Hugging Face'in transformer'ları ile açık kaynaklı bilgisayarlı görüyü güçlendirme

YOLO VISION 2023 (YV23) etkinliğindeki önemli noktaları keşfetmeye devam ederken, verimli dil uygulamaları geliştirme konusunda önceden eğitilmiş modellere sahip lider NLP platformu Hugging Face şirketinin Geliştirici Savunuculuğu Mühendisi Merve Noyan ile tanışalım. Merve, konuşmasında açık kaynaklı bilgisayarla görü dünyasına dair inanılmaz içgörüler paylaştı.

Aktarım öğrenimi, Transformer'lar ve açık kaynaklı bilgisayarla görü ekosisteminin büyüleyici evreninde seni bir yolculuğa çıkarırken bize katıl.

Transfer öğrenmeye genel bakış: Hızlı bir özet#

Merve, bilgiyi bir sinir ağından diğerine aktarmamızı sağlayan sihirli değnek olan transfer öğrenme hakkında hızlı bir girişle başladı. Bir modeli erken katmanlardaki kenarlar ve köşeler gibi evrensel özellikler üzerinde eğittiğini ve ardından onu belirli görevler için ince ayar (fine-tuning) yaparak geliştirdiğini hayal et. Bu, veri bağımlılıklarını azaltan ve doğruluğu artıran transfer öğrenmenin özüdür.

Merve, ResNet ve Inception gibi klasik evrişimli omurgaların altını çizerek, önümüzdeki dönüşümsel yolculuğa zemin hazırladı.

Transformer'lar sahnede: Bir bilmece çözülüyor#

Transformer'ları özel kılan nedir? Merve bunu, geleneksel evrişim tabanlı modellerden nasıl farklı olduklarını göstererek bir bilmeceye benzetti. İşin sırrı, etiketli verilere ihtiyaç duymadan özellikleri yakalayarak kendi kendini denetleyen öğrenme (self-supervised learning) yeteneklerinde yatıyor. Vision Transformer, Data Efficient Transformer, CLIP ve Swin Transformer, tanıttığı yıldızlar geçidindeki Transformer tabanlı modeller arasındaydı.

Nesne tespiti için tasarlanmış bir Transformer modeline destek sağlayan Ultralytics ile bazı ortak noktalar buluyoruz. Bu model, etkili bir melez kodlayıcı, IoU farkındalı sorgu seçimi ve ayarlanabilir çıkarım hızı sunar. Özellikle, diğer Ultralytics YOLOv8 modellerinin tanıdık kalıbına bağlı kalarak tahmin, eğitim, doğrulama ve dışa aktarma seçenekleri sunar.

Tek noktadan çözümün#

Merve daha sonra, klasik bilgisayarlı görü görevleri için 8.000'den fazla ve çok modlu uygulamalar için 10.000'den fazla model ile Hugging Face'in hazine sandığına daldı. Hugging Face Hub, 3.000'den fazla veri kümesiyle hem geliştiriciler hem de meraklılar için bir oyun alanı sunuyor. Merve, Hugging Face'in tutarlı API'si sayesinde çeşitli kullanım durumları için kullanıma hazır modeller sunan kusursuz deneyimi vurguladı.

Hugging Face ile uygulamalı sihir#

Konuşma, modellerle ne kadar kolay çalışılabileceğini gösteren pratik gösterilere geçti. Modellerin ve işlemcilerin başlatılmasından Trainer API ile ince ayar yapmaya kadar, Merve Hugging Face Transformers kütüphanesinin bir geliştiricinin en iyi arkadaşı olduğunu açıkça ortaya koydu. Hatta kullanıcılar için iş akışını basitleştiren ve kişisel favorisi olan Pipeline API'yi tanıttı.

Şekil 1. Merve Noyan, Madrid'deki Google for Startups Campus'te YV23'te sunum yaparken.

Uygulamalara kısa bir bakış#

Merve konuşmasını, görsel soru cevaplama için Plot modeli, görüntü açıklamaları için Blip ve görüntü bölümleme için güçlü Segment Anything modeli de dahil olmak üzere bazı harika uygulamalara göz atarak tamamladı. Hugging Face Ekosistemi'nin Pipeline API'si, teknik detaylara derinlemesine girmeden modelleri kullanmayı çocuk oyuncağı haline getirerek ilgi odağı oldu.

İşin en güzel yanı, Merve'nin Elysian Diffusion ile optik illüzyonlar yaratma gösterisiydi; bu, yapay zeka dünyasına eğlenceli bir dokunuş katan büyüleyici bir deneyim oldu.

Özetle!#

Sonuç olarak, Merve'nin konuşması bize ilham verdi ve açık kaynaklı bilgisayarla görü dünyasının sonsuz olasılıklarını keşfetme isteği uyandırdı. Hugging Face, yapay zekayı gerçekten erişilebilir, eğlenceli ve heyecan verici hale getirerek geliştiricilerin yaratıcılıklarını ortaya çıkarmalarını sağladı. Açık kaynak topluluğunun geleceğine ve barındırdığı inanılmaz yeniliklere kadeh kaldıralım!

Hugging Face bilgisayarla görü konuşmasının tamamını izle!