مقدمه ای بر بینایی کامپیوتر

عکس سگ من ، پدینگتون ، با محدودیت جعبه هایی که برگها را نشان می دهند قطعاً خوراکی نیستند. (تصویر Roboflow.)

بینایی رایانه می تواند انقلابی در جهان ایجاد کند. تا کنون ، بینایی رایانه ای به انسان کمک کرده است تا مشکلات زیادی را حل کند ، مانند کاهش ترافیک و نظارت بر سلامت محیط.

تصاویر یک راکون جذاب ، لنی ، با حاشیه نویسی جعبه. (تصویر Roboflow.)

از لحاظ تاریخی ، برای انجام بینایی کامپیوتری ، به یک پیش زمینه فنی واقعا قوی نیاز داشتید. پس از خواندن این پست ، باید درک خوبی از بینایی کامپیوتر بدون پیش زمینه فنی قوی داشته باشید و باید مراحل لازم برای حل مشکل بینایی رایانه را بدانید.

بینایی کامپیوتر چیست؟

< p> در یک مفهوم اساسی ، بینایی رایانه ای این توانایی را دارد که یک کامپیوتر بتواند آنچه را که شبیه انسان است ببیند و درک کند.

وقتی می خواهید از یک لیوان آب یک نوشیدنی بخورید ، چندین موارد مرتبط با بینایی اتفاق می افتد:

شما باید تشخیص دهید که چیزی که در پیش رو دارید یک لیوان آب است. باید بدانید که بازو و شیشه شما کجاست ، سپس بازوی خود را در جهت شیشه حرکت دهید. شما باید تشخیص دهید که وقتی دستتان آنقدر نزدیک است که بتوانید شیشه را به درستی بگیرید. باید بدانید صورت شما کجاست ، سپس لیوان را بردارید و آن را به سمت صورت خود ببرید.

بینایی کامپیوتر یک چیز مشابه است ... اما برای رایانه ها!

مشکلات بینایی کامپیوتر در چند سطل مختلف قرار می گیرد. این مهم است زیرا مشکلات مختلف با روش های مختلف حل می شوند.

انواع مختلف مشکلات بینایی رایانه چیست؟

انواع مشکلات بینایی رایانه. اقتباس از دوره استنفورد CS 231N. (تصویر Roboflow.)

شش نوع مشکل بینایی رایانه وجود دارد که چهار مورد از آنها در تصویر بالا نشان داده شده است.

طبقه بندی: دسته بندی هر تصویر در یک سطل. به عنوان مثال ، اگر شما یک دسته 100 تصویر داشتید که هر کدام شامل یک گربه یا یک سگ بودند ، طبقه بندی به این معنی است که پیش بینی می کنید تصویری که در دست دارید از گربه است یا سگ. در هر تصویر ، فقط یک شیء وجود دارد که برای برچسب زدن به آن اهمیت می دهید - رایانه شما تشخیص نمی دهد که دو سگ در یک تصویر هستند یا یک گربه و یک سگ وجود دارد - فقط یک تصویر متعلق به سطل "سگ" یا " سطل گربه " یک مثال واقعی از طبقه بندی برای اهداف امنیتی است: استفاده از فیلم ویدئویی و بینایی رایانه ای برای تشخیص اینکه آیا نفوذی بالقوه در تصویر وجود دارد یا خیر. در زیر یک مثال متفاوت نشان می دهیم: یک مدل VGG16 یک اتوبوس مدرسه را درست پیش بینی می کند. Roboflow این تصویر را به عنوان اتوبوس مدرسه و نه تاکسی ، واگن برقی یا چیز دیگری به درستی تشخیص می دهد. (تصویر Roboflow.) طبقه بندی+محلی سازی: دسته بندی هر تصویر در یک سطل و شناسایی جایی که موضوع مورد علاقه در کادر قرار دارد. به عنوان مثال ، اگر یک دسته 100 تصویر داشته باشید که شامل یک سگ یا یک گربه باشد ، رایانه شما قادر خواهد بود تشخیص دهد که آیا تصویر حاوی سگ است یا گربه و کجا در تصویر است. در هر تصویر ، فقط یک شی وجود دارد که به برچسب زدن برای آن اهمیت می دهید.در محلی سازی ، رایانه مشخص می کند که کجا آن شی از چیزی به نام جعبه محدود استفاده می کند. یک نمونه واقعی از طبقه بندی+محلی سازی ، اسکن و تشخیص این است که آیا نشتی در خط لوله وجود دارد یا خیر ، و در صورت وجود ، این نشت کجاست. مثال دیگر استفاده از بینایی رایانه ای برای مقابله با آتش سوزی با تشخیص دود و تلاش برای خاموش کردن آن با آب یک هواپیمای بدون سرنشین قبل از اینکه آتش از کنترل خارج شود GIF دود آتش سوزی در حال تشخیص است. (منبع تصویر.) تشخیص شی: شناسایی محل مورد علاقه ، برای هر مورد مورد علاقه. به عنوان مثال ، اگر شما یک دسته 100 تصویر داشته باشید و هر یک عکس خانوادگی با حیوانات خانگی باشد ، رایانه شما مکان انسانها و حیوانات خانگی را در هر تصویر مشخص می کند. تصاویر می توانند شامل هر تعداد شیء باشند. آنها فقط به یک مورد محدود نمی شوند یک نمونه واقعی از تشخیص شیء استفاده از بینایی رایانه ای برای ارزیابی سرطان با تشخیص گلبول های قرمز ، گلبول های سفید خون و سطح پلاکت ها است. تشخیص نوتروفیل ها ، نوعی گلبول سفید خون که نقش کلیدی در سیستم ایمنی بدن حیوانات دارد. (اعتبار: Matro Sokac ؛ مجاز به استفاده.) تقسیم بندی معنایی: تشخیص مجموعه ای از پیکسل های متعلق به یک کلاس خاص از شی. این مانند تشخیص شی است ، اما تشخیص شی یک کادر محدود کننده در اطراف شیء قرار می دهد ، در حالی که تقسیم بندی معنایی سعی می کند با اختصاص هر پیکسل به یک کلاس ، هر شی را از نزدیک تشخیص دهد. این یک راه حل خوب برای هر گونه مشکل بینایی رایانه است که به چیزی ظریف تر یا خاصتر از یک جعبه محدود کننده نیاز دارد. تصویر زیر نمونه ای از تقسیم بندی معنایی است. یک مثال در دنیای واقعی ممکن است بیشتر اهداف تصویربرداری پزشکی باشد-قرار دادن یک جعبه محدود کننده در قلب یا ریه کافی نیست ، بلکه می خواهیم قلب را با یک مرز دقیق از ریه جدا کنیم. این مقاله یک حرکت عمیق فوق العاده در بخش بندی معنایی است و از مثال ذکر شده در دنیای واقعی الهام گرفته است. اعمال تقسیم بندی معنایی بر روی تصویر سه نفر در دوچرخه. (منبع اصلی.) تقسیم بندی نمونه: بسیار شبیه به تقسیم بندی معنایی است اما بین اشیاء در یک کلاس تفاوت قائل می شود. در تصویر بالا ، سه نفر و سه دوچرخه به نظر می رسد. تقسیم بندی معنایی هر پیکسل را به یک کلاس طبقه بندی می کند ، بنابراین هر پیکسل در سطل "شخص" ، "دوچرخه" یا "پس زمینه" قرار می گیرد. با تقسیم بندی نمونه ، ما قصد داریم بین کلاسهای اشیاء (شخص ، دوچرخه ، پس زمینه) و اشیاء داخل هر کلاس تمایز قائل شویم - به عنوان مثال. بگویید کدام پیکسل متعلق به چه شخصی است و کدام پیکسل متعلق به کدام دوچرخه است. تشخیص نقطه کلیدی: این روش همچنین به عنوان تشخیص نقطه عطفی شناخته می شود ، این رویکردی است که شامل شناسایی نقاط کلیدی یا نقاط مشخص در یک شی و ردیابی آن شی است. در سمت چپ تصویر زیر ، توجه داشته باشید که تصویر چوب مانند انسان دارای کد رنگی است و مکان های مهم (این نقاط کلیدی/نشانه ها!) با یک شماره مشخص شده است. در سمت راست تصویر متوجه می شویم که هر انسانی با یک چوب مشابه مطابقت دارد. در تشخیص نقاط کلیدی ، رایانه تلاش می کند تا نقاط دیدنی هر انسان را شناسایی کند. این مقاله بیشتر توضیح می دهدجزئیات در مورد تشخیص کلیدهای کلیدی. اعمال تشخیص کلید واژه برای پنج نفر. (منبع تصویر.)

چگونه می توانم مشکلات بینایی کامپیوتر را حل کنم؟

اگر می خواهید رایانه شما به شما در حل مشکلات مربوط به داده ها کمک کند ، معمولاً یک سری مراحل را دنبال می کنید. همین امر در مورد مشکلات بینایی رایانه صادق است ، مگر اینکه مراحل کمی متفاوت به نظر برسند.

یک فرآیند هفت مرحله ای برای حل مشکلات بینایی رایانه. (تصویر Roboflow.)

ما هر یک از این مراحل را طی می کنیم ، با این هدف که در پایان فرآیند مراحل مورد نیاز برای حل مشکل بینایی کامپیوتر و همچنین یک مشکل خوب را بدانید. نمای کلی رایانه.

جمع آوری: برای استفاده از داده ها برای حل مشکل ، باید داده ها را برای انجام این کار جمع آوری کنید! برای بینایی رایانه ، این داده ها شامل تصاویر و/یا فیلم ها است. این می تواند به سادگی گرفتن عکس یا فیلم در تلفن شما و سپس بارگذاری آنها در سرویسی باشد که می توانید از آن استفاده کنید. Roboflow به شما امکان می دهد با بارگذاری مستقیم از رایانه خود ، مجموعه داده خود را به راحتی ایجاد کنید. (واقعیت سرگرم کننده ای که بینایی رایانه را با فیلم ها آسان تر می کند: ویدیوها فقط تصاویری هستند که به ترتیب مرتب شده اند!) برچسب: در حالی که هدف این است که رایانه ها همانطور که ما انسان ها می بینیم ببینند ، رایانه ها درک می کنند تصاویر بسیار متفاوت! این تصویر (بسیار پیکسلی) از آبراهام لینکلن را ببینید. در سمت چپ ، فقط تصویر را مشاهده می کنید. در وسط ، تصویر را با اعداد داخل هر پیکسل مشاهده می کنید. هر عدد نشان می دهد که پیکسل چقدر روشن یا تیره است - هرچه پیکسل روشن تر باشد ، این عدد بیشتر است. تصویر درست همان چیزی است که کامپیوتر می بیند: فقط اعداد مربوط به هر پیکسل. سه تصویر از آبراهام لینکلن. (منبع اصلی.)

اگر هدف شما این است که رایانه خود را بشناسید تا بفهمد سگ ها چگونه به نظر می رسند ، پس کامپیوتر به شما نیاز دارد که به او بگویید کدام پیکسل ها مربوط به یک سگ است! اینجاست که تصویر خود را برچسب گذاری یا حاشیه نویسی می کنید. در زیر تصویری از مجموعه داده مادون قرمز حرارتی است که به طور فعال در حال حاشیه نویسی است. یک جعبه محدود کننده در اطراف فرد کشیده شده و یک جعبه محدود کننده جداگانه در اطراف سگ کشیده شده است. این کار توسط یک انسان انجام می شود. (از آنجا که این تصویر دارای بیش از یک شیء است و از کادرهای محدود کننده استفاده می کند ، می دانیم که این تصویر برای یک کار تشخیص شی استفاده می شود!) این کادرهای محدود کننده از طریق ابزاری به نام Microsoft VoTT یا ابزار برچسب گذاری ویژوال شی اضافه می شوند. < /p> حاشیه نویسی تصویر با Microsoft VoTT ؛ ما یک آغازگر در مورد نحوه استفاده از VoTT نوشتیم. (تصویر Roboflow.)

این تنها ابزار نیست - شما می توانید از ابزارهای دیگر مانند CVAT (Computer Vision Annotation Tool) ، برنامه وب Roboflow یا خود API بارگذاری ما استفاده کنید.

هنگامی که داده ها را جمع آوری کردید و ابزار خود را برای برچسب گذاری انتخاب کردید ، شروع به برچسب زدن می کنید! شما باید سعی کنید تا آنجا که می توانید تصاویر را برچسب گذاری کنید. اگر تعداد تصاویر شما بیش از آن چیزی است که می توانید برچسب گذاری کنید ، در اینجا چند استراتژی یادگیری فعال برای برچسب زدن موثرتر تصاویر آمده است.

سازماندهی: آیا در تیمی کار کرده اید که چندین نفر در آن Google Docs را ویرایش می کنند - یا بدتر ، ارسال به اطراف فایل های مایکروسافت ورد؟ تو وممکن است تیم شما هنگام کار با تصاویر با مشکلات مشابهی روبرو شود. شاید از تیم خود خواسته اید که تصاویر را نیز جمع آوری کند. اگر تصاویر زیادی دارید - وقتی یک مدل در حال ساخت است بسیار عالی است! - زمان زیادی برای مرتب سازی و حاشیه نویسی آنها لازم است. علاوه بر این ، احتمالاً می خواهید EDA را روی تصاویر خود (تجزیه و تحلیل داده های اکتشافی) انجام دهید ، مانند بررسی مقادیر از دست رفته و مطمئن شدن از برچسب گذاری صحیح تصاویر. این مرحله ممکن است به نظر برسد که می توانید از آن بگذرید ، اما یک مرحله حیاتی است! فرایند: قبل از ساختن مدلی که به کامپیوتر شما "چگونه می بیند" آموزش می دهد ، گام هایی وجود دارد که می توانید انجام دهید مدل شما حتی بهتر عمل می کند پیش پردازش تصویر شامل مراحلی است که برای اطمینان از یکنواختی تصاویر خود انجام می دهید. اگر برخی از تصاویر مقیاس خاکستری و برخی از تصاویر رنگی قرمز/سبز/آبی را دارید ، ممکن است همه آنها را به مقیاس خاکستری تبدیل کنید. اگر اندازه تصاویر متفاوت است ، اکثر مدلها نیاز دارند که همه تصاویر دارای یک اندازه باشند. تقسیم داده های شما به مجموعه های آموزشی ، تأیید و آزمایش نیز زیر چتر پیش پردازش تصویر قرار می گیرد. برخی مراحل رایج پیش پردازش و افزایش تصویر در Roboflow موجود است. (تصویر Roboflow.)

همچنین می توانید کاری به نام افزایش تصویر انجام دهید. این کمی متفاوت است - این فقط بر تصاویری که شما برای آموزش مدل خود استفاده می کنید (نحوه مشاهده کامپیوتر را آموزش دهید) تأثیر می گذارد. در یک جمله ، بزرگنمایی تصویر تغییرات کوچکی در تصاویر شما ایجاد می کند به طوری که حجم نمونه شما (تعداد تصاویر) افزایش می یابد و به احتمال زیاد تصاویر شما منعکس کننده شرایط دنیای واقعی هستند. به عنوان مثال ، می توانید جهت تصویر خود را به طور تصادفی تغییر دهید. بگویید با تلفن خود از یک کامیون عکس می گیرید. اگر رایانه آن تصویر دقیق را ببیند ، ممکن است کامیون را تشخیص دهد. اگر رایانه تصویری مشابه از یک کامیون را مشاهده کرد که با دست کسی چند درجه چرخانده شده است ، ممکن است رایانه تشخیص کامیون را دشوارتر کند. افزودن مراحل تقویت ، حجم نمونه شما را با ایجاد کپی از تصاویر اصلی و سپس کمی مزاحمت برای آنها افزایش می دهد تا مدل شما دیدگاه های دیگری را نیز ببیند.

آموزش: این جایی است که رایانه شما می بیند! مدلهای مختلف بینایی رایانه ای وجود دارد که می توانید بسازید - از جمله برخی از مدلهای تشخیص شیء و برخی از مدلهای طبقه بندی تصویر. این امر اغلب نیاز به تخصص بیشتری در برنامه نویسی و یادگیری ماشین نسبت به آنچه امروز ارائه می دهیم ، دارد. (در Roboflow ، پلت فرم قطار مدل ما با یک کلیک در حالت بتا خصوصی قرار دارد. در لیست انتظار آموزش مدل با یک کلیک قرار بگیرید!) قبلاً من از مثال شما استفاده کردم که یک دسته 100 تصویر داشتید که هر کدام شامل یک گربه یا یک سگ معنای "آموزش" این است که رایانه ما اساساً بارها و بارها از طریق آن تصاویر عبور می کند و یاد می گیرد که داشتن یک سگ یا گربه در یک تصویر به چه معناست. امیدوارم تصاویر کافی داشته باشیم و کامپیوتر در نهایت به اندازه کافی یاد بگیرد تا بتواند تصویری از سگی را که قبلاً دیده نشده است ببیند و آن را به عنوان یک سگ تشخیص دهد - مانندسگ من ، پدینگتون ، زیر! نمی توانم در مورد سگها صحبت کنم و تصویری از سگ من ، پدینگتون ندارم! (تصویر توسط نویسنده.)

روشهای مختلفی وجود دارد که ما می توانیم میزان رایانه ما را به خوبی تشخیص دهیم.

برای مشکلات طبقه بندی تصویر ، معیارهای استاندارد طبقه بندی شما مانند دقت یا نمره F1 باید کافی باشد. وقتی صحبت از تشخیص شی می شود ، ما ترجیح می دهیم از میانگین دقت متوسط ​​استفاده کنیم-و چرا در فرایند فکر خود قدم می زنیم؟

مدلهای مختلفی وجود دارد که می توانند برای مشکلات تصویر استفاده شود ، اما رایج ترین (و معمولاً بهترین عملکرد!) شبکه عصبی پیچشی است. اگر از یک شبکه عصبی متغیر استفاده می کنید ، بدانید که بسیاری از قضاوت ها در معماری مدل وارد شده اند که بر قدرت دیدن رایانه شما تأثیر می گذارد! خوشبختانه برای ما ، تعداد زیادی معماری مدل از پیش تعیین شده وجود دارد که برای مشکلات مختلف بینایی رایانه بسیار خوب عمل می کند.

استقرار: آموزش مدل هنوز پایان کار نیست-احتمالاً می خواهید از آن استفاده کنید مدل در دنیای واقعی! در بسیاری از موارد هدف ایجاد سریع پیش بینی ها است. در بینایی رایانه ای ، ما آن را استنباط می نامیم. (این کمی متفاوت از معنای استنباط در آمار است ، اما ما در اینجا به آن نمی پردازیم.) یک مدل تشخیص شیء YOLOv5 که پیش بینی های زمان واقعی را با دوچرخه ، ماشین و شخص ایجاد می کند. (تصویر Roboflow.)

ممکن است بخواهید مدل خود را در برنامه ای قرار دهید ، بنابراین رایانه شما می تواند پیش بینی ها را در زمان واقعی مستقیماً از تلفن شما ایجاد کند! ممکن است بخواهید به برنامه ای در رایانه خود ، یا به AWS ، یا چیزی داخلی در تیم خود بپردازید. ما قبلاً به طور مفصل در مورد یکی از روشهای استقرار مدل بینایی رایانه در اینجا نوشتیم. اگر حداقل کمی با Python و API ها آشنا هستید ، این مستندات در مورد استنباط در بینایی رایانه می تواند مفید باشد!

نمایش: آیا می خواهید یک قدم جلوتر بروید؟ اگر شما یا فردی در تیم خود با فناوری واقعیت افزوده مانند ARCore گوگل یا ARKit اپل آشنا هستید ، می توانید مدل استقرار یافته خود را به سطح بعدی برسانید.

صرف نظر از مراحل بعدی شما ، کار انجام نمی شود اینجا کاملاً تمام نمی شود! کاملاً مستند است که مدلهایی که به خوبی روی تصاویری که به آن می دهید کار می کنند ، ممکن است با گذشت زمان بدتر کار کنند. (ما برخی از تحقیقات گوگل در مورد این مشکل عملکرد مدل را مطالعه کردیم و نکات مهم ما را شرح دادیم.) با این حال ، ما امیدواریم که شما به این نتیجه رسیده اید که به هدفی که در ابتدای این پست نوشتیم رسیده اید:

پس از خواندن این مطلب پست ، شما باید درک خوبی از بینایی کامپیوتر بدون پیش زمینه فنی قوی داشته باشید و باید مراحل لازم برای حل مشکل بینایی رایانه را بدانید.

از اینکه تا اینجا با ما همراه بودید متشکریم! هرگونه سوال یا منابع اضافی که در نظرات دارید به ما اطلاع دهید - و اگر چیزی در ارتباط با بینایی رایانه ایجاد می کنید ، خوشحال می شویم ببینیم شما چه کار می کنید!

در ابتدا در https: //blog.roboflow منتشر شده است .com در 23 نوامبر 2020.

نحوه درخواست برای تحصیلات تکمیلی علوم کامپیوتر

در فکر درخواست برای Ph.D. در علوم کامپیوتر؟ در اینجا نحوه تعیین محل درخواست ، یافتن مشاوران بالقوه و تهیه برنامه کاربردی قوی وجود دارد.

شاید به این فکر افتاده اید که برای دکتری اقدام کنید. برنامه های علوم کامپیوتر قبل از تصمیم به پر کردن همه…

Inside Conflux: چگونه یک افسانه علوم کامپیوتر در حال برنامه ریزی برای حل بزرگترین چالش در جهان بلاک چین است

دیروز ، گروهی از سرمایه گذاران برجسته مانند Sequoia China ، Baidu Ventures ، مبادله رمزنگاری Huobi ، Metastable و IMO Ventures اعلام کردند که 35 میلیون دلار بودجه برای بنیاد Conflux ، سازمانی که پروتکل جدید بلندپروازانه ای را ایجاد می کند که با محدودیت های مقیاس پذیری فناوری های بلاک چین مقابله می کند. Conflux توسط گروهی از دانشمندان علوم کامپیوتر از دانشگاه تورنتو و دانشگاه Tsinghua چین رهبری می شود که شامل دکتر اندرو چی-چی یائو ، برنده جایزه تورینگ است. دکتر یائو که از افسانه های علوم رایانه محسوب می شود ، اخیراً به جنبه های مختلفی از ارزهای رمزنگاری شده مانند مشوق ها یا اجماع پرداخته است. برخی از این کارها منجر به یک مقاله تحقیقاتی شد که اصول اولیه زنجیره Conflux را بیان می کند.

Conflux جدیدترین افزودنی در زمینه فعال فناوری های دفتر کل توزیع شده است که تلاش می کند برخی از محدودیت های مقیاس پذیری بلاک چین را برطرف کند. مانند اتریوم یا بیت کوین. Dfinity ، Hasgraph ، Zilliqa ، Algorand از برجسته ترین پروژه هایی هستند که روی این حوزه متمرکز شده اند. ایده های پشت Conflux شباهت هایی با برخی از این پروژه ها دارد اما به مدل اجماع ناکاموتو وفادار می ماند. از نظر مفهومی ، پروتکل Conflux بر اساس مدل پیاپی Nakamoto با اجماع برای تولید یک بلوک در آن زمان به شبکه اجازه می دهد تا تعدادی دلخواه از بلوک های همزمان را بدون قربانی شدن تغییرناپذیری بلاک چین ایجاد کند. از نظر فنی ، این بهینه سازی می تواند پردازش همزمان هزاران تراکنش در ثانیه را امکان پذیر کند. بدیهی است که شیطان در جزئیات است ، اما به نظر می رسد که Conflux چندین تکنیک مشهور علوم رایانه را برای رسیدن به این موفقیت بزرگ ترکیب کرده است.

ورود به Conflux

متفاوت از برخی دیگر تلاش های مقیاس پذیری بلاک چین ، Conflux یک مدل اجماع جدید را به عنوان مکانیزمی برای گسترش اجماع تثبیت شده ناکاموتو پیشنهاد نمی کند. شبکه های قدرتمند مانند بیت کوین ، اجماع ناکاموتو به دلیل قدرتمند و ایمن فوق العاده و همچنین کند آزاردهنده شهرت پیدا کرده است. یک پروتکل اجماعی ناکاموتو معمولاً معاملات را در یک لیست مرتب از بلوک ها سازماندهی می کند که هر کدام شامل چندین تراکنش و پیوندی به نسخه قبلی خود هستند. هر بلوک تازه ایجاد شده در انتهای طولانی ترین زنجیره ضمیمه می شود تا زنجیره حتی طولانی تر و در نتیجه برگشت مجدد سخت تر شود. در حالی که فوق العاده ایمن است ، مدل اجماعی ناکاموتو این محدودیت را دارد که تنها یک شرکت کننده می تواند در مسابقه برنده شود و در بلاک چین مشارکت کند.

برای رفع محدودیت های اجماع ناکاموتو ، چندین بلاکچین از گزینه های دیگری مانند تحمل خطای بیزانسی (BFT) که برای تعیین ترتیب به مدل سلسله مراتبی متکی است ، استفاده کرده اند. از معاملات با این حال ، یک مکتب فکری وجود دارد ، که مشخصاً شامل محققان پشت Conflux است ، که معتقد است بلاک چین های BFT نمی توانند به طور کافی در مقیاس غیرمتمرکز باشند (این بحث روز دیگری است). پروتکل های Conflux از رویکرد متفاوتی پیروی می کند که از یک ایده ساده استفاده می کند: "اگر بتوانیم بلوک های همزمان و معاملات را به صورت خوش بینانه پردازش کنیم و سفارش نهایی آن را به بعد از زمان وقوع موکول کنیم؟" اگرچه این ایده در ابتدا ممکن است مضحک به نظر برسد ، اما اگر در نظر بگیریم که اکثر معاملات به ندرت با هم در تضاد هستند ، منطقی به نظر می رسدبه موقع در بلاک چین که منجر به این فرض می شود که بلوک های همزمان به طور پیش فرض با یکدیگر در تضاد نیستند و باعث ایجاد همزمانی خوش بینانه می شود. چند مرحله ساده:

1) پردازش خوش بینانه بلوک های همزمان

2) سازماندهی بلوک ها به صورت نمودارهای غیر چرخشی مستقیم (DAG)

3) ابتدا در مجموع توافق کنید ترتیب همه بلوک ها (فرض کنید معاملات با هم در تعارض نیستند)

4) سپس دستور تراکنش را از دستور بلوک مورد توافق (به طور تنبلی تعارضات معامله را حل کنید)

به منظور پیاده سازی این موارد مراحل ، پروتکل اجماع Conflux حفظ پروتکل اجماع دو نوع روابط بین بلوک ها را حفظ می کند. هنگامی که یک گره شرکت کننده یک بلوک جدید در Conflux ایجاد می کند ، گره یک بلوک والد (قبلی) را برای بلاک جدید شناسایی می کند و یک لبه والد بین این دو بلوک مانند بیت کوین ایجاد می کند. این لبه های اصلی Conflux را قادر می سازد تا به اجماع غیرقابل برگشت ثابت در دفتر کل خود دست یابد. نتیجه نهایی این است که لبه های بین بلوک ها یک نمودار غیر چرخه ای مستقیم (DAG) ایجاد می کنند که هم پیمایش آسان است و هم سطح خاصی از مقاومت در برابر چنگال ها را معرفی می کند. از این منظر ، Conflux را می توان به عنوان یک پروتکل اجماعی ناکاموتو مبتنی بر DAG در نظر گرفت.

همه می دانیم که بلاک چین فراتر از یک پروتکل اجماع است. Conflux معماری نسبتاً ساده ای را ارائه می دهد که برخی از اصول اصلی بیت کوین را با ساختارهای مقیاس پذیری نوآورانه گسترش می دهد. معماری پایه Conflux شامل اجزای زیر است:

· Gossip Network: همه گره های شرکت کننده در Conflux از طریق یک شبکه gossip متصل می شوند که وظیفه پخش تراکنش به تمام گره های شبکه را بر عهده دارد.

· حوض تراکنش معلق: هر گره در شبکه Conflux دارای یک تراکنش معلق است که شامل تراکنش هایی است که توسط گره شنیده شده اما هنوز در هیچ بلوکی بسته بندی نشده اند. هرگاه یک گره یک معامله جدید از شبکه gossip دریافت می کند ، گره تراکنش را به مجموعه خود اضافه می کند.

· Block Generator: گره های Conflux از یک بلوک ژنراتور مبتنی بر Proof-Of-Work (PoW) برای ایجاد استفاده می کنند. بلوک ها برای معاملات در انتظار. //cdn-images-1.medium.com/max/426/1*ZxEAFLq6MNCMHFG1KQGYxQ.png">

اصول این معماری به Conflux اجازه می دهد تا امنیت و استحکام بیت کوین را با مقیاس پذیری مدرن ترکیب کند بلاک چین در یک شبکه واحد مدل Conflux سه ویژگی بسیار مطلوب شبکه های بلاک چین را تضمین می کند: امنیت ، پردازش همزمان تراکنش ها و صحت. با این حال ، تیم Conflux از تمرین نظری فراتر رفت و تصمیم گرفت ببیند که آیا برخی از ایده های آنها در عمل جواب می دهد.

Conflux in Action

تیم Conflux یک نمونه اولیه از پروتکل را اجرا می کند روی 800 نمونه AWS EC2 که هر کدام ده ها گره را اجرا می کنند. در مجموع آزمایشات از معماری حدود 10000 گره Conflux برای پردازش بلوک های 1MB-8MB در اندازه استفاده کرد. جای تعجب نیست که Conflux در مقایسه با سایر بلاکچین های ناکاموتو با اجماع مزیت روشنی را نشان داد.

کمی چشمگیرتر این است که نسبت استفاده از بلاک Conflux بسیار بیشتر از سایر بلاک چین های قابل مقایسه عمل کند.

سایر آزمایشات نشان داد که Conflux می تواند به طور مداوم در حدود 20000 کاربر همزمان بدون تأثیر عمده در تأییدزمان.

Conflux رویکرد جدیدی را برای مقیاس پذیری بلاک چین با عدم خروج کامل از اصول بیت کوین اتخاذ می کند. در حال حاضر ، Conflux چیزی بیش از یک تمرین تحقیقاتی پیچیده نیست ، اما برخی از ایده های آن ممکن است به عنوان یک بلاکچین جدید تکامل یابد یا حتی در بیت کوین گنجانده شود.

چرا سولانا به توسعه دهندگان بلاک چین "رایانه جهانی" نیاز دارد

کیل سامانی از Multicoin Capital تز سرمایه گذاری در سولانا ، اولین بلاک چین در مقیاس وب جهان را توضیح می دهد

این هفته ، سولانا از اتمام دور سرمایه گذاری سری A به مبلغ 20 میلیون دلار از مهمترین تخصیص دهندگان سرمایه در بلاک چین خبر داد. با افزایش سرمایه Multicoin ، این افزایش مشارکت قابل توجهی در پیگیری ایجاد اولین بلاک چین در مقیاس وب جهان از Distributed Global ، Blocktower Capital ، Foundation Capital ، Blockchange VC ، Slow Ventures ، NEO Global Capital ، Passport Capital و Rockaway Ventures دارد.

کایل سامانی ، بنیانگذار و شریک مدیریتی Multicoin Capital ، که دارای سبد سرمایه گذاری است که شامل بلاکچین نوآورانه می شود ، می گوید: "Solana نزدیکترین چیز به توسعه دهندگان بلاک چین" رایانه جهان "است که در روزهای اولیه رمزنگاری تصور می شد. مشاغل شامل Skale ، Bakkt ، Livepeer و Helium. "Solana یکی از قانع کننده ترین سیستم عامل های لایه 1 است که ما تا به امروز ارزیابی کرده ایم. ما بسیار مفتخریم که این دور را رهبری می کنیم و توسعه دهندگان را در همه جا تشویق می کنیم تا نگاهی جدی به سولانا بیندازند. این تز سرمایه گذاری Multicoin را برای پروژه سولانا توضیح می دهد. این مقاله فرصتی عالی برای آشنایی بیشتر با زیرساخت های فناوری Solana ، و معنای آن در رابطه با وضعیت توسعه بلاک چین فراهم می کند. ما برخی از عناصر کلیدی مقاله را در زیر با یک نسخه کوتاه از متن برجسته می کنیم ، اما کل مقاله نیاز به خواندن دارد.

برای شروع ، شش ویژگی اصلی وجود دارد که همه توسعه دهندگان برنامه های دارای اعتماد به حداقل نیاز به موفقیت دارند و سولانا همه آنها را حفظ می کند:

بازدهی بالا: شبکه امروز بیش از 50،000 تراکنش در ثانیه را در شبکه جهانی بیش از 60 گره اجماع شرکت کننده نشان داد تأخیر کم: 400 میلی ثانیه بلوک هزینه معاملات ارزان : 10 دلار برای 1.000.000 تراکنش زنگ به عنوان زبان برنامه نویسی شاخص (همچنین از C ، C ++ و حرکت Libra پشتیبانی می کند) یک الگوریتم ناهمگام ، توافق BFT A دولت جهانی واحد که از قراردادهای هوشمند ترکیبی پشتیبانی می کند

توسعه دهندگان قراردادهای هوشمند نمی خواهند با لایه 2 و خرد کردن برخورد کنند. تمام هدف داشتن یک زنجیره قرارداد هوشمند این است که خود زنجیره همه پیچیدگی ها و سیستم اقتصادی سطح پایین را که برای محاسبه حداقل اعتماد مورد نیاز است ، خلاصه می کند و به توسعه دهندگان برنامه اجازه می دهد تا بر منطق برنامه تمرکز کنند. در واقع ، هنگامی که ویتالیک در ژانویه 2014 اتریوم را در میامی به جهان معرفی کرد ، دقیقاً همان چیزی است که وی بر آن تأکید کرد: هدف رایانه جهان این است که همه چیز را که مختص برنامه نیست ، انتزاع کند!

در حالی که بسیاری از آنها وجود دارد. انواع راه حل های مقیاس بندی که روی آنها کار می شود ، هر یک از آنها پیچیدگی های خاصی را برای توسعه دهندگان برنامه ، کاربران و به طور کلی اکوسیستم ایجاد می کند. آخرین شکل این پیچیدگی - آنچه من آن را "ایجاد چمدان اکوسیستم" می نامم - به ویژه مقابله با آن چالش برانگیز است. همه راه حل های مقیاس ناهمگن پاسخ به این واقعیت است که ، تا به حال ، هیچ کس نمی داند که چگونه لایه 1 را مقیاس بندی کند و در عین حال تا زمان سولانا تمرکززدایی معماری و سیاسی کافی را حفظ کرده باشد.

مورد سولانا یکی است که توسعه دهندگان مجبور نیستند به راه حل های مقیاس بندی وابسته باشند (توسعه دهندگان مطمئناً لایه 2 را مستقر می کنندچیزهایی در بالای سولانا ، و آنها قادر خواهند بود زیرا سولانا بدون مجوز است). در بیشتر موارد استفاده ، توسعه دهندگان مبتنی بر Solana اصلاً مجبور نیستند به مقیاس بندی فکر کنند ، زیرا تمام لایه لایه 1 سولانا پیچیدگی انتزاعی است.

سخت افزار ، نرم افزار و فراوانی محاسباتی

تا کنون در فناوری بلاک چین ، کمبود عرضه پول و کمبود محاسبه به حداقل رساندن اعتماد قبلاً با هم ترکیب شده است. سولانا اینها را جدا می کند. رایانه جهانی باید محاسبات فراوانی را ارائه دهد ، اما از پول کمیاب استفاده می کند.

اصل راهنمای سولانا این است که نرم افزار نباید مانع سخت افزار شود. این سه پیامد عمده دارد:

اول ، شبکه Solana به طور کلی با سرعت یکسانی از اعتبارسنج واحد عمل می کند. این در واقع بصری است: اگر نرم افزار مانع سخت افزار نشود ، شبکه با سرعت یک دستگاه واحد کار می کند ، فرض کنید پهنای باند تنگنا نیست (در این مورد بیشتر در بخش توربین زیر).

دوم ، مقیاس های عملکرد شبکه را در کنار پهنای باند و تعداد هسته های GPU تجمیع کنید. پهنای باند هر 24 تا 36 ماه دو برابر می شود و اتصالات اینترنتی مدرن تا حد زیادی از اشباع محدودیت های فیزیکی فیبر فاصله دارند. و در حالی که عملکرد CPU تک رشته ای دیگر مطابق قانون مور بهبود نمی یابد ، پردازنده های گرافیکی همچنان تعداد هسته های خود را هر 18-24 ماه دو برابر می کنند بدون هیچ چشم اندازی

و سوم ، به دلیل این واقعیت که سولانا عملکرد کل شبکه به طور خطی با سخت افزار زیرین رشد می کند ، سولانا فراوانی را در جایی که در حال حاضر کمیابی وجود دارد ایجاد می کند: محاسبه با حداقل اعتماد.

مرور کلی فناوری

هفت پیشرفت فنی عمده وجود دارد که سولانا را ممکن می سازد. سرفصل های بخش به توضیحات مفصل از تیم سولانا پیوند دارد. به منظور بالا رفتن از پشته:

اثبات تاریخ (POH) - POH یک نوآوری ظریف اما اساسی است که بقیه معماری منحصر به فرد سولانا بر روی آن ساخته شده است. برج BFT -یک نسخه PBFT بهینه شده با POH که زنده ماندن را بر قوام ترجیح می دهد. توربین-یک پروتکل انتشار بلوک است که از BitTorrent وام زیادی می گیرد. مقیاس سولانا بصورت خطی با پهنای باند سریعترین ⅔ گره ها انجام می شود. همه زنجیره های دیگر به صورت زیر خطی مقیاس می شوند. Gulf Stream-یک پروتکل ارسال تراکنش بدون ممپول. Pipeline VM-Pipeline یک ماشین مجازی مجازی است که از LLVM برای کامپایل کد برای پردازنده های گرافیکی برای اجرای تراکنش موازی انبوه (نه فقط تأیید امضا). این باعث افزایش مقیاس بندی فوق العاده برای سولانا می شود. Cloudbreak-پایگاه داده حساب های مقیاس پذیر به صورت افقی. پایگاه داده های سنتی مانند LevelDB نمی تواند از بیش از 5000 پوند تصادفی در ثانیه در یک نمونه تجاوز کند. Cloudbreak راه حل جدید سولانا برای مقیاس افقی دیسک ورودی/خروجی است. Cloudbreak بر اساس تکنیک های سیستم عامل مانند پراکندگی جمع آوری برای ارائه دیسک ورودی/خروجی بی نظیر است. Replicators-یک دفتر کل توزیع شده برای حل مشکل در دسترس بودن داده ها برای پتا بایت داده. به جای نیاز به گره های اجماعی برای ذخیره کل تاریخ ، سولانا از دسته دوم گره استفاده می کند - Replicators - که تنها مسئولیت آنها ذخیره قطعات کوچکی از تاریخ معاملات است.

موضوع مشترک این نوآوری ها را می توان در موارد زیر خلاصه کرد: یک کلمه: بهینه سازی سولانا واضح ترین نمونه ای است که از اولین مهندسی مبتنی بر اصول در هر لایه از پشته دیده ام. تیم به طور سیستماتیک هر نقطه را در آنجا شناسایی کردکه سایر زنجیره ها کند می شوند (به عنوان مثال ، سربار اجماع ، محاسبه تک رشته ای ، و ورودی/خروجی دیسک) و راه حل های منحصر به فردی برای رفع هر مشکلی طراحی کرده اند.

Libra and Move

تیم Libra فیس بوک یک ماشین مجازی و زبان برنامه نویسی جدید به نام Move ایجاد کرد. اگرچه Libra در زمان راه اندازی شبکه اصلی خود در سال 2020 قابل برنامه ریزی نخواهد بود ، اما تیم Libra قبلاً منبع کد Move را باز کرده است. و معلوم می شود که Move و Solana’s Pipeline VM بیشتر شبیه به هم هستند.

سولانا بطور طبیعی از Move پشتیبانی می کند ، از جمله BPF و پردازش تراکنش های موازی. این بدان معناست که توسعه دهندگان می توانند برنامه های کاربردی برای زنجیره مجاز Libra را به زنجیره Solana بدون مجوز منتقل کرده و تمام عملکردی را که سولانا ارائه می دهد دریافت کنند.

این یک کاتالیزور باور نکردنی برای سولاناست زیرا سولانا از Libra سود می برد. توزیع در حالی که هنوز به روشی کاملاً بدون اجازه کار می کند. بر اساس راه اندازی شبکه اصلی سولانا در اکتبر 2019 ، احتمالاً سولانا اولین زنجیره ای است که از برنامه های مبتنی بر Move پشتیبانی می کند.

برنامه های کاربردی منحصر به فرد

سولانا آنقدر کارآمد است که کلاس های کاملاً جدیدی از برنامه های کاربردی را که قبلاً غیرممکن بود ، فعال می کند. یک اوراکل که روی Solana اجرا می شود می تواند هر 400 میلی ثانیه به روزرسانی قیمت را ارائه دهد. مبادله غیر متمرکز که می تواند 30 هزار به روزرسانی قیمت را در ثانیه انجام دهد و هر 400 میلی ثانیه قیمت آن را تسویه کند. تیم سولانا برای ملاقات با توسعه دهندگان سراسر جهان ، پاسخگویی به س questionsالات و نشان دادن سیستم در عمل ، یک تور جهانی را آغاز می کند. آنها در اجلاس Web3 در اوت در برلین ، هفته بلاک چین Wanxiang در شانگهای در ماه سپتامبر و Devcon5 در ژاپن در ماه اکتبر ، علاوه بر رویدادهای کوچکتر در سراسر جهان حضور خواهند داشت. اگر قصد دارید در یکی از این رویدادها حضور داشته باشید ، لطفاً با تیم سولانا تماس بگیرید و سلام کنید!

"https://cdn-images-1.medium.com/max/426/1*6ZLh951VnqcJm__qFBTdgQ.png"> src = "https://cdn-images-1.medium.com/max/426/1*rVQlnCbq5W4R-2m_WNljTw.png">

OpenAI دو مدل ترانسفورماتور را منتشر می کند که به طور جادویی زبان و بینایی رایانه را پیوند می دهند

CLIP و DALL · E از GPT-3 برای تسلط بر کارهای پیچیده بینایی رایانه الهام می گیرد.

منبع: https://www.rev.com/blog/what-is-gpt-3-the-new- openai-language-model من اخیراً یک خبرنامه آموزشی متمرکز بر هوش مصنوعی را راه اندازی کردم که بیش از 65000 مشترک دارد. TheSequence یک بدون خبره (به معنای بدون تبلیغات ، بدون اخبار و غیره) خبرنامه ML است…