لخّصلي

خدمة تلخيص النصوص العربية أونلاين،قم بتلخيص نصوصك بضغطة واحدة من خلال هذه الخدمة

نتيجة التلخيص (50%)

Dans cette sous-section, nous expliquons l'utilisation d'une caméra de smartphone haute résolution pour identifier et classer les informations sur les oiseaux sur la base de l'apprentissage en profondeur. Pour compléter la tâche de recherche sémantique des oiseaux, nous avons établi une architecture client-serveur pour combler le fossé de communication entre le cloud et l'appareil mobile sur un réseau. Par la suite, un modèle d'inférence TF a été développé dans le poste de travail pour un déploiement dans le smartphone. Côté poste de travail/serveur, les segments suivants ont été pris en compte.

L'architecture CNN a été formée pour charger les données d'entrée brutes des images d'oiseaux à l'aide de Keras rappels avec les paramètres prédéfinis au format TF pour s'adapter au modèle d'inférence. Après la formation du modèle, les paramètres de tous les événements de session enregistrés de la progression du modèle à chaque époque ont été enregistrés sous forme de fichier de point de contrôle TF . Avant que le modèle formé ne soit figé, un objet économiseur a été créé pour la session, et les points de contrôle, le nom du modèle, le chemin du modèle et les couches de paramètres d'entrée-sortie du modèle ont été définis. Toutes les autres affectations de métadonnées explicites qui n'étaient pas nécessaires pour l'inférence client-serveur, telles que les répertoires GPU sur les nœuds de graphe ou les chemins de graphe, ont été supprimées.

Enfin, le modèle entraîné a été gelé en convertissant tous les paramètres variables du fichier de points de contrôle en constantes . Par la suite, les deux fichiers ont été sérialisés en un seul fichier en tant que ProtoBuf graph_def. Le graphe gelé en tant que ProtoBuf graph_def peut être optimisé, si nécessaire, pour l'inférence de faisabilité. Le graph_def ProtoBuf enregistré a été rechargé et réenregistré dans une valeur de chaîne sérialisée.



Une fois le modèle formé et enregistré pour l'inférence mobile sur le poste de travail, nous avons créé une application Android pour copier et configurer les fichiers d'inférence TF. La reconnaissance des oiseaux peut être exécutée via une inférence basée sur le cloud et l'appareil. Dans cette approche de l'inférence d'apprentissage en profondeur sur un appareil mobile, les paramètres du modèle formé sont chargés dans l'application mobile, et les calculs sont effectués localement sur l'appareil pour prédire la sortie d'image. En raison des avantages susmentionnés, l'inférence basée sur le cloud a été utilisée pour exécuter la reconnaissance d'images d'oiseaux.


النص الأصلي

Dans cette sous-section, nous expliquons l'utilisation d'une caméra de smartphone haute résolution pour identifier et classer les informations sur les oiseaux sur la base de l'apprentissage en profondeur. Pour compléter la tâche de recherche sémantique des oiseaux, nous avons établi une architecture client-serveur pour combler le fossé de communication entre le cloud et l'appareil mobile sur un réseau. Par la suite, un modèle d'inférence TF a été développé dans le poste de travail pour un déploiement dans le smartphone. Côté poste de travail/serveur, les segments suivants ont été pris en compte.


L'architecture CNN a été formée pour charger les données d'entrée brutes des images d'oiseaux à l'aide de Keras rappels avec les paramètres prédéfinis au format TF pour s'adapter au modèle d'inférence. Après la formation du modèle, les paramètres de tous les événements de session enregistrés de la progression du modèle à chaque époque ont été enregistrés sous forme de fichier de point de contrôle TF . Avant que le modèle formé ne soit figé, un objet économiseur a été créé pour la session, et les points de contrôle, le nom du modèle, le chemin du modèle et les couches de paramètres d'entrée-sortie du modèle ont été définis. Toutes les autres affectations de métadonnées explicites qui n'étaient pas nécessaires pour l'inférence client-serveur, telles que les répertoires GPU sur les nœuds de graphe ou les chemins de graphe, ont été supprimées.


Enfin, le modèle entraîné a été gelé en convertissant tous les paramètres variables du fichier de points de contrôle en constantes . Par la suite, les deux fichiers ont été sérialisés en un seul fichier en tant que ProtoBuf graph_def. Le graphe gelé en tant que ProtoBuf graph_def peut être optimisé, si nécessaire, pour l'inférence de faisabilité. Le graph_def ProtoBuf enregistré a été rechargé et réenregistré dans une valeur de chaîne sérialisée.


Une fois le modèle formé et enregistré pour l'inférence mobile sur le poste de travail, nous avons créé une application Android pour copier et configurer les fichiers d'inférence TF. La reconnaissance des oiseaux peut être exécutée via une inférence basée sur le cloud et l'appareil. Dans cette approche de l'inférence d'apprentissage en profondeur sur un appareil mobile, les paramètres du modèle formé sont chargés dans l'application mobile, et les calculs sont effectués localement sur l'appareil pour prédire la sortie d'image. En raison des avantages susmentionnés, l'inférence basée sur le cloud a été utilisée pour exécuter la reconnaissance d'images d'oiseaux.


تلخيص النصوص العربية والإنجليزية أونلاين

تلخيص النصوص آلياً

تلخيص النصوص العربية والإنجليزية اليا باستخدام الخوارزميات الإحصائية وترتيب وأهمية الجمل في النص

تحميل التلخيص

يمكنك تحميل ناتج التلخيص بأكثر من صيغة متوفرة مثل PDF أو ملفات Word أو حتي نصوص عادية

رابط دائم

يمكنك مشاركة رابط التلخيص بسهولة حيث يحتفظ الموقع بالتلخيص لإمكانية الإطلاع عليه في أي وقت ومن أي جهاز ماعدا الملخصات الخاصة

مميزات أخري

نعمل علي العديد من الإضافات والمميزات لتسهيل عملية التلخيص وتحسينها


آخر التلخيصات

في 23 أغسطس 193...

في 23 أغسطس 1939 ، وقعت ألمانيا واتحاد الجمهوريات الاشتراكية السوفياتية على اتفاقية عدم اتفاق عدوان...

1-    هي ان يكو...

1-    هي ان يكون الموجود على حالة يفتقر فيها الى ما هو ضروري لبلوغ غاية ما، سواء أكانت هذه الغاية خا...

{فَاقْضِ مَا أَ...

{فَاقْضِ مَا أَنْتَ قَاضٍ إِنَّمَا تَقْضِي هَذِهِ الْحَيَاةَ الدُّنْيَا} [طه : 72] مبدأ استراتيجي ف...

Patients’ clini...

Patients’ clinical data were collected. Fasting blood glucose (FBG), HbA1c, and biochemical indexes ...

How to help fam...

How to help families in Ukraine Kidadl Kidadl At Home Education For Parents Best Buys Days O...

Nespresso was c...

Nespresso was created in 1986 as a subsidiary of the Swiss group Nestlé. It was initially supplier t...

During meiosis,...

During meiosis, the independent assortment of the pairs of chromosomes and crossing over provide a l...

ولد الكولونيل ه...

ولد الكولونيل هارلند ساندرز عام 1890 في الولايات المتحدة الأمريكية (إنديانا)، لم تكن نشأة صاحب السلس...

إن قصيدة الشمعة...

إن قصيدة الشمعة من القصائد التي تدور حول الأم، فقد تكررت فيها كلمة الأم بشكلاً كبير وبذلك إشارة إلى ...

يحكي أن في قديم...

يحكي أن في قديم الزمان كان هناك بلدة جميلة يعيش اهلها في سلام وامان حياة هادئة سعيدة، وكان هناك رجل ...

INCORPORATING O...

INCORPORATING OPPORTUNITIES FOR INTERACTION AND SHARING The attention span of young learners is a lo...

" NaeiL is a ve...

" NaeiL is a very good translator. His Modern Standard Arabic is very smooth and contains a natural ...