JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть I • Актуальность и основные понятия 
z
z
Ускорение вычислений глубокого обучения с помощью WebGL, возможно, 
не всегда равноценно нативному, узкоспециализированному GPU­ускорению 
вычислений, например, с помощью CUDA и CuDNN от NVIDIA (используе­
мому в библиотеках глубокого обучения на Python, в частности TensorFlow 
и PyTorch). Но оно все равно на порядки ускоряет расчеты нейронных сетей 
и обеспечивает вывод в режиме реального времени наподобие предлагаемых 
PoseNet возможностей выделения из изображений поз человеческого тела.
z
z
А если уж вывод на основе предобученных моделей требует значительных вы­
числительных ресурсов, то обучение или перенос обучения на подобных моде­
лях — тем более. Обучение и перенос обучения открывают путь к замечательным 
приложениям, например к персонализации моделей глубокого обучения, визуа­
лизации результатов глубокого обучения в клиентской части, а также федератив­
ному обучению (созданию оптимальной модели за счет обучения одной и той же 
модели на нескольких устройствах с последующим агрегированием результатов). 
Ускорение TensorFlow.js с помощью WebGL позволяет обучать нейронные сети 
или точно подбирать их параметры с достаточной скоростью исключительно 
внутри браузера.
z
z
Мгновенный доступ
— вообще говоря, большой плюс работающих в браузере при­
ложений в том, что их не нужно устанавливать: для запуска достаточно ввести 
URL или перейти по ссылке. Значит, можно избежать потенциально трудоемких 
и подверженных ошибкам шагов установки, а также возможных рисков контроля 
доступа при установке нового программного обеспечения. В контексте глубокого 
обучения в браузере ускорение нейронных сетей с помощью WebGL не требует 
специальных графических карт или установки драйверов для них, что часто 
бывает нетривиальной задачей. Большинство более или менее современных 
стационарных компьютеров, ноутбуков и мобильных устройств снабжены до­
ступными для браузера и WebGL графическими картами. Подобные устройства 
сразу же готовы для вычислений нейронных сетей с WebGL­ускорением, доста­
точно лишь, чтобы на них был установлен TensorFlow.js­совместимый браузер. 
Это особенно привлекательно для тех случаев, где жизненно важна простота 
доступа — например, при изучении глубокого обучения в университетах.