எளிமையாப் புரிஞ்சுக்கலாம்

பல learned layers உள்ள neural network-ஐப் பயன்படுத்தும் முறைதான் Deep Learning. ஒவ்வொரு layer-ம் numbers-ஐ அடுத்த representation-ஆக மாற்றும். Training செய்யும்போது அதன் weights மாறும். Image, text, audio போன்ற data-வுக்கு இது உதவலாம். ஆனால் layers அதிகம் வைத்தாலே result நல்லா வந்துவிடாது. Data தரம், network அமைப்பு, computing வசதி, testing எல்லாமே முக்கியம்.

இந்த AI approach எப்படி வேலை செய்கிறது?

Deep Learning-ல input-ஐ பல படிகளில் வேறு வேறு representations-ஆக மாற்றிக் கற்றுக்கொள்வோம். Image முதலில் pixel numbers-ஆக இருக்கும். அடுத்தடுத்த transformations, அந்த task-க்கு தேவையான patterns-ஐப் பிரித்தறிய உதவலாம். ஒவ்வொரு layer-க்கும் நாம முன்கூட்டியே ஒரு மனித அர்த்தத்தை ஒதுக்குவதில்லை. “இந்த layer கண்களைப் புரிந்துகொள்கிறது” என்று சொல்வது பல நேரங்களில் மிகையான எளிமைப்படுத்தல்.

Forward pass-ல weights, bias, nonlinear operations மூலம் input output-ஆக மாறும். அந்த output-ஐ target அல்லது learning objective-உடன் ஒப்பிட்டு loss கணக்கிடுவோம். ஒவ்வொரு parameter-ஐ மாற்றினால் loss எப்படி மாறும் என்பதை chain rule மூலம் backpropagation கண்டுபிடிக்கும். Optimizer அந்த gradients-ஐ வைத்து parameters-ஐ update செய்யும். பல batches-ல் இதைத் தொடர்ந்து செய்வதுதான் training.

Architecture-க்கு ஏற்ற தனித்தன்மைகள் இருக்கும். CNN-ல் local filters-ஐ image முழுவதும் பகிர்ந்து பயன்படுத்துவோம். Recurrent network sequence-ஐ recurrent state மூலம் process செய்யும். Transformer attention மூலம் பல positions-ல உள்ள தகவலை இணைக்கும். இவை design families; எல்லாவற்றுக்கும் “மனித அறிவு” என்று ஒரே அர்த்தம் இல்லை. ஒரே architecture-ஐ supervised அல்லது self-supervised objective-ல் train செய்யலாம்.

Images, text போன்ற inputs-க்கு representations கற்றுக்கொள்வது பயனுள்ளதாக இருக்கும்போது deep models உதவும். ஆனால் சின்ன spreadsheet-க்கு இதுதான் முதல் தேர்வு என்று சொல்ல முடியாது. எளிய baseline, data அளவு, compute செலவு எல்லாம் ஒப்பிடுங்க. ஏற்கெனவே கற்ற model-ஐ transfer learning மூலம் பயன்படுத்தினால், பெரிய model-ஐ புதிதாக train செய்யாமல் project தொடங்கலாம்.

ஒவ்வொரு படியாகப் பார்க்கலாம்

1. Input-ஐ numbers-ஆக மாற்றி, தேவைக்கு ஏற்ப scale பண்ணுங்க.
2. Layers மற்றும் nonlinear activation வழியாக அதை அனுப்புங்க.
3. Loss-ஐ அளந்து weights-ஐ மாற்றி, தனியாக வைத்த data-வில் சோதிங்க.

உதாரணம்: task-உடன் approach-ஐ இணைக்கலாம்

இலை நோய் image classifier-க்கு pretrained image encoder மூலம் features எடுக்கலாம். அதன் மேலே சின்ன classification head வைத்து நமக்குத் தேவையான disease labels predict செய்யலாம். முதலில் encoder-ஐ freeze செய்து head-ஐ மட்டும் train செய்யலாம். Held-out result பார்த்து தேவைப்பட்டால் சில encoder layers-ஐ fine-tune செய்யலாம்.

ஒரே செடியின் photos அல்லது ஒரே capture session photos train, test இரண்டிலும் போகாமல் split செய்யுங்க. இல்லையென்றால் ஒரே மாதிரியான படங்கள் score-ஐ அதிகமாகக் காட்டலாம். ஒரு camera-வில் நல்ல score வந்தால், விவசாயிகளின் எல்லா phones-லயும் அல்லது labels-ல் இல்லாத நோய்களிலும் சரியாக வேலை செய்யும் என்று அர்த்தமில்லை.

கருத்தைப் பயன்படுத்தலாம்: உங்க புரிதலைச் சோதிங்க

அடுத்த பாடத்துக்கு முன்னாடி

• Technical பெயரை மட்டும் சொல்லாமல், கருத்தை உங்க வார்த்தைகளில் விளக்கிப் பாருங்க.
• Approach என்ன, அதன் assumptions என்ன, result-ஐ நம்ப என்ன evidence வேண்டும் என்று சொல்லிப் பாருங்க.
• பயிற்சியை முயற்சி செய்துவிட்டு, உங்க காரணத்தை விடையோடு ஒப்பிட்டுப் பாருங்க.

ஆதாரங்கள்: இன்னும் தெரிஞ்சுக்கலாம்

இந்தப் புதுப்பிப்பில் original research papers மற்றும் official documentation பயன்படுத்தப்பட்டுள்ளன. கீழே உள்ள கூடுதல் links ஆங்கிலத்தில் இருக்கும். அவற்றை முதலில் படிக்காமலேயே இந்தப் பாடத்தைப் புரிஞ்சுக்கலாம். Product versions, availability மாறலாம்.

• PyTorch: learn the basics ↗
• PyTorch: optimizing model parameters ↗