Porovnání frameworků počítačového učení

Bc. Vojtěch Dolenský

Bakalářská práce

Comparison of machine learning frameworks

Anotace:

Zaměřením práce jsou frameworky pro použití počítačového učení. Vybrané pro porovnání jsou Scikit Learn, XGBoost, Keras s Tensorflow a Pytorch s Fast.ai. Práce implementuje zmíněné nástroje do aplikace pro rozpoznávání objektů. Největší úspěšnosti dosáhly modely, ve kterých byla použita neuronová sít. Práce poukazuje na možnosti kombinace nástrojů a jejich další příklady využití. Uvádí počítačové učení, jeho historii a aktuální kontext. Následně se práce zaměří na hluboké učení s neuronovými sítěmi. Zkoumaným datovým souborem je CIFAR-10. Obsahuje 60 tisíc obrázků s objektem a aplikace klasifikuje do jaké z deseti tříd patří. Po sestavení jsou modely optimalizovány pomocí analyzačního nástroje Weights and Biases.Výsledkem je hotová aplikace, na které je porovnávána úspěšnost, rychlost, náročnost implementace a možnosti jednotlivých frameworků.

Abstract:

The focus of this thesis are frameworks for the use of computer learning. Selected for comparison are Scikit Learn, XGBoost, Keras with Tensorflow and Pytorch with Fast.ai. The work implements the mentioned tools into the application for object recognition. The models in which the neural networks was used achieved the greatest success. The work points out the possibilities of combining tools and their other examples of use. It features computer learning, its history, and current context. Subsequently, the work will focus on deep learning with neural networks. The investigated dataset is CIFAR-10. It contains 60,000 images with an object and the application classifies which of the ten classes it belongs to. Once built, the models are optimized using the analysis tool Weights and Biases. The result is a ready-made application, which compares the success, speed, complexity of implementation and the capabilities of individual frameworks.

Klíčová slova

počítačové učení, frameworky, počítačové vidění, neuronové sítě, hluboké učení, neuron

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 6. 5. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 20. 5. 2022
• Vedoucí: Ing. Michal Dobrovolný
• Oponent: Ing. Karel Mls, Ph.D.

Univerzita Hradec Králové

Fakulta informatiky a managementu

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika