مدل فوق‌سریع RepVGG-A0 به کتابخانه timm آمد؛ اجرای بینایی ماشین فقط با یک خط کد!
پلتفرم هاگینگ فیس با افزودن وزن‌های پیش‌آموزش‌دیده مدل سبک RepVGG-A0 به کتابخانه محبوب timm، امکان اجرای فوق‌سریع مدل‌های بینایی ماشین را تنها با یک خط کد فراهم کرد. این مدل ۹.۱ میلیون پارامتری با ترکیب بهینه‌سازی چندشاخه‌ای در زمان آموزش و ساختار یکپارچه در زمان استنتاج، عملکردی کم‌نظیر روی سخت‌افزارهای معمولی ارائه می‌دهد. انتشار این چک‌پوینت تحت لایسنس متن‌باز MIT، فرصتی عالی برای توسعه‌دهندگان است تا تسک‌های بینایی ماشین خود را سبک و سریع پیاده‌سازی کنند.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- هاگینگ فیس وزن‌های پیش‌آموزش‌دیده مدل جمع‌وجور RepVGG-A0 رو به کتابخانه پرطرفدار timm اضافه کرد تا بتونید فقط با یک خط کد ساده اون رو لود و اجرا کنید.
- این مدل با داشتن ۹.۱ میلیون پارامتر و نیاز به ۱.۵ گیگافلاپس پردازش، به لطف معماری بازپارامتری‌سازی، سرعت خیره‌کننده‌ای در استنتاج تصاویر روی سخت‌افزارهای مختلف داره.
- پیاده‌سازی این مدل تحت لایسنس کاملاً متن‌باز MIT منتشر شده و توسعه‌دهنده‌ها می‌تونن از طریق ساختار منعطف BYOBNet معماری اون رو مطابق نیازشون شخصی‌سازی کنن.
مدل RepVGG-A0 وارد فهرست مدل‌های timm در هاگینگ فیس شد
پلتفرم هاگینگ فیس میزبان چک‌پوینت RepVGG-A0 شده است؛ مدلی کاربردی که به کمک کتابخانه محبوب timm، فقط با یک فراخوانی ساده تابع create_model دانلود و آماده اجرا می‌شود. وزن‌های این مدل ۹.۱ میلیون پارامتری مستقیماً توسط نویسندگان مقاله اصلی توسعه یافته و برای طبقه‌بندی ۱۰۰۰ کلاس دیتاست ImageNet روی تصاویر رنگی ۲۲۴ در ۲۲۴ آموزش دیده‌اند.
معماری RepVGG دقیقاً برای حل یک چالش بزرگ سخت‌افزاری متولد شده است. در زمان آموزش، ساختارهای چندشاخه‌ای بهینه‌سازی بسیار بهتری ارائه می‌دهند، اما هنگام اجرای مدل و استنتاج، چیدمان یکدست کانولوشن‌های ۳×۳ سرعت بسیار بالاتری روی تراشه‌ها دارند. ایده جذاب «بازپارامتری‌سازی ساختاری» (Structural reparameterization) این دو ویژگی را ترکیب می‌کند؛ به این صورت که مدل در زمان آموزش چند شاخه مجزا دارد، ولی در زمان استنتاج، تمام این شاخه‌ها با هم ادغام شده و به یک لایه کانولوشن واحد تبدیل می‌شوند تا سرعت به اوج برسد.
۹ میلیون پارامتر، یک رابط برنامه‌نویسی استاندارد
مشخصه | مقدار |
|---|---|
پارامترها | ۹.۱ میلیون |
توان پردازشی (Compute) | ۱.۵ گیگافلاپس (GMACs) به ازای تصویر ۲۲۴ × ۲۲۴ |
اکتیویشن‌ها (Activations) | ۳.۶ میلیون |
ورودی (Input) | ۳ کاناله (RGB) با ابعاد ۲۲۴ × ۲۲۴ |
خروجی طبقه‌بندی (Classifier output) | ۱,۰۰۰ لاجیت ImageNet |
منبع چک‌پوینت | نویسندگان اصلی مقاله RepVGG |
مجوز (License) | MIT (متن‌باز) |
پیاده‌سازی این مدل در timm بر پایه کد منعطف BYOBNet انجام گرفته است. این ساختار منعطف به شما اجازه می‌دهد مواردی مثل استیج‌های اختصاصی، لایه‌های نرمال‌سازی، گام‌های خروجی (strides)، چک‌پوینت گرادیان، تکنیک Stochastic Depth، حذف لایه کلاسیفایر و استخراج ویژگی در هر مرحله را بدون کوچک‌ترین دستکاری در نحوه بارگذاری چک‌پوینت، به راحتی تغییر دهید و شخصی‌سازی کنید.
نحوه نصب و راه‌اندازی مدل
برای دانلود آسان چک‌پوینت و فراخوانی مدل، تنها کافی است جدید‌ترین نسخه timm و کلاینت رسمی هاگینگ فیس هاب را نصب کنید:
python -m pip install -U timm huggingface_hubعلاوه بر این، تنظیمات از پیش ذخیره‌شده مدل تمام پیکربندی‌های لازم برای پیش‌پردازش داده‌ها مانند تغییر اندازه (resize)، برش (crop)، درون‌یابی (interpolation)، نرمال‌سازی و ابعاد ورودی را به طور خودکار در اختیارتان می‌گذارد تا کار با آن فوق‌العاده راحت باشد.
مطالب مرتبط و پیشنهادی
تله تازه هکرها برای کاربران کلود: سوءاستفاده از تبلیغات گوگل و بینگ برای نفوذ به سیستم‌های مک!
هکرها با ابداع روشی جدید به نام «Adception»، تبلیغات گوگل و ریدایرکت‌های معتبر موتور جست‌وجوی بینگ را دستمایه قرار داده‌اند تا کاربران به جای نسخه واقعی هوش مصنوعی کلود (Claude)، بدافزارهای خطرناک را روی سیستم‌عامل مک اجرا کنند. در این کمپین فریبنده، مهاجمان ظاهر سایت دانلود آنتروپیک را شبیه‌سازی کرده و با دستکاری دستورات ترمینال، کاربران را فریب می‌دهند.
فتح چالش امنیتی بایدو توسط سیستم ARTEX؛ ایجنت‌های هوش مصنوعی چگونه برای هک دست به یکی می‌کنند؟
پروژه منبع‌باز ARTEX با پیروزی در چالش آفند و پدافند شرکت بایدو، نگاه‌ها را به نسل جدید ابزار‌های تست نفوذ جلب کرده است. این سیستم به کمک گراف‌های پیوندی، چندین ایجنت هوش مصنوعی را برای پیشبرد زنجیره‌های طولانی حمله هماهنگ می‌کند و ردپای شفافی از تمامی تصمیمات آن‌ها بر جای می‌گذارد.
خداحافظی سازندگان ادیتور Zed با پول ریکوئست‌های گیت‌هاب: ثبت ۵۷۰ تغییر موفق با ایجنت‌های هوش مصنوعی!
تیم توسعه‌دهنده ادیتور محبوب Zed پس از ثبت موفق ۵۷۰ تغییر در کدهای خود به دست ایجنت‌های هوش مصنوعی، ارسال پول ریکوئست‌های سنتی گیت‌هاب را در مخزن داخلی خود به کلی متوقف کرد. سازندگان Zed با افزودن قابلیت منشن و صف‌بندی هوشمند به محیط دلتا (Delta)، بازبینی کدها را به تردهای زنده و مشارکتی انتقال داده‌اند. این شرکت اعلام کرده که قصد دارد ظرف ماه‌های آینده تمام فرایند توسعه داخلی‌اش را به طور کامل از گیت‌هاب خارج کند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.