ഇതാണ് Learning to Learn in TensorFlow എന്ന് പേരിട്ടിരിക്കുന്ന Linux ആപ്പ്, ഇതിന്റെ ഏറ്റവും പുതിയ പതിപ്പ് learning-to-learnsourcecode.tar.gz ആയി ഡൗൺലോഡ് ചെയ്യാം. വർക്ക്സ്റ്റേഷനുകൾക്കായുള്ള സൗജന്യ ഹോസ്റ്റിംഗ് ദാതാവായ OnWorks-ൽ ഇത് ഓൺലൈനായി പ്രവർത്തിപ്പിക്കാം.
Learning to Learn in TensorFlow എന്ന് പേരിട്ടിരിക്കുന്ന ഈ ആപ്പ് OnWorks-നൊപ്പം സൗജന്യമായി ഓൺലൈനായി ഡൗൺലോഡ് ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
ഈ ആപ്പ് പ്രവർത്തിപ്പിക്കുന്നതിന് ഈ നിർദ്ദേശങ്ങൾ പാലിക്കുക:
- 1. നിങ്ങളുടെ പിസിയിൽ ഈ ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്തു.
- 2. ഞങ്ങളുടെ ഫയൽ മാനേജറിൽ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമം നൽകുക.
- 3. അത്തരം ഫയൽമാനേജറിൽ ഈ ആപ്ലിക്കേഷൻ അപ്‌ലോഡ് ചെയ്യുക.
- 4. ഈ വെബ്സൈറ്റിൽ നിന്ന് OnWorks Linux ഓൺലൈനോ Windows ഓൺലൈൻ എമുലേറ്ററോ MACOS ഓൺലൈൻ എമുലേറ്ററോ ആരംഭിക്കുക.
- 5. നിങ്ങൾ ഇപ്പോൾ ആരംഭിച്ച OnWorks Linux OS-ൽ നിന്ന്, നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമത്തോടുകൂടിയ ഞങ്ങളുടെ ഫയൽ മാനേജർ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിലേക്ക് പോകുക.
- 6. ആപ്ലിക്കേഷൻ ഡൌൺലോഡ് ചെയ്യുക, അത് ഇൻസ്റ്റാൾ ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
സ്ക്രീൻഷോട്ടുകൾ:
ടെൻസർഫ്ലോയിൽ പഠിക്കാൻ പഠിക്കുന്നു
വിവരണം:
ഗൂഗിൾ ഡീപ് മൈൻഡ് സൃഷ്ടിച്ച ലേണിംഗ് ടു ലേൺ, മെറ്റാ-ലേണിംഗ് നടപ്പിലാക്കുന്ന ഒരു പരീക്ഷണ ചട്ടക്കൂടാണ് - ആദം അല്ലെങ്കിൽ എസ്ജിഡി പോലുള്ള സ്വമേധയാ രൂപകൽപ്പന ചെയ്ത അൽഗോരിതങ്ങളെ ആശ്രയിക്കുന്നതിനുപകരം ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ ഒപ്റ്റിമൈസേഷൻ തന്ത്രങ്ങൾ സ്വയം പഠിക്കാൻ പരിശീലിപ്പിക്കുന്നു. ക്വാഡ്രാറ്റിക് ഫംഗ്ഷനുകൾ, ഇമേജ് ക്ലാസിഫിക്കേഷൻ ടാസ്‌ക്കുകൾ (MNIST, CIFAR-10) പോലുള്ള വ്യത്യസ്ത പ്രശ്‌ന തരങ്ങളിൽ സാമാന്യവൽക്കരിക്കാൻ കഴിയുന്ന പഠിച്ച ഒപ്റ്റിമൈസറുകളെ പരിശീലിപ്പിക്കുന്നതിനും വിലയിരുത്തുന്നതിനുമുള്ള കോഡ് ഈ ശേഖരം നൽകുന്നു. ടെൻസർഫ്ലോ ഉപയോഗിച്ച്, മറ്റ് മോഡലുകളുടെ ഒപ്റ്റിമൈസേഷൻ പാതകൾ നിരീക്ഷിച്ചും അവയുമായി പൊരുത്തപ്പെടുത്തിക്കൊണ്ടും പഠിക്കുന്ന ഒരു മെറ്റാ-ഒപ്റ്റിമൈസർ മോഡലിനെ ഇത് നിർവചിക്കുന്നു. പരമ്പരാഗത ഒപ്റ്റിമൈസറുകളും പഠിച്ച ഒപ്റ്റിമൈസറും (L2L) തമ്മിലുള്ള പ്രകടനം വിവിധ ബെഞ്ച്‌മാർക്കുകളിൽ താരതമ്യം ചെയ്യാൻ ഈ പ്രോജക്റ്റ് ഉപയോക്താക്കളെ അനുവദിക്കുന്നു, അനുഭവത്തിലൂടെ ഒപ്റ്റിമൈസേഷൻ തന്ത്രങ്ങൾ എങ്ങനെ പഠിക്കാമെന്ന് ഇത് കാണിക്കുന്നു. സിംഗിൾ-വേരിയബിൾ, ഹൈ-ഡൈമൻഷണൽ പ്രശ്‌നങ്ങളെ ഡിസൈൻ പിന്തുണയ്ക്കുന്നു, കൂടാതെ ഒരു പഠിച്ച ഒപ്റ്റിമൈസർ കാണാത്ത ജോലികളിൽ എത്രത്തോളം നന്നായി പ്രവർത്തിക്കുന്നുവെന്ന് വിലയിരുത്തുന്നതിനുള്ള ഉപകരണങ്ങളും ഇതിൽ ഉൾപ്പെടുന്നു.
സവിശേഷതകൾ
- മെറ്റാ-ലേണിംഗിലൂടെ ഒപ്റ്റിമൈസേഷൻ തന്ത്രങ്ങൾ പഠിക്കാൻ ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ പരിശീലിപ്പിക്കുന്നു.
- ഒന്നിലധികം ബെഞ്ച്മാർക്ക് പ്രശ്നങ്ങൾ പിന്തുണയ്ക്കുന്നു (ക്വാഡ്രാറ്റിക്, MNIST, CIFAR-10)
- ക്രമീകരിക്കാവുന്ന പാരാമീറ്ററുകളുള്ള ട്രെയിൻ, മൂല്യനിർണ്ണയ സ്ക്രിപ്റ്റുകൾ ഉൾപ്പെടുന്നു
- ടെൻസർഫ്ലോ വഴി പുതിയ ഒപ്റ്റിമൈസേഷൻ പ്രശ്നങ്ങൾ എളുപ്പത്തിൽ സംയോജിപ്പിക്കാൻ അനുവദിക്കുന്നു.
- ആദാമുമായുള്ള ഒരു പഠിച്ച ഒപ്റ്റിമൈസറും (L2L) അടിസ്ഥാന താരതമ്യങ്ങളും നൽകുന്നു.
- പരിശീലന കാലഘട്ടങ്ങളിലുടനീളം ഒപ്റ്റിമൈസർ പ്രകടനം ട്രാക്ക് ചെയ്യുകയും സംരക്ഷിക്കുകയും ചെയ്യുന്നു.
പ്രോഗ്രാമിംഗ് ഭാഷ
പൈത്തൺ
Categories
ഇത് https://sourceforge.net/projects/learn-2learn-tensorflow.mirror/ എന്നതിൽ നിന്നും ലഭിക്കാവുന്ന ഒരു ആപ്ലിക്കേഷനാണ്. ഞങ്ങളുടെ സൗജന്യ ഓപ്പറേറ്റീവ് സിസ്റ്റങ്ങളിൽ ഒന്നിൽ നിന്ന് ഏറ്റവും എളുപ്പമുള്ള രീതിയിൽ ഓൺലൈനിൽ പ്രവർത്തിപ്പിക്കുന്നതിനായി ഇത് OnWorks-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്നു.