободу разработчики получили благодаря TensorBoard API, является Beholder. Этот плагин показывает видеодемонстрацию обучения модели в режиме онлайн, меняя значения градиентов и свёрточных фильтров.
Полный список уже доступных плагинов TensorBoard для таких вещей можно найти на Github.
3К открытий3К показов
Рассказали, какие рекомендательные системы используют и как их улучшают в онлайн-сервисе для читающих людей от МТС.
Рассказываем, как в Газпромбанке научились оживлять нарисованных человечков с помощью Data Science и трёх групп ML-моделей.
Рассказали, как создать привлекающего на курс по управлению проектами Telegram-бота на aiogram, с полным разбором кода.
Минобрнауки России опубликовало проект образовательной программы, посвящённой ИИ. По этой программе начнут обучение в 2023 году.