Начало работы с визуальными блоками для машинного обучения
TL;DR
Visual Blocks for ML — это платформа визуального программирования с открытым исходным кодом, разработанная Google.
- Он позволяет создавать конвейеры машинного обучения в простом в использовании графическом редакторе без кода.
- Теперь вы можете быстро создавать прототипы медиа-приложений, используя компоненты перетаскивания.
⚡️Продолжайте читать, чтобы узнать, как этот фреймворк может помочь ускорить ваши рабочие процессы машинного обучения!
🚣🏻♀️ Как мы к этому пришли
Трудно игнорировать то, как недавние достижения в области глубокого обучения привели к появлению множества моделей машинного обучения (ML) для сценариев использования мультимедиа в реальном времени.
Примеры варьируются от возможности изменить свой фон на виртуальной встрече до отслеживания тела в киноиндустрии и 3D-реконструкции для медицинских целей.
Способы применения этой технологии становятся все более и более повсеместными!
Но насколько легко на самом деле создавать прототипы реальных приложений, использующих модели машинного обучения таким образом?
Не хватает ли нам общего языка, который могли бы использовать как инженеры-программисты (SWE), так и дизайнеры пользовательского интерфейса (UX) для лучшего сотрудничества, повторения и улучшения взаимодействия с конечным пользователем?
Это некоторые из проблем, для решения которых были разработаны Visual Blocks.
🤔 Зачем вам это?
1. Во-первых, это настройка среды. Вам понадобится экземпляр Linux, работающий где-то, затем установите графические библиотеки и библиотеки машинного обучения, убедитесь, что они работают с вашим графическим процессором, клонируйте репозиторий рабочего кода, обработайте зависимости (которые могли измениться) и надейтесь, что все работает с первого раза. !
Давайте будем реалистами; любой, кто выполнял шаги, подобные описанным выше, знает, что дела редко идут гладко!
Даже если вы совершили чудо, настроив и запустив свою среду, часто на дороге встречаются и другие препятствия. 😤
