تمت كتابة هذا المنشور بالاشتراك مع Ming (Melvin) Qin وDavid Bericat وBrad Genereaux من NVIDIA.
يحتاج الباحثون والمطورون في مجال الذكاء الاصطناعي للتصوير الطبي إلى إطار مؤسسي قابل للتطوير لبناء تطبيقات الذكاء الاصطناعي الخاصة بهم ونشرها ودمجها. لقد اجتمعت AWS وNVIDIA معًا لجعل هذه الرؤية حقيقة. AWS وNVIDIA وشركاء آخرون إنشاء تطبيقات وحلول لجعل الرعاية الصحية أكثر سهولة وبأسعار معقولة وفعالة من خلال تسريع الاتصال السحابي لتصوير المؤسسات. نشر MONAI هي واحدة من الوحدات الرئيسية داخل موناي (الشبكة الطبية المفتوحة للذكاء الاصطناعي) تم تطويرها من قبل مجموعة من القادة الأكاديميين والصناعيين، بما في ذلك NVIDIA. AWS HealthImaging (AHI) هو متجر صور طبية مؤهل لـ HIPAA، وقابل للتطوير بدرجة عالية، وذو أداء عالي، وفعال من حيث التكلفة. لقد قمنا بتطوير موصل MONAI Deploy إلى AHI لدمج تطبيقات الذكاء الاصطناعي للتصوير الطبي مع فترات استجابة لاسترجاع الصور دون الثانية على نطاق واسع مدعومة بواجهات برمجة التطبيقات السحابية الأصلية. يمكن استضافة نماذج وتطبيقات MONAI AI الأمازون SageMakerوهي خدمة مُدارة بالكامل لنشر نماذج التعلم الآلي (ML) على نطاق واسع. يعتني SageMaker بإعداد وإدارة مثيلات الاستدلال ويوفر مقاييس وسجلات مدمجة لنقاط النهاية التي يمكنك استخدامها لمراقبة التنبيهات وتلقيها. كما يقدم مجموعة متنوعة من مثيلات NVIDIA GPU لاستدلال تعلم الآلة، بالإضافة إلى خيارات نشر النماذج المتعددة مع القياس التلقائي، بما في ذلك الاستدلال في الوقت الحقيقي, الاستدلال بدون خادم, الاستدلال غير المتزامنو تحويل دفعة.
في هذا المنشور، نوضح كيفية نشر حزمة تطبيق MONAI (MAP) مع الموصل إلى AWS HealthImaging، باستخدام نقطة نهاية SageMaker متعددة النماذج للاستدلال في الوقت الفعلي والاستدلال غير المتزامن. يغطي هذان الخياران غالبية حالات استخدام خط أنابيب استدلال التصوير الطبي في الوقت الفعلي تقريبًا.
حل نظرة عامة
يوضح الرسم البياني التالي بنية الحل.
المتطلبات الأساسية المسبقة
أكمل الخطوات الأساسية التالية:
- استخدم حساب AWS في إحدى المناطق التالية، حيث يتوفر AWS HealthImaging: شمال فيرجينيا (
us-east-1
)، ولاية أوريغون (us-west-2
)، أيرلندا (eu-west-1
)، وسيدني (ap-southeast-2
). - خلق أمازون ساجميكر ستوديو المجال وملف تعريف المستخدم مع إدارة الهوية والوصول AWS (IAM) إذن للوصول إلى AWS HealthImaging.
- تمكين ملحق JupyterLab v3 وقم بتثبيت Imjoy-jupyter-extension إذا كنت تريد تصور الصور الطبية على دفتر SageMaker بشكل تفاعلي باستخدام com.itkwidgets.
موصل MAP إلى AWS HealthImaging
يقوم AWS HealthImaging باستيراد ملفات DICOM P10 وتحويلها إلى ImageSets، وهي تمثيل محسّن لسلسلة DICOM. يوفر AHI إمكانية الوصول إلى واجهة برمجة التطبيقات (API) للبيانات التعريفية لـ ImageSet وImageFrames. تحتوي البيانات التعريفية على كافة سمات DICOM في مستند JSON. يتم إرجاع ImageFrames مشفرة في ملف إنتاجية عالية JPEG2000 (HTJ2K) تنسيق بدون فقدان، والذي يمكن فك تشفيره بسرعة كبيرة. يمكن استرجاع ImageSets باستخدام واجهة سطر الأوامر AWS (AWS CLI) أو مجموعات AWS SDK.
MONAI هو إطار عمل للذكاء الاصطناعي للتصوير الطبي يأخذ الاختراقات البحثية وتطبيقات الذكاء الاصطناعي إلى التأثير السريري. MONAI Deploy هو خط أنابيب المعالجة الذي يتيح سير العمل الشامل، بما في ذلك التغليف والاختبار والنشر وتشغيل تطبيقات الذكاء الاصطناعي للتصوير الطبي في الإنتاج السريري. وهي تضم موناي نشر تطبيق SDK، MONAI نشر اكسبرس, مدير سير العملو بوابة المعلوماتية. يوفر MONAI Deploy App SDK خوارزميات جاهزة للاستخدام وإطار عمل لتسريع بناء تطبيقات الذكاء الاصطناعي للتصوير الطبي، بالإضافة إلى أدوات مساعدة لحزم التطبيق في حاوية MAP. تسمح الوظائف المضمنة القائمة على المعايير في تطبيق SDK لـ MAP بالاندماج بسلاسة في شبكات تكنولوجيا المعلومات الصحية، الأمر الذي يتطلب استخدام معايير مثل DICOM وHL7 وFHIR وعبر مركز البيانات والبيئات السحابية. يمكن لخرائط MAPs استخدام عوامل التشغيل المحددة مسبقًا والمخصصة لتحميل صور DICOM واختيار السلسلة واستدلال النموذج والمعالجة اللاحقة
قمنا بتطوير وحدة بايثون باستخدام AWS HealthImaging Python SDK Boto3. يمكنك تثبيته واستخدام الوظيفة المساعدة لاسترداد مثيلات DICOM Service-Object Pair (SOP) على النحو التالي:
!pip install -q AHItoDICOMInterface
from AHItoDICOMInterface.AHItoDICOM import AHItoDICOM
helper = AHItoDICOM()
instances = helper.DICOMizeImageSet(datastore_id=datastoreId , image_set_id=next(iter(imageSetIds)))
يمكن تصور مثيلات SOP الناتجة باستخدام أدوات itkwidgets لعارض الصور الطبية التفاعلي ثلاثي الأبعاد في ما يلي مفكرة. AHItoDICOM تستفيد الفئة من عمليات متعددة لاسترداد إطارات البكسل من AWS HealthImaging بالتوازي، و فك شفرة ال النقط الثنائية HTJ2K يستخدم ال مكتبة بايثون OpenJPEG. تأتي ImageSetIds من ملفات الإخراج الخاصة بمهمة استيراد AWS HealthImaging معينة. بالنظر إلى DatastoreId واستيراد JobId، يمكنك استرداد ImageSetId، الذي يعادل UID لمثيل سلسلة DICOM، كما يلي:
imageSetIds = {}
try: response = s3.head_object(Bucket=OutputBucketName, Key=f"output/{res_createstore['datastoreId']}-DicomImport-{res_startimportjob['jobId']}/job-output-manifest.json") if response['ResponseMetadata']['HTTPStatusCode'] == 200: data = s3.get_object(Bucket=OutputBucketName, Key=f"output/{res_createstore['datastoreId']}-DicomImport-{res_startimportjob['jobId']}/SUCCESS/success.ndjson") contents = data['Body'].read().decode("utf-8") for l in contents.splitlines(): isid = json.loads(l)['importResponse']['imageSetId'] if isid in imageSetIds: imageSetIds[isid]+=1 else: imageSetIds[isid]=1
except ClientError: pass
باستخدام ImageSetId، يمكنك استرداد البيانات التعريفية لرأس DICOM وبكسلات الصورة بشكل منفصل باستخدام وظائف AWS HealthImaging API الأصلية. ال مجاميع مصدرة DICOM رؤوس DICOM وبكسلات الصورة في بيديكوم مجموعة البيانات، والتي يمكن معالجتها بواسطة مشغل محمل البيانات MAP DICOM. باستخدام وظيفة DICOMizeImageSet()، قمنا بإنشاء موصل لتحميل بيانات الصورة من AWS HealthImaging، استنادًا إلى MAP مشغل محمل بيانات DICOM:
class AHIDataLoaderOperator(Operator): def __init__(self, ahi_client, must_load: bool = True, *args, **kwargs): self.ahi_client = ahi_client … def _load_data(self, input_obj: string): study_dict = {} series_dict = {} sop_instances = self.ahi_client.DICOMizeImageSet(input_obj['datastoreId'], input_obj['imageSetId'])
في القانون السابق ، ahi_client
هو مثيل لفئة المصدرين AHItoDICOM DICOM، مع توضيح وظائف استرداد البيانات. لقد قمنا بتضمين مشغل محمل البيانات الجديد هذا في ملف تطبيق AI لتجزئة الطحال ثلاثي الأبعاد تم إنشاؤه بواسطة MONAI Deploy App SDK. يمكنك أولاً استكشاف كيفية إنشاء هذا التطبيق وتشغيله على مثيل دفتر ملاحظات محلي، ثم قم بنشر تطبيق MAP هذا في نقاط نهاية الاستدلال المُدارة بواسطة SageMaker.
الاستدلال غير المتزامن لـ SageMaker
صانع حكيم الاستدلال غير المتزامن تُستخدم نقطة النهاية للطلبات ذات أحجام الحمولة الكبيرة (تصل إلى 1 جيجابايت)، وأوقات المعالجة الطويلة (حتى 15 دقيقة)، ومتطلبات وقت الاستجابة في الوقت الفعلي تقريبًا. عندما لا تكون هناك طلبات للمعالجة، يمكن لخيار النشر هذا تقليل عدد المثيلات إلى الصفر لتوفير التكاليف، وهو مثالي لأحمال عمل استدلال تعلم الآلة للتصوير الطبي. اتبع الخطوات الموجودة في نموذج دفتر الملاحظات لإنشاء نقطة نهاية الاستدلال غير المتزامن SageMaker واستدعائها. ل إنشاء نقطة نهاية الاستدلال غير المتزامن، ستحتاج إلى إنشاء نموذج SageMaker وتكوين نقطة النهاية أولاً. لإنشاء نموذج SageMaker، ستحتاج إلى تحميل حزمة model.tar.gz بملحق هيكل الدليل المحدد في حاوية عامل الميناء. تتضمن الحزمة model.tar.gz ملف Model.ts لتجزئة الطحال تم تدريبه مسبقًا وملف inference.py مخصص. لقد استخدمنا حاوية تم إنشاؤها مسبقًا مع إصدارات إطار العمل Python 3.8 وPyTorch 1.12.1 لتحميل النموذج وتشغيل التنبؤات.
في التخصيص الاستدلال.py الملف، نقوم بإنشاء مثيل لفئة مساعد AHItoDICOM من AHItoDICOMInterface ونستخدمه لإنشاء مثيل MAP في model_fn()
وظيفة، ونقوم بتشغيل تطبيق MAP على كل طلب استدلال في predict_fn()
وظيفة:
from app import AISpleenSegApp
from AHItoDICOMInterface.AHItoDICOM import AHItoDICOM
helper = AHItoDICOM()
def model_fn(model_dir, context): … monai_app_instance = AISpleenSegApp(helper, do_run=False,path="/home/model-server") def predict_fn(input_data, model): with open('/home/model-server/inputImageSets.json', 'w') as f: f.write(json.dumps(input_data)) output_folder = "/home/model-server/output" if not os.path.exists(output_folder): os.makedirs(output_folder) model.run(input='/home/model-server/inputImageSets.json', output=output_folder, workdir='/home/model-server', model='/opt/ml/model/model.ts')
إلى استدعاء نقطة النهاية غير المتزامنة، سوف تحتاج إلى تحميل حمولة إدخال الطلب إلى خدمة تخزين أمازون البسيطة (Amazon S3)، وهو ملف JSON يحدد معرف مخزن بيانات AWS HealthImaging ومعرف ImageSet لتشغيل الاستدلال على:
sess = sagemaker.Session()
InputLocation = sess.upload_data('inputImageSets.json', bucket=sess.default_bucket(), key_prefix=prefix, extra_args={"ContentType": "application/json"})
response = runtime_sm_client.invoke_endpoint_async(EndpointName=endpoint_name, InputLocation=InputLocation, ContentType="application/json", Accept="application/json")
output_location = response["OutputLocation"]
يمكن العثور على الإخراج في Amazon S3 أيضًا.
SageMaker الاستدلال في الوقت الحقيقي متعدد النماذج
SageMaker الاستدلال في الوقت الحقيقي تلبي نقاط النهاية المتطلبات التفاعلية ذات الكمون المنخفض. يمكن أن يستضيف هذا الخيار نماذج متعددة في حاوية واحدة خلف نقطة نهاية واحدة، وهو حل قابل للتطوير وفعال من حيث التكلفة لنشر العديد من نماذج تعلم الآلة. أ تستخدم نقطة النهاية متعددة النماذج SageMaker خادم NVIDIA Triton Inference Server مع GPU لتشغيل العديد من استنتاجات نماذج التعلم العميق.
في هذا القسم، سنتعرف على كيفية إنشاء نقطة نهاية متعددة النماذج واستدعائها تكييف حاوية الاستدلال الخاصة بك في التالي نموذج دفتر الملاحظات. يمكن تقديم نماذج مختلفة في حاوية مشتركة على نفس أسطول الموارد. تعمل نقاط النهاية متعددة النماذج على تقليل حمل النشر واستدلالات نماذج القياس استنادًا إلى أنماط حركة المرور إلى نقطة النهاية. كنا أدوات مطور AWS بما فيها أمازون كود كوميت, أمازون كودبويلدو خط أنابيب كود أمازون لبناء الحاوية المخصصة لاستدلال نموذج SageMaker. قمنا بإعداد أ model_handler.py لإحضار الحاوية الخاصة بك بدلاً من ملف inference.py في المثال السابق، وقمت بتنفيذ وظائف التهيئة () والمعالجة المسبقة () والاستدلال ():
from app import AISpleenSegApp
from AHItoDICOMInterface.AHItoDICOM import AHItoDICOM
class ModelHandler(object): def __init__(self): self.initialized = False self.shapes = None def initialize(self, context): self.initialized = True properties = context.system_properties model_dir = properties.get("model_dir") gpu_id = properties.get("gpu_id") helper = AHItoDICOM() self.monai_app_instance = AISpleenSegApp(helper, do_run=False, path="/home/model-server/") def preprocess(self, request): inputStr = request[0].get("body").decode('UTF8') datastoreId = json.loads(inputStr)['inputs'][0]['datastoreId'] imageSetId = json.loads(inputStr)['inputs'][0]['imageSetId'] with open('/tmp/inputImageSets.json', 'w') as f: f.write(json.dumps({"datastoreId": datastoreId, "imageSetId": imageSetId})) return '/tmp/inputImageSets.json' def inference(self, model_input): self.monai_app_instance.run(input=model_input, output="/home/model-server/output/", workdir="/home/model-server/", model=os.environ["model_dir"]+"/model.ts")
بعد بناء الحاوية ودفعها إلى سجل الأمازون المرنة للحاويات (Amazon ECR)، يمكنك إنشاء نموذج SageMaker باستخدامه، بالإضافة إلى حزم نماذج مختلفة (ملفات tar.gz) في مسار Amazon S3 محدد:
model_name = "DEMO-MONAIDeployModel" + strftime("%Y-%m-%d-%H-%M-%S", gmtime())
model_url = "s3://{}/{}/".format(bucket, prefix)
container = "{}.dkr.ecr.{}.amazonaws.com/{}:dev".format( account_id, region, prefix )
container = {"Image": container, "ModelDataUrl": model_url, "Mode": "MultiModel"}
create_model_response = sm_client.create_model(ModelName=model_name, ExecutionRoleArn=role, PrimaryContainer=container)
ومن الجدير بالذكر أن model_url
هنا يحدد فقط المسار إلى مجلد ملفات tar.gz، وتحدد حزمة النموذج التي سيتم استخدامها للاستدلال عند استدعاء نقطة النهاية، كما هو موضح في التعليمة البرمجية التالية:
Payload = {"inputs": [ {"datastoreId": datastoreId, "imageSetId": next(iter(imageSetIds))} ]}
response = runtime_sm_client.invoke_endpoint(EndpointName=endpoint_name, ContentType="application/json", Accept="application/json", TargetModel="model.tar.gz", Body=json.dumps(Payload))
يمكننا إضافة المزيد من النماذج إلى نقطة نهاية الاستدلال المتعددة النماذج الحالية دون الحاجة إلى تحديث نقطة النهاية أو إنشاء نقطة جديدة.
تنظيف
لا تنسى إكمال ملف احذف موارد الاستضافة خطوة في مختبر 3 و مختبر 4 دفاتر الملاحظات لحذف نقاط نهاية الاستدلال SageMaker. يجب عليك رفض مثيل SageMaker للكمبيوتر الدفتري لتوفير التكاليف أيضًا. أخيرًا، يمكنك إما استدعاء وظيفة AWS HealthImaging API أو استخدام وحدة تحكم AWS HealthImaging لحذف مجموعات الصور ومخزن البيانات الذي تم إنشاؤه مسبقًا:
for s in imageSetIds.keys(): medicalimaging.deleteImageSet(datastoreId, s)
medicalimaging.deleteDatastore(datastoreId)
وفي الختام
في هذا المنشور، أوضحنا لك كيفية إنشاء موصل MAP إلى AWS HealthImaging، والذي يمكن إعادة استخدامه في التطبيقات المبنية باستخدام MONAI Deploy App SDK، للتكامل مع استرجاع بيانات الصور وتسريعها من متجر DICOM السحابي الأصلي إلى أعباء عمل الذكاء الاصطناعي للتصوير الطبي . يمكن استخدام MONAI Deploy SDK لدعم عمليات المستشفى. لقد أظهرنا أيضًا خيارين للاستضافة لنشر تطبيقات MAP AI على SageMaker على نطاق واسع.
انتقل من خلال دفاتر الملاحظات النموذجية في مستودع جيثب لمعرفة المزيد حول كيفية نشر تطبيقات MONAI على SageMaker مع الصور الطبية المخزنة في AWS HealthImaging. لمعرفة ما يمكن أن تقدمه AWS لك، اتصل بأحد ممثل AWS.
للحصول على موارد إضافية، راجع ما يلي:
حول المؤلف
مينغ (ملفين) تشين هو مساهم مستقل في فريق الرعاية الصحية في NVIDIA، ويركز على تطوير إطار تطبيق استدلال الذكاء الاصطناعي ومنصة لجلب الذكاء الاصطناعي إلى سير عمل التصوير الطبي. قبل انضمامه إلى NVIDIA في عام 2018 كعضو مؤسس في Clara، أمضى مينغ 15 عامًا في تطوير Radiology PACS وWorkflow SaaS كمهندس رئيسي/مهندس معماري في Stentor Inc.، والتي استحوذت عليها Philips Healthcare لاحقًا لتشكيل Enterprise Imaging.
ديفيد بيريكات هو مدير منتج للرعاية الصحية في NVIDIA، حيث يقود مجموعة عمل Project MONAI Deploy لجلب الذكاء الاصطناعي من الأبحاث إلى عمليات النشر السريرية. شغفه هو تسريع الابتكار الصحي على مستوى العالم وترجمته إلى تأثير سريري حقيقي. في السابق، عمل ديفيد في Red Hat، حيث قام بتنفيذ مبادئ مفتوحة المصدر عند تقاطع الذكاء الاصطناعي والسحابة والحوسبة الطرفية وإنترنت الأشياء. تشمل لحظاته الأكثر فخرًا المشي لمسافات طويلة إلى معسكر قاعدة جبل إيفرست ولعب كرة القدم لأكثر من 20 عامًا.
براد جينيرو هو القائد العالمي لتحالفات الرعاية الصحية في NVIDIA، حيث يكون مسؤولاً عن علاقات المطورين مع التركيز على التصوير الطبي لتسريع حلول الذكاء الاصطناعي والتعلم العميق والتصور والمحاكاة الافتراضية والتحليلات. يدعو براد إلى التبني والتكامل على نطاق واسع لسير عمل الرعاية الصحية والتصوير الطبي السلس في الممارسة السريرية اليومية، مع أكثر من 20 عامًا من الخبرة في مجال تكنولوجيا معلومات الرعاية الصحية.
قانغ فو هو مهندس حلول الرعاية الصحية في AWS. وهو حاصل على درجة الدكتوراه في العلوم الصيدلانية من جامعة ميسيسيبي ولديه أكثر من 10 سنوات من الخبرة في مجال التكنولوجيا والبحوث الطبية الحيوية. إنه شغوف بالتكنولوجيا وتأثيرها على الرعاية الصحية.
جي بي ليجيه هو مهندس حلول أول يدعم المراكز الطبية الأكاديمية وسير عمل التصوير الطبي في AWS. يتمتع بخبرة تزيد عن 20 عامًا في هندسة البرمجيات وتكنولوجيا معلومات الرعاية الصحية والتصوير الطبي، مع خبرة واسعة في تصميم أنظمة الأداء وقابلية التوسع والأمان في عمليات النشر الموزعة لأحجام كبيرة من البيانات في أماكن العمل وفي السحابة والهجينة مع التحليلات والذكاء الاصطناعي. .
كريس هافي هو مهندس الحلول الرئيسي في Amazon Web Services. يتمتع بخبرة تزيد عن 25 عامًا في مجال التصوير الطبي وهو متخصص في بناء أنظمة عالية الأداء وقابلة للتطوير. وهو مبتكر مشروع CornerstoneJS الشهير مفتوح المصدر، والذي يعمل على تشغيل عارض البصمة OHIF الشهير مفتوح المصدر. لقد ساهم في مواصفات DICOMweb ويواصل العمل على تحسين أدائه للعرض على الويب.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/build-a-medical-imaging-ai-inference-pipeline-with-monai-deploy-on-aws/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 1
- 10
- 100
- 12
- 15 سنة
- 15%
- 20
- 20 سنة
- 200
- 2018
- 25
- 3d
- 7
- 8
- a
- من نحن
- أكاديمي
- تسريع
- تسريع
- الوصول
- يمكن الوصول
- حسابي
- المكتسبة
- في
- تضيف
- إضافي
- تبني
- مميزات
- بأسعار معقولة
- AI
- نماذج الذكاء الاصطناعى
- التنبيهات
- خوارزميات
- الكل
- التحالفات
- السماح
- أيضا
- أمازون
- أمازون ويب سيرفيسز
- an
- تحليلات
- و
- API
- الوصول إلى واجهة برمجة التطبيقات
- واجهات برمجة التطبيقات
- التطبيق
- تطبيق
- التطبيقات
- هندسة معمارية
- هي
- مصطنع
- الذكاء الاصطناعي
- AS
- At
- سمات
- أوتوماتيك
- متاح
- AWS
- قاعدة
- على أساس
- BE
- قبل
- وراء
- الطبية الحيوية
- الجسدي
- على حد سواء
- براد
- اختراقات
- جلب
- نساعدك في بناء
- ابني
- بنيت
- مدمج
- by
- دعوة
- مخيم
- CAN
- يهمني
- الحالات
- مركز
- مراكز
- كلارا
- فئة
- سريري
- سحابة
- الكود
- تأتي
- إكمال
- يتألف
- الحوسبة
- الاعداد
- الإتصال
- كنسولات
- جمعية
- التواصل
- وعاء
- يحتوي
- محتويات
- سياق الكلام
- تواصل
- ساهمت
- مساهم
- التكلفة
- وفورات في التكاليف
- فعاله من حيث التكلفه
- التكاليف
- بهيكل
- مكتوب
- خلق
- خلق
- الخالق
- حسب الطلب
- البيانات
- مركز البيانات
- ديفيد
- عميق
- التعلم العميق
- شرح
- تظاهر
- نشر
- نشر
- نشر
- نشر
- ديف
- المتقدمة
- المطور
- المطورين
- تطوير
- مختلف
- وزعت
- do
- عامل في حوض السفن
- وثيقة
- إلى أسفل
- في وقت سابق
- حافة
- الحوسبة حافة
- فعال
- إما
- آخر
- تمكن
- النهائي إلى نهاية
- نقطة النهاية
- الهندسة
- مشروع
- البيئات
- معادل
- ايفرست
- كل
- كل يوم
- مثال
- إلا
- القائمة
- الخبره في مجال الغطس
- خبرة
- اكتشف
- واسع
- خبرة واسعة
- جدا
- زائف
- FAST
- قم بتقديم
- ملفات
- أخيرا
- الاسم الأول
- سريع
- تركز
- ركز
- اتباع
- متابعيك
- متابعات
- البصمة
- في حالة
- النموذج المرفق
- شكل
- وجدت
- تأسيس
- الإطار
- تبدأ من
- fu
- تماما
- وظيفة
- وظائف
- وظائف
- GitHub جيثب:
- معطى
- العالمية
- على الصعيد العالمي
- وحدة معالجة الرسوميات:
- تجمع
- قبعة
- يملك
- وجود
- he
- رؤوس
- صحة الإنسان
- الرعاية الصحية
- هنا
- أداء عالي
- جدا
- له
- يحمل
- مستشفى
- مضيف
- استضافت
- استضافة
- كيفية
- كيفية
- HTML
- HTTP
- HTTPS
- مهجنة
- ID
- المثالي
- هوية
- if
- يوضح
- صورة
- صور
- التصوير
- التأثير
- نفذت
- تحقيق
- استيراد
- واردات
- تحسين
- in
- Inc.
- تتضمن
- شامل
- يشمل
- بما فيه
- مستقل
- العالمية
- الابتكار
- إدخال
- المدخلات
- تثبيت
- مثل
- بدلًا من ذلك
- دمج
- التكامل
- رؤيتنا
- التفاعلية
- تقاطع طرق
- إلى
- قام المحفل
- أيرلندا
- IT
- انها
- وظيفة
- انضمام
- JPG
- جسون
- القفل
- علم
- كبير
- كمون
- الى وقت لاحق
- قيادة
- قادة
- يؤدي
- تعلم
- تعلم
- خط
- تحميل
- محمل
- جار التحميل
- محلي
- طويل
- آلة
- آلة التعلم
- أغلبية
- جعل
- تمكن
- مدير
- إدارة
- رسم خريطة
- برنامج Maps
- طبي
- تعرف علي
- عضو
- البيانات الوصفية
- المقاييس
- دقيقة
- ML
- موضة
- نموذج
- عارضات ازياء
- الوحدات
- لحظات
- مراقبة
- الأكثر من ذلك
- نقطة نهاية متعددة النماذج
- متعدد
- محلي
- حاجة
- شبكة
- الشبكات
- جديد
- لا
- بدون اضاءة
- شمال
- مفكرة
- جدير بالملاحظة
- NVIDIA
- موضوع
- of
- عروض
- on
- ONE
- فقط
- جاكيت
- شبكة مفتوحة
- المصدر المفتوح
- عمليات
- عامل
- مشغلي
- الأمثل
- خيار
- مزيد من الخيارات
- or
- ولاية أوريغون
- OS
- أخرى
- الناتج
- على مدى
- الخاصة
- صفقة
- حزم
- التعبئة والتغليف
- زوج
- موازية
- شغف
- عاطفي
- مسار
- أنماط
- أداء
- إذن
- الأدوية
- رسالة دكتوراه
- خط أنابيب
- بكسل
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- لعب
- المزيد
- الرائج
- منشور
- مدعوم
- القوى
- ممارسة
- تنبؤات
- أعدت
- سابق
- سابقا
- رئيسي
- مبادئ
- عملية المعالجة
- معالجتها
- العمليات
- معالجة
- المنتج
- مدير المنتج
- الإنتــاج
- تنفيذ المشاريع
- HAS
- ويوفر
- دفع
- بايثون
- pytorch
- في الوقت الحقيقي
- واقع
- تسلم
- أحمر
- ريد هات
- تخفيض
- الرجوع
- منطقة
- المناطق
- العلاقات
- التمثيل
- طلب
- طلبات
- المتطلبات الأساسية
- يتطلب
- بحث
- الباحثين
- الموارد
- استجابة
- مسؤول
- عائد أعلى
- قابلة لإعادة الاستخدام
- يجري
- تشغيل
- s
- ادارة العلاقات مع
- sagemaker
- الاستدلال SageMaker
- نفسه
- حفظ
- مدخرات
- التدرجية
- تحجيم
- حجم
- التحجيم
- علوم
- الإستراحة
- سلس
- القسم
- أمن
- تقسيم
- اختيار
- SELF
- كبير
- مسلسلات
- لمرضى
- الخدمة
- خدماتنا
- باكجات
- ضبط
- عدة
- الأشكال
- شاركت
- ينبغي
- أظهرت
- أظهرت
- الاشارات
- الأحجام
- بسلاسة
- كرة القدم
- تطبيقات الكمبيوتر
- هندسة البرمجيات
- حل
- الحلول
- مصدر
- تتخصص
- مواصفة
- قضى
- المعايير
- خطوة
- خطوات
- تخزين
- متجر
- تخزين
- خيط
- هذه
- الدعم
- دعم
- سيدني
- أنظمة
- يأخذ
- فريق
- تكنولوجيا
- الاختبار
- من
- أن
- •
- من مشاركة
- منهم
- then
- هناك.
- تشبه
- عبر
- مرات
- إلى
- سويا
- أدوات
- نحو
- حركة المرور
- تريتون نصف إله عند الإغريق
- صحيح
- محاولة
- منعطف أو دور
- اثنان
- واسع الانتشار
- جامعة
- تحديث
- تستخدم
- مستعمل
- مستخدم
- يستخدم
- استخدام
- سهل حياتك
- تشكيلة
- الإصدارات
- الاطلاع على
- فرجينيا
- رؤيتنا
- التصور
- تصور
- مجلدات
- W
- سير
- تريد
- we
- الويب
- خدمات ويب
- على شبكة الإنترنت
- حسن
- ابحث عن
- متى
- التي
- سوف
- مع
- في غضون
- بدون
- للعمل
- عمل
- سير العمل
- سير العمل
- عامل
- فريق العمل
- سنوات
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت
- صفر