Новые системы машинного обучения от Fаcebook и Google. Код для раскрашивания чёрно-белых фотографий

Oпубликoвaнo нeскoлькo нoвыx oткрытыx прoeктoв в oблaсти мaшиннoгo oбучeния: DeOldify - прoeкт, испoльзующий нaрaбoтки в oблaсти глубиннoгo мaшиннoгo oбучeния угоду кому) aвтoмaтичeскoгo рaскрaшивaния чёрнo-бeлыx фoтoгрaфий и вoсстaнoвлeния кaчeствa старых изображений. Стержневой системы является генеративно-состязательная цедилка (GAN), включающая две нейронные сети - одна генерирует образцы, а вторая отбраковывает как слону булочка реалистичные результаты. В разработке используются библиотеки Fast.AI, PyTorch и Tensorboard (рубка над Tensorflow для PyTorch). Натурщица обучена на структурированной коллекции изображений ImageNet. Во (избежание повышения качества фотографий используется та но модель, что и для раскраски, которая расширена элементами исполнение) корректировки яркости и контраста и обучена с использованием симуляции выцветших фотографий и фотографий снятых для старые или плохие фотоаппараты. Адрес проекта опубликован под лицензией MIT. Horizon еще более года используется в различных приложениях Facebook с целью решения таких задач, как персонализация рекомендаций в мессенджере, получение решений о частоте и доставке уведомлений (юзер получает только наиболее релевантные уведомления о новых публикациях и комментариях) и оптимизация качества потокового видео (религия битрейта и корректировка параметров на лету вот время воспроизведения видео в режиме 360-градусов получи и распишись основе оценки качества канала отношения и состояния буферизации). Платформа рассчитана получи решение прикладных задач, в которых фигурируют массивы данных в состояние и миллиарды наблюдений и достаточно медленный циклодол обратной связи (по сравнению с симулятором). В лента от других платформ, которые заблаговременно всего рассчитаны на проведение экспериментов и опус исследовательских прототипов, Horizon изначально развивается ни дать ни взять готовое решение, пригодное для внедрения получи и распишись предприятиях. Платформа использует PyTorch 1.0 в (видах моделирования и обучения, и применяет Caffe2 интересах хранения и обработки моделей. Поддерживаются алгоритмы Q-обучения (DQN, Deep Q-Network) Discrete-Action DQN, Parametric-Action DQN, Double DQN, Dueling DQN и Dueling Double DQN, а как и алгоритмы DDPG (Deep Deterministic Policy Gradient) и SAC (Soft Actor-Critic). Адрес платформы написан на языке Python и опубликован перед лицензией BSD. Компания Google опубликовала реализацию метода машинного обучения BERT (Bidirectional Encoder Representations from Transformers) и готовые натренированные модели к нему. BERT позволяет составлять системы для обработки информации сверху естественном языке (NLP, Natural Language Processing). Как например, BERT может применяться для построения автоответчиков, ботов и различных диалоговых систем, отвечающих получи и распишись задаваемые вопросы и определяющих смысл фраз. В тесте SQuAD F1 определение на базе BERT продемонстрировало ступень точности ответов на вопросы в 93.2%, почему на 2% лучше, чем труд, полученный при прохождении данного теста человеком. В тесте GLUE способ BERT показала уровень точности в 80.4% (держи 7.6% лучше прошлого рекорда), в тесте MultiNLI - 86.7% (возьми 5.6% лучше). Система построена возьми базе фреймворка TensorFlow и поставляется подина лицензией Apache 2.0. Для загрузки как и доступно несколько натренированных моделей, которые да распространяются под лицензией Apache 2.0. Колыбель: http://www.opennet.ru/opennews/art.shtml?num=49550