Существуют различные библиотеки с открытым исходным кодом, которые можно использовать для выполнения задач, связанных с искусственным интеллектом и машинным обучением. Эти библиотеки работают как структурные элементы в построении успешной модели машинного обучения. Библиотеки избавляют разработчиков от необходимости писать код и позволяют сократить временные затраты. Среди самых известных open source-библиотек выделяют Tensorflow, которая используется для создания и развёртывания моделей машинного обучения, и OpenCV для компьютерного зрения. В этой статье собраны другие примеры библиотек с открытым исходным кодом, которые могут быть использованы для разработки проектов по искусственному интеллекту и машинному обучению.
1. Transformers
Библиотека моделей машинного обучения, предназначенных для выполнения задач с преобразованием последовательностей, распознаванием текста, речи, изображения, преобразованием текста в речь и наоборот, машинным переводом. Используются в различных областях, например при работе с текстами, изображениями, речью, а также помогают исследователям, разрабатывающим лекарства, распознавать цепочки генов в ДНК и аминокислоты в белках.
2. FauxPilot
Программа генерации кода с использованием искусственного интеллекта. Основная цель новой программы — устранить необходимость делиться информацией с третьими лицами и избежать потенциальных проблем с авторским правом, а также помочь разработчикам программного обеспечения писать более функциональный код, не делая его менее безопасным. Система обучается на существующем производственном коде и извлекает из него знания, чтобы создавать структурированные комментарии и предложения. Проект был разработан на основе GitHub Copilot.
3. YOLOv7
YOLO (You Only Look Once) расшифровывается как «Вы смотрите только один раз». Относится к семейству алгоритмов обнаружения объектов в реальном времени. Оригинальный детектор объектов YOLO был впервые создан в 2016 году. YOLOv7 — это последняя официальная версия YOLO. YOLOv7 обучается на наборе данных COCO, который имеет 17 базовых топологий. Реализована в PyTorch.
4. PaddleNLP
Библиотека обработки естественного языка (NLP) с открытым исходным кодом для классификации настроений и извлечения настроений. Механизмы выполняют нейронный поиск и анализ настроений, затем извлекают и представляют информацию для пользователей и машин.
Модель машинного обучения, предназначенная для преобразования текста в речь, речи в текст, текста в текст и речи в речь. В основе лежит принцип кодера-декодера, который моделирует преобразование последовательности в последовательность, используя скрытые представления. Speech T5 не ограничивается созданием речи для одного говорящего. Встроенные динамики фиксируют голосовые характеристики конкретного говорящего.
Библиотека методов, которые позволяют эффективно адаптировать предварительно обученные языковые модели к различным приложениям без точной настройки всех параметров модели. Параметры интегрируются с Transformers и Accelerate.
Метод редактирования видео с лицами с использованием предварительно обученной генеративной модели с поддержкой 3D. Основная идея состоит в том, чтобы представить лицо в видео, используя два поля нейронного излучения. Одно для данных, входящих в распределение, а другое для данных, не входящих в распределение, и скомпоновать их вместе для редактирования.
Модель для преобразования изображений в текстовые подсказки. В режиме преобразования текста в изображение метод создает подсказки для диффузионных моделей, позволяя пользователям API легко генерировать, обнаруживать, смешивать и сопоставлять концепции изображений без предварительных знаний о том, как запрашивать модель. Сгенерированные изображения показывают, что подсказки эффективно отражают семантические особенности целевых изображений.
Первая библиотека компьютерного зрения, которая использует алгоритмы, непосредственно выведенные из физических уравнений, управляющих физическими явлениями. Алгоритмы используют физические законы природы и имитируют распространение света через физическую среду с естественными и спроектированными дифракционными свойствами с последующим когерентным обнаружением.
10. RecTools
Библиотека Python для создания рекомендательных систем. Включает встроенные наборы инструментов для обработки данных и расчёта метрик, а также множество рекомендательных моделей. Цель библиотеки состоит в том, чтобы собрать готовые к использованию решения и лучшие практики в одном месте и чтобы сделать процессы создания и развёртывания модели максимально быстрыми и простыми.