ডায়নামিক কম্পিউটেশনাল গ্রাফ কী?


19

টেনসরফ্লো ভাঁজ করে পাইটর্চ এবং টেনসরফ্লোর মতো ফ্রেমওয়ার্ক সমর্থন ডাইনামিক কম্প্যুটেশনাল গ্রাফ এবং তথ্য বিজ্ঞানীদের থেকে মনোযোগ পাচ্ছেন।

তবে ডায়নামিক কম্পিউটেশনাল গ্রাফগুলি বুঝতে সহায়তা করার জন্য সংস্থানগুলির অভাব রয়েছে বলে মনে হয়।

ডায়নামিক কম্পিউটেশনাল গ্রাফগুলির সুবিধাটি ইনপুট ডেটাতে বিভিন্ন পরিমাণের সাথে খাপ খাইয়ে নেওয়ার ক্ষমতা অন্তর্ভুক্ত বলে মনে হয়। দেখে মনে হচ্ছে প্রশিক্ষণের সময় প্রতিটি ইনপুট সেট উদাহরণের উপর নির্ভর করে স্তরগুলির সংখ্যা, প্রতিটি স্তরের নিউরনের সংখ্যা, অ্যাক্টিভেশন ফাংশন এবং অন্যান্য এনএন প্যারামিটারের স্বয়ংক্রিয় নির্বাচন থাকতে পারে। এটি কি নির্ভুল বৈশিষ্ট্য?

স্ট্যাটিক মডেলগুলির চেয়ে গতিশীল মডেলের সুবিধা কী কী? এ কারণেই কি ডিসিজিরা বেশি মনোযোগ পাচ্ছে? সারসংক্ষেপে, ডিসিজিগুলি কী এবং কী কী উপকারিতা এবং ব্যবহারগুলি ব্যবহার করে?

উত্তর:


8

দুটি সংক্ষিপ্ত উত্তর

তাত্ত্বিক দৃষ্টিকোণ থেকে সংক্ষিপ্ত উত্তরটি হ'ল ...

ডায়নামিক কম্পিউটেশনাল গ্রাফ অপারেশনগুলির মধ্যে ডেটা প্রবাহের নির্দেশিত গ্রাফ হিসাবে প্রতিনিধিত্ব করা এমন একটি মিউটেবল সিস্টেম। এটি তীর দ্বারা সংযুক্ত পাঠ্যযুক্ত আকারগুলির আকার হিসাবে ভিজ্যুয়ালাইজ করা যেতে পারে, যার দ্বারা শীর্ষক (আকারগুলি) প্রান্তগুলি (তীর) বরাবর প্রবাহিত ডেটার ক্রিয়াকলাপকে প্রতিনিধিত্ব করে।

নোট করুন যে এ জাতীয় গ্রাফ তথ্য প্রবাহের উপর নির্ভরশীলতা সংজ্ঞায়িত করে তবে অপারেশনগুলির প্রয়োগের সাময়িক ক্রমটি অগত্যা নয়, যা অস্থায়ী নজির নির্দিষ্টকরণের জন্য কোনও অতিরিক্ত ব্যবস্থা ছাড়াই গ্রাফের শীর্ষে বা চক্রগুলিতে রাষ্ট্রের ধারণের ক্ষেত্রে অস্পষ্ট হয়ে উঠতে পারে।

অ্যাপ্লিকেশন বিকাশের দৃষ্টিকোণ থেকে সংক্ষিপ্ত উত্তরটি হ'ল ...

একটি ডায়নামিক কম্পিউটেশনাল গ্রাফ ফ্রেমওয়ার্ক হ'ল লাইব্রেরি, ইন্টারফেস এবং উপাদানগুলির একটি ব্যবস্থা যা একটি নমনীয়, প্রোগ্রাম্যাটিক, রান টাইম ইন্টারফেস সরবরাহ করে যা একটি সীমাবদ্ধ তবে সম্ভবত অপসারণযোগ্য ক্রিয়াকলাপ সংযোগের মাধ্যমে সিস্টেমগুলির নির্মাণ ও পরিবর্তনকে সহায়তা করে।

পাইটর্চ ফ্রেমওয়ার্ক

পাইথর্চ হল পাইথন ভাষা এবং ডেটা স্ট্রাকচারিংয়ের সাথে মশাল কাঠামোর একীকরণ। মশাল থিয়ানো, টেনসরফ্লো এবং অন্যান্য গতিশীল গণনার সিস্টেম নির্মাণ কাঠামোগুলির সাথে প্রতিযোগিতা করে।


---   বোঝার অতিরিক্ত পন্থা   ---

স্বেচ্ছাসেবক ছদ্মবেশী টেনজারগুলির সালিশী গণনার কাঠামো

একটি কম্পিউটেশনাল সিস্টেম তৈরিতে যে উপাদান ব্যবহার করা যেতে পারে তার মধ্যে একটি হ'ল একটি উপাদান যা নিউরাল নেটওয়ার্ক তৈরির জন্য পরস্পর সংযুক্ত হওয়ার জন্য ডিজাইন করা হয়েছে। এগুলির প্রাপ্যতা নিবিড় নেটওয়ার্কগুলি গভীর গভীর শেখার এবং পিছনে প্রচারকে সহায়তা করে। যথেচ্ছ সংজ্ঞায়িত গণ্য কাঠামোয় সম্ভাব্য বহুমাত্রিক তথ্য নিয়ে কাজ করে এমন উপাদানগুলির সমাবেশের সাথে জড়িত বিভিন্ন সিস্টেমের বিভিন্ন ধরণেরও নির্মিত যেতে পারে।

ডেটা স্কেলারের মান হতে পারে যেমন ভাসমান, ম্যাট্রিক্স, কিউব বা হাইপার-কিউব হিসাবে ভাসমান পয়েন্ট সংখ্যা, পূর্ণসংখ্যা বা স্ট্রিং বা এগুলির অর্থোগোনাল সমষ্টি। এই ডেটা ফর্মগুলির সাধারণীকরণের ক্রিয়াকলাপগুলি হ'ল বিযুক্ত টেনেসর এবং টেনসর অপারেশন অ্যাসেম্বলি থেকে কার্যকারী সিস্টেমে তৈরি কাঠামোগুলি হ'ল ডেটা প্রবাহ।

গতিশীল গণনা ধারণাটি বোঝার জন্য রেফারেন্সের পয়েন্টগুলি

শব্দটি তুলনামূলকভাবে নতুন হওয়া সত্ত্বেও ডায়নামিক কম্পিউটেশনাল গ্রাফগুলি বিশেষত নতুন ধারণা নয়। কম্পিউটার বিজ্ঞানীদের মধ্যে ডিসি-জি-তে আগ্রহ ডেটা সায়েন্টিস্ট শব্দটির মতো নতুন নয়। তবুও, প্রশ্নটি সঠিকভাবে বলেছে যে কয়েকটি সংখ্যক লিখিত সম্পদ উপলব্ধ রয়েছে (কোড উদাহরণ ব্যতীত) যেখান থেকে কেউ তাদের উত্থান এবং ব্যবহারকে ঘিরে সামগ্রিক ধারণাটি শিখতে পারে।

ডিসিজিগুলি বুঝতে শুরু করার জন্য একটি সম্ভাব্য বিন্দু হ'ল কমান্ড ডিজাইন প্যাটার্ন যা অবজেক্ট অরিয়েন্টেড ডিজাইনের সমর্থকদের দ্বারা জনপ্রিয় অনেকগুলি নকশার ধরণগুলির মধ্যে একটি। কমান্ড ডিজাইন প্যাটার্ন অপারেশনগুলিকে গণনা ইউনিট হিসাবে বিবেচনা করে যা সেগুলি বিবরণ করে এমন কমান্ড বস্তুগুলি থেকে গোপন রয়েছে। কমান্ড ডিজাইন প্যাটার্নটি প্রায়শই ইন্টারপ্রেটার ডিজাইন প্যাটার্নের সাথে একত্রে ব্যবহৃত হয়।

ডিসি-জি-র ক্ষেত্রে, সংমিশ্রণ এবং মুখোমুখি নকশার ধরণগুলি সংজ্ঞায়িত প্লাগ-ও-প্লে বিচ্ছিন্ন টেনসর অপারেশনগুলির সুবিধার্থে জড়িত রয়েছে যা সিস্টেম গঠনের জন্য নিদর্শনগুলিতে একত্রিত হতে পারে।

সিস্টেম গঠনে নকশার নিদর্শনগুলির এই বিশেষ সংমিশ্রণটি আসলে একটি সফ্টওয়্যার বিমূর্ততা যা মূলত মূলগত ধারণাটির সাথে সাদৃশ্যপূর্ণ যা আজকের বেশিরভাগ কম্পিউটারের কেন্দ্রবিন্দু ভন নিউম্যান আর্কিটেকচারের উত্থানের দিকে পরিচালিত করে। কম্পিউটারের উত্থানের ক্ষেত্রে ভন নিউমানের অবদান হ'ল বুলিয়ান যুক্তি, পাটিগণিত, এবং শাখা-প্রশাখাকে বিশিষ্ট আলগোরিদিমগুলিকে ডেটা হিসাবে উপস্থাপন এবং সংরক্ষণের জন্য অনুমতি দেওয়ার ধারণা - একটি প্রোগ্রাম।

ডিসিজিগুলির আরেকটি অগ্রদূত হ'ল এক্সপ্রেশন ইঞ্জিন। এক্সপ্রেশন ইঞ্জিনগুলি গাণিতিক ইঞ্জিনগুলির মতো সহজ এবং ম্যাথমেটিকার মতো অ্যাপ্লিকেশনগুলির মতো জটিল হতে পারে। কোনও বিধি ইঞ্জিন হ'ল ডিসি-জি-এর মতো, নিয়ম ইঞ্জিনগুলি ঘোষণামূলক এবং নিয়ম ইঞ্জিনগুলির মেটা-বিধিগুলি সেই ঘোষণাগুলিতে পরিচালিত হয়।

প্রোগ্রাম ম্যানিপুলেটিং প্রোগ্রামসমূহ

এর সাথে ডিসিজিগুলির মধ্যে কী মিল রয়েছে তা হ'ল ডেটা প্রবাহ এবং প্রয়োগের জন্য অপারেশনগুলি রান সময়ে সংজ্ঞায়িত করা যায়। ডিসি-জি-র মতো, এর মধ্যে কয়েকটি সফ্টওয়্যার লাইব্রেরি এবং অ্যাপ্লিকেশনগুলিতে কার্যকরী বিশদগুলিতে প্রয়োগের অনুমতি দেওয়ার জন্য এপিআই বা অন্যান্য প্রক্রিয়া রয়েছে s এটি মূলত কোনও প্রোগ্রামের অন্য প্রোগ্রামের কারসাজির অনুমতি দেওয়ার ধারণা।

আদিম স্তরে এই নীতিটি বোঝার জন্য আরেকটি রেফারেন্স পয়েন্ট হ'ল কিছু কম্পিউটার ভাষায় স্যুইচ-কেস স্টেটমেন্ট। এটি একটি উত্স কোড কাঠামো, যার মাধ্যমে প্রোগ্রামারটি মূলত প্রকাশ করে, "আমরা কী করতে হবে তা নিশ্চিত নই, তবে এই ভেরিয়েবলের মান সম্ভাব্যতার সেট থেকে কী করতে হবে তা রিয়েল টাইম এক্সিকিউশন মডেলকে জানিয়ে দেবে।"

স্যুইচ-কেস স্টেটমেন্টটি একটি বিমূর্ততা যা গণনার দিকনির্দেশনা সম্পর্কে সিদ্ধান্তকে পিছনের সময় পর্যন্ত প্রসারিত করে। এটি একটি সমসাময়িক সিপিইউর নিয়ন্ত্রণ ইউনিটের ভিতরে কী করা হয় তার কিছু সফ্টওয়্যার সংস্করণ এবং কিছু অ্যালগরিদমের বিবরণ পিছিয়ে দেওয়ার ধারণার বর্ধন। সিতে ফ্যাক্টরগুলির একটি ফাংশন (ফাংশন পয়েন্টার) বা সি ++, জাভা, বা পাইথনে পলিমারফিজম অন্যান্য প্রাথমিক উদাহরণ।

গতিশীল গণনা বিমূর্তনটি আরও এগিয়ে নিয়ে যায়। তারা সর্বাধিক পিছনে পিছনে গণনা নির্দিষ্টকরণ এবং সময় চালানোর মধ্যে তাদের মধ্যে সম্পর্কের সব না। এই বিস্তৃত সাধারণীকরণ চলমান সময়ে কার্যকরী পরিবর্তনের সম্ভাবনাগুলি প্রশস্ত করে।

নির্দেশিত গ্রাফ গণনার প্রতিনিধিত্ব

ডায়নামিক কম্পিউটেশনাল মডেল এটাই। এখন গ্রাফ অংশের জন্য।

একবার রান করার সময় অবধি অপারেশনগুলির পছন্দ স্থগিত করার সিদ্ধান্ত নিলে অপারেশনগুলি, তাদের নির্ভরতার সম্পর্কগুলি এবং সম্ভবত ম্যাপিংয়ের পরামিতিগুলি ধরে রাখার জন্য একটি কাঠামো প্রয়োজন। এই জাতীয় প্রতিনিধিত্ব একটি সিনট্যাকটিক গাছের চেয়ে বেশি (যেমন একটি উত্স কোডের শ্রেণিবিন্যাসকে উপস্থাপন করে এমন একটি গাছ)। অ্যাসেম্বলি ভাষার প্রোগ্রাম বা মেশিন কোডের বিপরীতে, এটি অবশ্যই সহজে এবং নির্বিচারে পরিবর্তনীয় হতে হবে। এতে অবশ্যই ডেটা ফ্লো গ্রাফের চেয়ে বেশি তথ্য এবং মেমরির মানচিত্রের চেয়ে অনেক বেশি কিছু থাকতে হবে। গণ্য কাঠামো নির্দিষ্ট করে এমন ডেটা স্ট্রাকচারটি দেখতে কেমন হবে?

ভাগ্যক্রমে যে কোনও নির্বিচারে, সসীম, সীমাবদ্ধ অ্যালগরিদম নির্দিষ্ট ক্রিয়াকলাপগুলির মধ্যে নির্ভরতার একটি নির্দেশিত গ্রাফ হিসাবে উপস্থাপন করা যেতে পারে। এই জাতীয় গ্রাফটিতে, শীর্ষগুলি (প্রায়শই বিভিন্ন আকারের নোড হিসাবে প্রদর্শিত হয় যখন প্রদর্শিত হয়) তথ্য এবং প্রান্তগুলি প্রদর্শিত হয় (প্রায়শই প্রদর্শিত হয় তীর হিসাবে প্রদর্শিত হয়) কিছু অপারেশন (বা সিস্টেম ইনপুট) থেকে উদ্ভূত তথ্যের ডিজিটাল উপস্থাপনা হয় এবং যার উপর অন্যান্য ক্রিয়াকলাপ (বা সিস্টেম আউটপুট) নির্ভর করে।

মনে রাখবেন যে নির্দেশিত গ্রাফটি কোনও একটি অ্যালগরিদম নয় (যার মধ্যে ক্রিয়াকলাপের একটি সুনির্দিষ্ট অনুক্রম নির্দিষ্ট করা আছে) বা একটি ঘোষণাপত্র (সেই ডেটাতে স্পষ্টভাবে সংরক্ষণ করা যেতে পারে এবং লুপ, শাখা, ফাংশন এবং মডিউলগুলি সংজ্ঞায়িত এবং নেস্টেড হতে পারে)।

এগুলির বেশিরভাগ ডায়নামিক কম্পিউটেশনাল গ্রাফ ফ্রেমওয়ার্ক এবং গ্রন্থাগারগুলি উপাদানগুলি ইনপুটটিতে মেশিন লার্নিং সমর্থন করে এমনগুলি কম্পিউটারের জন্য অনুমতি দেয়। নির্দেশিত গ্রাফের ভার্টিসগুলি নিউরাল নেট বা উপাদানগুলি ডিফারেনশিয়াল ক্যালকুলাসকে সমর্থন করার জন্য নিউরনের সিমুলেশন হতে পারে। এই ফ্রেমওয়ার্কগুলি আরও সাধারণীকরণের অর্থে গভীর শিক্ষার জন্য ব্যবহার করা যেতে পারে এমন নির্মাণের সম্ভাবনাগুলি উপস্থাপন করে।

কম্পিউটার ইতিহাসের প্রসঙ্গে

আবার, এখনও পর্যন্ত উল্লিখিত কিছুই কম্পিউটার বিজ্ঞানে নতুন নয়। এলআইএসপি অন্যান্য অ্যালগরিদমে সংশোধন করার জন্য গণ্য স্কিম্যাটিক্সের অনুমতি দেয়। এবং সাধারণীকরণের ইনপুট ডাইমেনিয়ালিটি এবং সংখ্যাটি বহুসংখ্যক দীর্ঘস্থায়ী প্লাগ-ও-প্লে ইন্টারফেস এবং প্রোটোকলগুলিতে অন্তর্নির্মিত। শেখার জন্য কাঠামোর ধারণাটি একই বিংশ শতাব্দীর সময়কালেরও শেষ।

যা নতুন এবং জনপ্রিয়তা অর্জন করছে তা হ'ল সংহত বৈশিষ্ট্যগুলির একটি নির্দিষ্ট সংমিশ্রণ এবং সংযুক্ত পরিভাষার সংকলন, বৈশিষ্ট্যগুলির প্রতিটিটির জন্য বিদ্যমান পরিভাষার সংমিশ্রণ, যা ইতিমধ্যে সফ্টওয়্যার শিল্পের জন্য অধ্যয়নরত এবং কাজ করছে তাদের দ্বারা বোঝার জন্য একটি বিস্তৃত ভিত্তিতে নেতৃত্ব দেয় ।

  • এপিআই ইন্টারফেসের সমসাময়িক (ট্রেন্ডি) স্বাদ
  • অবজেক্ট ওরিয়েন্টেশন
  • স্বতন্ত্র টেনসর সমর্থন
  • নির্দেশিত গ্রাফ বিমূর্তি
  • বড় বড় ডেটা, ডেটা মাইনিং, মেশিন লার্নিং এবং পরিসংখ্যান বিশ্লেষণকে সমর্থন করে এমন জনপ্রিয় ভাষা এবং প্যাকেজগুলির সাথে আন্তঃক্ষমতা rab
  • স্বেচ্ছাসেবী এবং নিয়মতান্ত্রিক নিউরাল নেটওয়ার্ক নির্মাণের জন্য সমর্থন
  • গতিশীল নিউরাল নেটওয়ার্ক কাঠামোগত অভিযোজন সম্ভাবনা (যা স্নায়ু প্লাস্টিকের উপর পরীক্ষার সুবিধার্থে)

এই ফ্রেমওয়ার্কগুলির অনেকগুলি ইনপুট ডাইমেনিয়ালিটি (মাত্রার সংখ্যা এবং প্রত্যেকটির ব্যাপ্তি) পরিবর্তনের সাথে অভিযোজিতাকে সমর্থন করে।

সংকলকগুলিতে বিমূর্ত প্রতীক গাছের সাথে মিল

অ্যাবস্ট্রাক্ট সিম্বল ট্রি (এএসটি) এর মধ্যে ইনপুট এবং অপারেশনগুলির আউটপুটগুলির নির্ভরতা গ্রাফটি উপস্থিত হয় যা উত্স কোড কাঠামোর ব্যাখ্যার সময় আরও কিছু প্রগতিশীল সংকলক তৈরি করেন। এরপরে এএসটি গ্রন্থাগারের সাথে সংযোগ স্থাপন এবং কার্যকর করার জন্য গঠনের প্রক্রিয়াতে এসেম্বলারের নির্দেশাবলী বা মেশিনের নির্দেশাবলী তৈরি করতে ব্যবহৃত হয়। এএসটি হ'ল একটি নির্দেশিত গ্রাফ যা ডেটা কাঠামো, কার্য সম্পাদন এবং উত্স কোড দ্বারা নির্দিষ্ট করা নিয়ন্ত্রণ প্রবাহকে উপস্থাপন করে।

ডেটা প্রবাহটি কেবল অপারেশনগুলির মধ্যে নির্ভরতার সেট, যা এসিএসব্লার বা মেশিন কোডে কার্যকরভাবে নির্দেশিকা তৈরি করতে ব্যবহৃত হতে পারে এটি উত্স কোডে নির্দিষ্ট অ্যালগরিদমকে যথাযথভাবে অনুসরণ করে the

ডায়নামিক কম্পিউটেশনাল গ্রাফ ফ্রেমওয়ার্কগুলি, সংকলকগুলিতে স্যুইচ-কেস স্টেটমেন্ট বা এএসটি মডেলের বিপরীতে রিয়েল টাইমে ম্যানিপুলেটেড, অনুকূলিত, সুরযুক্ত (প্লাস্টিক কৃত্রিম জালের ক্ষেত্রে), উল্টানো, টেনারদের দ্বারা রূপান্তরিত, ডেসিমেটেড, সংযুক্ত বা অপসারণের জন্য সংশোধিত এনট্রপি, নিয়মের একটি সেট অনুসারে রূপান্তরিত বা অন্যথায় ডেরাইভেটিভ ফর্মগুলিতে অনুবাদ করা। এগুলি ফাইল বা স্ট্রিম হিসাবে সংরক্ষণ করা যায় এবং সেগুলি থেকে পুনরুদ্ধার করা যায়।

এটি এলআইএসপি প্রোগ্রামারদের বা যারা জন ভন নিউম্যানের অপারেশনাল স্পেসিফিকেশনগুলিকে ডেটা হিসাবে সংরক্ষণ করার প্রস্তাবনাটির প্রকৃতি বোঝে তাদের জন্য এটি একটি তুচ্ছ ধারণা। এই পরবর্তী অর্থে, একটি প্রোগ্রাম একটি সংকলক এবং অপারেটিং সিস্টেমের মাধ্যমে, ভিএলএসআই ডিজিটাল সার্কিট্রিতে প্রয়োগ করা একটি গতিশীল কম্পিউটিং সিস্টেমের মাধ্যমে নির্দেশ দেওয়ার জন্য একটি ডেটা স্ট্রিম।

অভিযোজিত মাত্রা এবং সংখ্যার অর্জন

প্রশ্নে একটি মন্তব্যটি হ'ল না যে, "ডেটা সেট থাকা দরকার - এটির মধ্যে থাকা সমস্ত দৃষ্টান্তের একই, স্থির সংখ্যার ইনপুট থাকে" " এই বিবৃতি সঠিক বোঝার প্রচার করে না। ইনপুট অভিযোজনযোগ্যতা সম্পর্কে সত্য যা বলার আরও সুস্পষ্ট উপায় রয়েছে।

ডিসিজি এবং সামগ্রিক সিস্টেমের অন্যান্য উপাদানগুলির মধ্যে ইন্টারফেসটি অবশ্যই সংজ্ঞায়িত করা উচিত তবে এই ইন্টারফেসগুলির মধ্যে গতিশীল মাত্রা বা সংখ্যাসূচক আকার থাকতে পারে। এটি বিমূর্ততার বিষয়।

উদাহরণস্বরূপ, একটি বিচ্ছিন্ন টেনসর অবজেক্ট টাইপ একটি নির্দিষ্ট সফ্টওয়্যার ইন্টারফেস উপস্থাপন করে, তবুও একটি টেনসর একটি গতিশীল গাণিতিক ধারণা যার চারপাশে একটি সাধারণ ইন্টারফেস ব্যবহার করা যেতে পারে। একটি বিচ্ছিন্ন টেনসর একটি স্কেলার, ভেক্টর, একটি ম্যাট্রিক্স, কিউব, বা একটি হাইপার-কিউব হতে পারে এবং প্রতিটি মাত্রার জন্য নির্ভরশীল ভেরিয়েবলের ব্যাপ্তি হতে পারে।

এটি এমন পরিস্থিতিতে হতে পারে যে ডায়নামিক কম্পিউটেশনাল গ্রাফে সংজ্ঞায়িত সিস্টেমের একটি স্তরের নোডের পরিমাণ কোনও নির্দিষ্ট ধরণের ইনপুট সংখ্যার ফাংশন হতে পারে এবং এটিও সময় সঞ্চালনের জন্য পিছিয়ে যাওয়া একটি গণনা হতে পারে।

কাঠামোটি স্তর কাঠামোটি (আবার স্যুইচ-কেস দৃষ্টান্তের একটি এক্সটেনশন) নির্বাচন করতে বা কাঠামোর আকার এবং গভীরতা বা অ্যাক্টিভেশন নির্ধারণকারী পরামিতিগুলি গণনা করার জন্য প্রোগ্রাম করা যেতে পারে। তবে এই পরিশীলিত বৈশিষ্ট্যগুলি ডায়নামিক কম্পিউটেশনাল গ্রাফ ফ্রেমওয়ার্ক হিসাবে কাঠামোর যোগ্যতা অর্জন করে না।

ডায়নামিক কম্পিউটেশনাল গ্রাফগুলিকে সমর্থন করার জন্য একটি ফ্রেমওয়ার্ককে কী যোগ্যতা দেয়?

একটি ডায়নামিক কম্পিউটেশনাল গ্রাফ কাঠামো হিসাবে যোগ্যতা অর্জনের জন্য, কাঠামোটি কেবল সময় চালানোর জন্য অ্যালগরিদমের সংকল্পের পিছনে সমর্থন করতে হবে, অতএব চলমান সময় গণ্য নির্ভরতা এবং ডেটা প্রবাহের উপর অপারেশনগুলির আধিক্যের দ্বার উন্মুক্ত করে। বিলম্বিত অপারেশনগুলির মূল বিষয়গুলির মধ্যে অবশ্যই নির্দেশিকৃত গ্রাফগুলির স্পেসিফিকেশন, ম্যানিপুলেশন, এক্সিকিউশন এবং স্টোরেজ অন্তর্ভুক্ত থাকতে হবে যা অপারেশন সিস্টেমের প্রতিনিধিত্ব করে।

যদি অ্যালগরিদমের স্পেসিফিকেশন রান সময় পর্যন্ত স্থগিত না করা হয় তবে নির্দিষ্ট অপারেটিং সিস্টেমের জন্য নির্ধারিত এক্সিকিউটেবলের মধ্যে কেবল নিম্ন-স্তরের ভাষাগুলি যেমন-অন্যথায়, স্যুইচ-কেস, পলিমারফিজম, এর অ্যারেগুলি সরবরাহ করে তা সংকলন করা হয় ফান্টেক্টর এবং পরিবর্তনশীল দৈর্ঘ্যের স্ট্রিংগুলি এটি একটি স্ট্যাটিক অ্যালগরিদম হিসাবে বিবেচিত হয়।

যদি অপারেশনগুলি, তাদের মধ্যে নির্ভরতা, ডেটা প্রবাহ, প্রবাহের মধ্যে থাকা ডেটার মাত্রিকতা এবং সিস্টেমের ইনপুট সংখ্যাসূচকতা এবং মাত্রিকতার সাথে অভিযোজিততা একটি অত্যন্ত অভিযোজিত সিস্টেম তৈরির পথে চালিত সময়ে পরিবর্তনশীল হয়, তারপরে এইভাবে অ্যালগরিদম গতিশীল।

আবার, এলআইএসপি প্রোগ্রামগুলি পরিচালনা করে যা এলআইএসপি প্রোগ্রামগুলিতে কাজ করে, মেটা-রুল ক্ষমতা সহ বিধিবিধান ইঞ্জিন, এক্সপ্রেশন ইঞ্জিন, বিচ্ছিন্ন টেনসর অবজেক্ট লাইব্রেরি এবং এমনকি অপেক্ষাকৃত সাধারণ কমান্ড ডিজাইনের ধরণগুলি কিছুটা অর্থে গতিশীল, সময় চালানোর জন্য কিছু বৈশিষ্ট্যকে পিছনে ফেলে। গভীর শেখার পরীক্ষা-নিরীক্ষা এবং সিস্টেম বাস্তবায়নের জন্য একটি সমৃদ্ধ পরিবেশ তৈরি করার জন্য স্বেচ্ছাসেবী গণনা সংক্রান্ত কাঠামোকে সমর্থন করার জন্য ডিসিজিগুলি তাদের ক্ষমতাগুলিতে নমনীয় এবং ব্যাপক are

ডায়নামিক কম্পিউটেশনাল গ্রাফ কখন ব্যবহার করবেন

DCGs এর উপকারিতা এবং বিপরীতে সম্পূর্ণ সমস্যা নির্দিষ্ট। যদি আপনি উপরের বিভিন্ন গতিশীল প্রোগ্রামিং ধারণাগুলি এবং সম্পর্কিত সাহিত্যে তাদের সাথে ঘনিষ্ঠভাবে আবদ্ধ হতে পারে এমন অন্যান্যগুলি অনুসন্ধান করে থাকেন তবে আপনার ডায়নামিক কম্পিউটেশনাল গ্রাফের দরকার আছে কিনা তা সুস্পষ্ট হয়ে উঠবে।

সাধারণভাবে, আপনার যদি গভীর শেখার ব্যবস্থা, গাণিতিক ম্যানিপুলেশন সিস্টেম, অভিযোজক সিস্টেম, বা অন্যান্য নমনীয় এবং জটিল সফ্টওয়্যারটি ডিসিজি দৃষ্টান্তের জন্য মানচিত্রগুলি ভালভাবে তৈরি করার জন্য গণনার একটি স্বেচ্ছাসেবী এবং পরিবর্তনশীল মডেলটির প্রতিনিধিত্ব করার প্রয়োজন হয় তবে একটি প্রমাণ একটি ডায়নামিক কম্পিউটাটোনাল গ্রাফ ফ্রেমওয়ার্ক ব্যবহার করে ধারণাটি সমস্যার সমাধানের জন্য আপনার সফ্টওয়্যার আর্কিটেকচারকে সংজ্ঞায়িত করার জন্য প্রথম ধাপ।

সমস্ত লার্নিং সফ্টওয়্যার ডিসিজি ব্যবহার করে না, তবে তারা প্রায়শই একটি ভাল পছন্দ হয়, যখন একটি স্বেচ্ছাসেবী গণনা কাঠামোর নিয়মতান্ত্রিক এবং সম্ভবত ধারাবাহিকভাবে ম্যানিপুলেশন একটি রান সময়ের প্রয়োজন হয়।


" পাইটর্চ পাইথন ভাষার জন্য টর্চ কাঠামোর একীকরণ " - আমি মনে করি যে এই বিবৃতিটি ভুলভাবে ব্যাখ্যা করা যেতে পারে " পাইথর্চ পাইথন ভাষার জন্য টর্চ কাঠামোর জন্য একটি র‌্যাপার লাইব্রেরি ", এটি একটি মিথ্যা বক্তব্য হবে। আপনার সম্ভবত এটি পুনর্বিবেচনা করা উচিত।
nbro

" ডায়নামিক কম্পিউটেশনাল গ্রাফ ফ্রেমওয়ার্কগুলি সহ, সংকলকগুলিতে সুইচ-কেস স্টেটমেন্ট বা মধ্যবর্তী এএসটি মডেলের সাথে ভিন্ন, কেউ অপারেশনগুলি পরিচালনা করতে পারে " ... " তাদের অনুবাদ করুন " - "অনুবাদক অপারেশনগুলি" বলতে কী বোঝ?
nbro

1

সংক্ষেপে, গতিশীল গণনার গ্রাফগুলি এমন কিছু সমস্যা সমাধান করতে পারে যা স্থির ব্যক্তিরা করতে পারে না বা ব্যাচে প্রশিক্ষণের অনুমতি না দেওয়ার কারণে অদক্ষ।

আরও সুনির্দিষ্টভাবে বলতে গেলে, আধুনিক নিউরাল নেটওয়ার্ক প্রশিক্ষণ সাধারণত ব্যাচগুলিতে করা হয় , অর্থাত্ একবারে একাধিক ডেটা উদাহরণ প্রক্রিয়া করা। কিছু গবেষক 32, 128 এর মতো ব্যাচের আকার চয়ন করেন আবার কেউ কেউ 10,000 এর চেয়ে বেশি ব্যাচের আকার ব্যবহার করে। সিঙ্গেল-উদাহরণ প্রশিক্ষণ সাধারণত খুব ধীর হয় কারণ এটি হার্ডওয়্যার সমান্তরালতা থেকে উপকৃত হতে পারে না।

উদাহরণস্বরূপ, প্রাকৃতিক ভাষা প্রক্রিয়াকরণে গবেষকরা বিভিন্ন দৈর্ঘ্যের বাক্য সহ নিউরাল নেটওয়ার্কগুলি প্রশিক্ষণ দিতে চান। স্থির গণনার গ্রাফ ব্যবহার করে, তাদের সাধারণত প্যাডিং করতে হবে , অর্থাত্ একই দৈর্ঘ্যের সমস্ত বাক্য তৈরি করতে ছোট বাক্যগুলির শুরু বা শেষের দিকে অর্থহীন চিহ্নগুলি যুক্ত করতে হবে। এই ক্রিয়াকলাপটি প্রশিক্ষণকে অনেক জটিল করে তোলে (উদাহরণস্বরূপ, মাস্কিং প্রয়োজন, মূল্যায়ন মেট্রিকগুলি পুনরায় সংজ্ঞায়িত করা উচিত, pad প্যাডযুক্ত চিহ্নগুলিতে উল্লেখযোগ্য পরিমাণে গণনার সময় নষ্ট করা উচিত)। একটি গতিশীল গণনা গ্রাফ সহ, প্যাডিংয়ের আর প্রয়োজন নেই (বা প্রতিটি ব্যাচের মধ্যে কেবল প্রয়োজন)।

আরও জটিল উদাহরণ হ'ল (এর জন্য নিউরাল নেটওয়ার্ক ব্যবহার করুন) এর পার্সিং গাছের উপর ভিত্তি করে বাক্যগুলি প্রক্রিয়া করা। যেহেতু প্রতিটি বাক্যটির নিজস্ব পার্সিং ট্রি রয়েছে তাই তাদের প্রত্যেকের জন্য আলাদা আলাদা গণনা গ্রাফ প্রয়োজন, যার অর্থ একটি স্ট্যাটিক গণনা গ্রাফের সাথে প্রশিক্ষণ কেবলমাত্র একক-উদাহরণ প্রশিক্ষণের অনুমতি দিতে পারে। এর অনুরূপ উদাহরণ রিকারসিভ নিউরাল নেটওয়ার্কসমূহ


0

অনেক গভীর নিউরাল নেটওয়ার্কগুলির একটি স্ট্যাটিক ডেটা-প্রবাহ গ্রাফ থাকে, যার অর্থ প্রায়শই এর অর্থ হ'ল এর গণনার কাঠামো (এর গণনা গ্রাফ) বিভিন্ন ইনপুটগুলির তুলনায় স্থিতিশীল থাকে। এটি দুর্দান্ত কারণ আমরা এই বৈশিষ্ট্যটি পারফরম্যান্সের জন্য যেমন মিনি-ব্যাচিংয়ের মাধ্যমে (একবারে ইনপুটগুলির একগুচ্ছ প্রক্রিয়াজাতকরণ) করতে পারি।

তবে কিছু নিউরাল নেটওয়ার্ক প্রতিটি ইনপুট জন্য পৃথক গণনা গ্রাফ থাকতে পারে। এটি কিছু সমস্যা সৃষ্টি করে (ব্যাচিংয়ের অসুবিধা, গ্রাফ নির্মাণ গণনাগতভাবে ব্যয়বহুল) এবং তাই এই নেটওয়ার্কগুলি ব্যবহার করা কিছুটা শক্ত।

আপনার লিঙ্ক করা কাগজটি এমন কোনও পদ্ধতির প্রস্তাব দিয়ে এই সমস্যাটি কাটিয়ে উঠেছে যা একের মধ্যে কয়েকটি গণনার গ্রাফ ব্যাচ করতে পারে। তারপরে, আমরা আমাদের সাধারণ এনএন কৌশলগুলি করতে পারি।

উপকারিতা হ'ল স্পিডআপস, যা গবেষকদের বিভিন্ন কাঠামো অন্বেষণ করতে উত্সাহ দেয় এবং আমার ধারণা আরও সৃজনশীল হতে পারে।

ডায়নামিক কম্পিউটেশনাল গ্রাফগুলির সুবিধাটি ইনপুট ডেটাতে বিভিন্ন পরিমাণের সাথে খাপ খাইয়ে নেওয়ার ক্ষমতা অন্তর্ভুক্ত বলে মনে হয়। দেখে মনে হচ্ছে প্রশিক্ষণের সময় প্রতিটি ইনপুট সেট উদাহরণের উপর নির্ভর করে স্তরগুলির সংখ্যা, প্রতিটি স্তরের নিউরনের সংখ্যা, অ্যাক্টিভেশন ফাংশন এবং অন্যান্য এনএন প্যারামিটারের স্বয়ংক্রিয় নির্বাচন থাকতে পারে। এটি কি নির্ভুল বৈশিষ্ট্য?

এটি ভুল।


0

ডায়নামিক কম্পিউটেশনাল গ্রাফগুলি কেবলমাত্র উচ্চ স্তরের বিমূর্ততার সাথে সিজি পরিবর্তন করা হয়। ডায়নামিক শব্দটি এটির সমস্ত ব্যাখ্যা করে: গ্রাফের মাধ্যমে ডেটা কীভাবে প্রবাহিত হয় তা ইনপুট কাঠামোর উপর নির্ভর করে, অর্থাত্ ডিসিজি কাঠামোটি পরিবর্তনীয় এবং স্থির নয়। এর একটি গুরুত্বপূর্ণ অ্যাপ্লিকেশন হ'ল এনএলপি নিউরাল নেটওয়ার্কগুলিতে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.