Hugging Face'in Transformer'larıyla açık kaynaklı bilgisayarlı görüye güç katmak

YOLO VISION 2023 (YV23) etkinliğinden öne çıkanları keşfetmeye devam ederken, verimli dil uygulaması geliştirme için önceden eğitilmiş modellere sahip önde gelen NLP platformu Hugging Face'te Geliştirici Savunuculuğu Mühendisi olan Merve Noyan ile tanışalım. Merve, konuşmasında açık kaynaklı bilgisayarlı görü dünyasına dair inanılmaz içgörüler paylaştı.

Seni transfer öğrenmenin, transformer'ların ve açık kaynaklı bilgisayarlı görü ekosisteminin büyüleyici evreninde bir yolculuğa çıkaralım.

Transfer öğrenmeye giriş: Kısa bir özet#

Merve, bilgiyi bir sinir ağından diğerine aktarmamızı sağlayan sihirli değnek transfer öğrenmeye kısa bir girişle başladı. Bir modeli kenarlar ve köşeler gibi evrensel özellikler üzerinde eğittiğini ve ardından belirli görevler için ince ayar yaptığını düşün. Transfer öğrenmenin özü budur; veri bağımlılığını azaltır ve doğruluğu artırır.

Merve, klasik ResNet ve Inception gibi evrişimsel omurgaları öne çıkararak ilerideki dönüştürücü yolculuğun zeminini hazırladı.

Transformer'lar sahneye çıkıyor: Bir bilmece açığa çıkıyor#

Transformer'ları özel kılan nedir? Merve, geleneksel evrişim tabanlı modellerden nasıl farklı olduklarını bir bilmeceyle örneklendirdi. İşin sırrı, etiketli verilere ihtiyaç duymadan özellikleri yakalayarak kendi kendine denetimli öğrenme gerçekleştirebilmelerinde yatıyor. Vision Transformer, Data Efficient Transformer, CLIP ve Swin Transformer, tanıttığı transformer tabanlı modeller arasındaki yıldızlardan bazılarıydı.

Nesne tespiti için tasarlanmış bir transformer modeline destek sağlayan Ultralytics ile ortak bir zemin oluşturalım. Bu model; etkili bir hibrit kodlayıcıya, IOU farkındalıklı sorgu seçimine ve ayarlanabilir çıkarım hızına sahip. Özellikle, diğer Ultralytics YOLOv8 modellerinin tanıdık yapısını izleyerek tahmin, eğitim, doğrulama ve dışa aktarma seçenekleri sunuyor.

İhtiyacın olan her şey tek yerde#

Merve daha sonra Hugging Face'in sunduğu hazineye, klasik bilgisayarlı görü görevleri için 8.000'den fazla ve çok modlu uygulamalar için 10.000 modelle yakından baktı. Hugging Face Hub, 3.000'den fazla veri kümesiyle geliştiriciler ve meraklılar için bir oyun alanı sunuyor. Merve, Hugging Face'in çeşitli kullanım alanları için kullanıma hazır modeller sunan tutarlı API'si sayesinde sorunsuz bir deneyim sağlandığını vurguladı.

Hugging Face ile uygulamalı sihir#

Konuşma, modellerle ne kadar kolay çalışılabildiğini gösteren uygulamalı demolarla devam etti. Model ve işlemcileri örneklemeden Trainer API ile ince ayar yapmaya kadar Merve, Hugging Face Transformers kütüphanesinin geliştiricilerin en iyi dostu olduğunu açıkça ortaya koydu. Ayrıca kullanıcıların iş akışını basitleştiren ve kişisel favorisi olan Pipeline API'yi de tanıttı.

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

Uygulamalara kısa bir bakış#

Merve, konuşmasını görsel soru yanıtlama için Plot modeli, görüntü açıklaması oluşturma için Blip ve görüntü segmentasyonu için güçlü Segment Anything modeli dahil olmak üzere bazı harika uygulamalara kısa bir bakışla tamamladı. Hugging Face Ekosistemi'nin Pipeline API'si öne çıkarak teknik ayrıntılara derinlemesine girmeden modelleri kullanmayı çocuk oyuncağı hâline getirdi.

Sunumun en güzel kısmı, Merve'in yapay zekâ dünyasına eğlenceli bir dokunuş katan ve büyüleyici bir deneyim sunan Elysian Diffusion ile optik yanılsamalar oluşturmayı göstermesiydi.

Özetle!#

Sonuç olarak Merve'in konuşması bize ilham verdi ve açık kaynaklı bilgisayarlı görünün sonsuz olanaklarını keşfetme isteği uyandırdı. Hugging Face, yapay zekâyı gerçekten erişilebilir, eğlenceli ve heyecan verici hâle getirerek geliştiricilerin yaratıcılıklarını ortaya çıkarmalarını sağladı. Açık kaynak topluluğunun geleceğine ve barındırdığı inanılmaz yeniliklere!

Hugging Face bilgisayarlı görü konuşmasının tamamını izle!