6. मशीन लर्निंग फ्रेमवर्क / Machine Learning Frameworks

स्किकिट-लर्न - SciPy टूलकिट

नाम का "स्किकिट" भाग इसके SciPy टूलकिट से आता है।  SciPy, Python में वैज्ञानिक कंप्यूटिंग को संदर्भित करता है।  SciPy अनुकूलन, एकीकरण, प्रक्षेप, बीजगणितीय समीकरण, अंतर समीकरण, सांख्यिकी और समस्याओं के कई अन्य वर्गों के लिए एल्गोरिदम प्रदान करता है।

इस परियोजना में अब 30 से अधिक सक्रिय योगदानकर्ता हैं और इसे INRIA, Google, Tinyclues और Python Software फाउंडेशन से सशुल्क प्रायोजन प्राप्त हुआ है।  स्किकिट-लर्न निम्नलिखित के लिए एल्गोरिदम और मॉडल डिजाइन करने के लिए सहायता प्रदान करता है:

 • वर्गीकरण,/Classifications,

• क्लस्टरिंग, /• Clustering,

• पूर्व-प्रसंस्करण, /• Pre-processing,

• प्रतिगमन,/• Regression,

• आयामी कमी और /• Dimensional reduction and

 • मॉडल चयन./• Model selection.

स्किकिट-लर्न, ओपन-सोर्स सॉफ़्टवेयर के रूप में उपलब्ध है, शुरुआती अनुकूल है और विस्तृत दस्तावेज़ के साथ आता है जो डेवलपर्स को उपयोग के दौरान या रन-टाइम के दौरान एल्गोरिदम के लिए किसी भी पूर्व-निर्धारित पैरामीटर को बदलने की अनुमति देता है।

टेंसरफ़्लो

TensorFlow एक ओपन-सोर्स, जावास्क्रिप्ट लाइब्रेरी है और व्यापक रूप से उपयोग की जाने वाली मशीन लर्निंग फ्रेमवर्क में से एक है।  यह डेवलपर्स को मशीन लर्निंग मॉडल बनाने और प्रशिक्षित करने के लिए एपीआई प्रदान करता है।

TensorFlow को Google Brain टीम द्वारा अनुसंधान और उत्पादन में आंतरिक Google उपयोग के लिए विकसित किया गया था।  प्रारंभिक संस्करण 2015 में जारी किया गया था। Google ने सितंबर 2019 में अद्यतन संस्करण जारी किया, जिसे TensorFlow 2.0 नाम दिया गया।

TensorFlow बहुमुखी है और इसे सर्वश्रेष्ठ मशीन लर्निंग फ्रेमवर्क में से एक माना जाता है।  यह प्रोग्रामिंग, वर्गीकरण, प्रतिगमन मॉडल और तंत्रिका नेटवर्क के लिए व्यापक, लचीली सुविधाएँ और एक विस्तृत पुस्तकालय प्रदान करता है।  यह सीपीयू और जीपीयू दोनों पर चलता है।

डेवलपर्स:गूगल ब्रेन टीम

प्लेटफार्म:लिनक्स, मैकओएस, विंडोज़

प्रारंभिक रिलीज़: 9 नवंबर 2015

स्थिर रिलीज़: 16 मई 2022

टेन्सरफ्लो  रिपॉजिटरी: github.com/tensorflow/tensorflow

लाइसेंस: अपाचे लाइसेंस 2.0

TensorFlow  - लाभ

TensorFlow का एक प्रमुख लाभ यह है कि इसका उपयोग दो तरीकों से किया जा सकता है: स्क्रिप्ट टैग के माध्यम से या NPM के माध्यम से इंस्टॉलेशन के माध्यम से।

 एनपीएम (नोड पैकेज मैनेजर) दुनिया की सबसे बड़ी सॉफ्टवेयर रजिस्ट्री है, जिसमें 800,000 से अधिक कोड पैकेज हैं।  इसका उपयोग निःशुल्क है।  कोई भी व्यक्ति सभी एनपीएम सार्वजनिक सॉफ्टवेयर पैकेजों को बिना किसी पंजीकरण या लॉगऑन के डाउनलोड कर सकता है।

NPM को Node.js के साथ स्थापित किया गया है।  इसका तात्पर्य यह है कि हमें अपने कंप्यूटर पर NPM स्थापित करने के लिए Node.js इंस्टॉल करना होगा।  Node.js को आधिकारिक Node.js वेबसाइट: https://nodejs.org से डाउनलोड किया जा सकता है।

सभी एनपीएम पैकेज पैकेज.जेसन नामक फाइलों में परिभाषित हैं।  package.isor की सामग्री JSON में लिखी जानी चाहिए।

टेन्सर फ्लो - विशेषताएँ

TensorFlow की कुछ विशेषताएं हैं:

 स्वतः-विभेदीकरण Auto- differentiation

किसी मॉडल के प्रत्येक पैरामीटर के संबंध में उसके ग्रेडिएंट वेक्टर की स्वचालित रूप से गणना करने की प्रक्रिया।

Eager execution

बाद में निष्पादित कम्प्यूटेशनल ग्राफ़ में जोड़े जाने के विपरीत संचालन का तुरंत मूल्यांकन किया जाता है।

Distribute

प्रदर्शन माप के लिए, TensorFlow आमतौर पर उपयोग किए जाने वाले मेट्रिक्स तक API पहुंच प्रदान करता है।

Losses

मॉडलों को प्रशिक्षित करने और उनका आकलन करने के लिए, TensorFlow हानि कार्यों या लागत कार्यों का एक सेट प्रदान करता है।

मेट्रिक्स

TensorFlow विभिन्न वितरण रणनीतियों के साथ कई उपकरणों में गणना वितरित करने के लिए एक एपीआई प्रदान करता है।

Optimisers

किसी मॉडल को प्रशिक्षित करते समय, अलग-अलग ऑप्टिमाइज़र पैरामीटर ट्यूरिंग के विभिन्न तरीकों की पेशकश करते हैं

शोगुन

शोगुन एक ओपन-सोर्स मशीन लर्निंग (एमएल) फ्रेमवर्क है जो C++ के साथ अच्छा काम करता है।  यह उन डेवलपर्स के लिए मुफ़्त और उपयोगी है जो विशेष रूप से शिक्षा और अनुसंधान के क्षेत्र में समस्याओं के लिए एल्गोरिदम और डेटा संरचनाएं डिज़ाइन करना चाहते हैं।

शोगुन LibLinear, LibSVM, SVMLight और LibOCAS सहित अन्य ML लाइब्रेरी से भी जुड़ सकता है।

शोगुन अन्य भाषाओं और फ्रेमवर्क, जैसे आर, पायथन, जावा और सी# के साथ संगत है।

इस मशीन लर्निंग ढांचे के अन्य मुख्य आकर्षण में शामिल हैं:

• हिडन मार्कोव मॉडल के लिए समर्थन  

बड़ी मात्रा में डेटा संसाधित करने के लिए समर्थन

यह उपयोगकर्ता के अनुकूल है और कई लचीली सुविधाएँ और कार्यक्षमताएँ प्रदान करता है।

 डेवलपर्स: सोरेन सोनेनबर्ग, सर्गेई लिसित्सिन, हेइको स्ट्रैथमैन, फर्नांडो इग्लेसियस, विक्टर गैल

प्लेटफ़ॉर्म: लिनक्स, मैकओएस, विंडोज़

स्थिर रिलीज़: 27 अप्रैल 2017

शोगुन  रिपॉजिटरी:github.com/shogon-toolbox/shogun

लाइसेंस: वैकल्पिक GNU GPLv3 के साथ BSD3

शोगुन 1999 से सक्रिय विकास के अधीन है। आज, दुनिया भर में एक जीवंत उपयोगकर्ता समुदाय है जो शोगुन को अनुसंधान और शिक्षा के आधार के रूप में उपयोग करता है और मुख्य पैकेज में योगदान देता है।

शोगुन को शुरू में जैव सूचना विज्ञान अनुप्रयोगों के लिए विकसित किया गया था।

शोगुन दस मिलियन नमूनों वाले विशाल डेटासेट को संसाधित करने में सक्षम है।

शोगुन पूर्व-गणना की गई गुठली के उपयोग का समर्थन करता है।

शोगुन मल्टीपल-कर्नेल सीखने की कार्यक्षमता भी प्रदान करता है।

संख्यात्मक डेटा के लिए वर्तमान में कार्यान्वित कर्नेल में रैखिक, गाऊसी, बहुपद और सिग्मॉइड कर्नेल शामिल हैं

विशेष डेटा के लिए समर्थित कर्नेल में स्पेक्ट्रम, भारित डिग्री और भारित डिग्री बुद्धि शामिल हैं

PyTorch 

PyTorch एक मशीन लर्निंग फ्रेमवर्क है जो एल्गोरिदम को अनुकूलित करने के लिए कई विकल्पों के साथ आता है।  यह तंत्रिका नेटवर्क और प्राकृतिक भाषा प्रसंस्करण को डिजाइन करने के लिए बिल्कुल उपयुक्त है।

PyTorch ओपन-सोर्स है और क्लाउड-आधारित सॉफ़्टवेयर विकास का समर्थन करता है।  यह लाइब्रेरी, टूल और वितरित प्रशिक्षण सहित कई सुविधाओं के साथ आता है।

IBM PyTorch का उपयोगकर्ता है।  इसका फ्रंट-एंड डेवलपमेंट हाइब्रिड है, जो बहुमुखी प्रयोज्य बनाता है।  प्लेटफ़ॉर्म को पायथन के साथ एकीकृत करने और नुम्बा और साइथॉन जैसे पुस्तकालयों के साथ संगत करने के लिए डिज़ाइन किया गया था।

डेवलपर्स: मेटा अल

प्लेटफार्म:

लिनक्स, मैकओएस, विंडोज़

प्रारंभिक रिलीज़: सितंबर 2016

स्थिर रिलीज़: 16 मई 2022

PyTorch Github Repository : github.com/pytorch/pytor

लाइसेंस:संशोधित बीएसडी

PyTorch - NUMBA और साइथॉन

NUMBA एक ओपन-सोर्स JIT कंपाइलर है जो Python और NumPy कोड के सबसेट को तेज़ मशीन कोड में अनुवादित करता है।जस्ट-इन-टाइम (जेआईटी) कंपाइलर रनटाइम वातावरण का एक घटक है जो रन टाइम पर बाइटकोड को मूल मशीन कोड में संकलित करके जावा अनुप्रयोगों के प्रदर्शन में सुधार करता है।

साइथॉन भाषा पायथन भाषा का एक सुपरसेट है जो अतिरिक्त रूप से सी प्रोग्रामिंग भाषा में चर और वर्ग विशेषताओं पर कॉलिंग फ़ंक्शंस और घोषित प्रकारों का समर्थन करती है।

माइक्रोसॉफ्ट संज्ञानात्मक टूलकिट/माइक्रोसॉफ्ट कॉग्निटिव टूलकिट

माइक्रोसॉफ्ट कॉग्निटिव टूलकिट, जिसे सीएनटीके के नाम से भी जाना जाता है, माइक्रोसॉफ्ट रिसर्च द्वारा विकसित एक मशीन लर्निंग फ्रेमवर्क है।इसका उपयोग निर्देशित ग्राफ़ के रूप में कम्प्यूटेशनल विकास चरणों के अनुक्रम के रूप में कृत्रिम तंत्रिका नेटवर्क का वर्णन करने के लिए किया जाता है। यह एक ओपन-सोर्स मशीन लर्निंग फ्रेमवर्क है जिसे C++ प्रोग्रामिंग भाषा में एल्गोरिदम के साथ डिज़ाइन किया गया है।  सीएनटीके सी++, पायथन और ब्रेनस्क्रिप्ट से बड़े पैमाने पर, बहुआयामी या विरल डेटासेट के लिए एक आदर्श विकल्प है।

यह डेवलपर्स को विभिन्न मशीन लर्निंग मॉडल प्रकारों को मर्ज करने और देखने की अनुमति देता है, जिसमें आवर्तक तंत्रिका नेटवर्क, फ़ीड-फ़ॉरवर्ड डीप न्यूरल नेटवर्क और कनवल्शनल न्यूरल नेटवर्क शामिल हैं।

डेवलपर्स: माइक्रोसॉफ्ट रिसर्च

प्लेटफार्म:लिनक्स, विंडोज़

प्रारंभिक :25 जनवरी 2016

स्थिर रिलीज़: 26 अप्रैल 2019

माइक्रोसॉफ्ट सीएनटीके repositorty:  github.com/Microsoft/CN

लाइसेंस:एमआईटी लाइसेंस

माइक्रोसॉफ्ट कॉग्निटिव टूलकिट - आरएनएन और सीएनएन

आवर्ती तंत्रिका नेटवर्क (आरएनएन) एक प्रकार का कृत्रिम तंत्रिका नेटवर्क है जो अनुक्रमिक डेटा या समय श्रृंखला डेटा का उपयोग करता है।फीडफॉरवर्ड न्यूरल नेटवर्क तैयार किया गया सबसे सरल प्रकार का कृत्रिम न्यूरल नेटवर्क है।  इस नेटवर्क में, सूचना केवल एक ही दिशा में चलती है: इनपुट नोड्स से, छिपे हुए नोड्स के माध्यम से, आउटपुट नोड्स तक।

नेटवर्क में कोई चक्र या लूप नहीं हैं।

कन्वेन्शनल न्यूरल नेटवर्क (सीएनएन) गहन शिक्षण के लिए कृत्रिम तंत्रिका नेटवर्क का एक वर्ग है।  यह आमतौर पर दृश्य छवियों का विश्लेषण करने के लिए प्रयोग किया जाता है।