हाइपरनेटवर्क क्या हैं? प्लेटोब्लॉकचेन डेटा इंटेलिजेंस। लंबवत खोज. ऐ.

हाइपरनेटवर्क्स क्या हैं?

समय टिकट: 27 दिसंबर, 2022 9:00 पूर्वाह्न

जब स्टेबल डिफ्यूजन, एआई एप्लिकेशन, फोटो यथार्थवादी छवियों को प्रस्तुत करता है, जिसे कुछ सप्ताह पहले प्रमुखता से शूट किया गया था, तो इसके साथ एक नया बज़वर्ड आया; android.

अब, पहले से ही स्थिर प्रसार और हाइपरनेटवर्क इतने जुड़े हुए हैं कि एक ही पैराग्राफ में एक के बिना दूसरे का उल्लेख करना असंभव है।

"मैंने इसे अस्पष्ट" शैलियों "को सिखाने के लिए छोटे डेटासेट पर स्थिर प्रसार हाइपरनेटवर्क को प्रशिक्षित किया है (नहीं, समकालीन कलाकारों को वास्तव में नहीं) यह वास्तव में बॉक्स से बाहर नहीं समझता है। यह ठीक वैसे ही काम करता है जैसा कि बताया गया है, वास्तव में जितना मैंने सोचा था उससे बेहतर है, ”ट्विटर पर एक उपयोगकर्ता का कहना है।

यह देर से नेटिज़न्स को पकड़ने वाले हाइपरनेटवर्क बज़ का प्रतीक है।

कम्प्यूटर साइंस में, एक हाइपरनेटवर्क तकनीकी रूप से एक नेटवर्क है जो एक मुख्य नेटवर्क के लिए वजन उत्पन्न करता है। दूसरे शब्दों में, यह माना जाता है कि मुख्य नेटवर्क का व्यवहार अन्य तंत्रिका नेटवर्क के साथ समान है क्योंकि यह कुछ कच्चे इनपुट को अपने वांछित लक्ष्यों पर मैप करना सीखता है जबकि हाइपरनेटवर्क इनपुट का एक सेट लेता है जिसमें वजन की संरचना के बारे में जानकारी होती है और जनरेट करता है। उस परत का वजन।

यह भी पढ़ें: एआई टेक जो जीवन को बर्बाद करने वाली गहरी नकली छवियां बनाता है

हाइपरनेटवर्क का उपयोग कैसे किया जाता है?

यह समझने के लिए कि हाइपरनेटवर्क क्या है, थोड़ा सा बैक अप लेते हैं। यदि आपने स्टेबल डिफ्यूजन - डिजिटल आर्ट और इमेज बनाने के लिए एआई टूल - पर छवियां बनाई हैं - तो आप इसके पार आ गए हैं।

प्रशिक्षण आम तौर पर एक ऐसी प्रक्रिया को संदर्भित करता है जहां एक मॉडल सभी भारों के लिए अच्छे मूल्यों और लेबल वाले उदाहरणों से पूर्वाग्रह सीखता है (निर्धारित करता है)

चित्र बनाना चालू है स्थिर प्रसार एक स्वचालित प्रक्रिया नहीं है, जैसा कि हमने कवर किया है अन्यत्र. वहां पहुंचने के लिए प्रक्रियाएं हैं।

पहले एआई मॉडल को सॉफ्टवेयर के माध्यम से 2डी या 3डी मॉडल से फोटो में किसी की छवि को प्रस्तुत या संश्लेषित करना सीखना चाहिए। यद्यपि स्थिर प्रसार मॉडल का पूरी तरह से परीक्षण किया गया था, इसकी कुछ प्रशिक्षण सीमाएँ हैं जिन्हें एम्बेडिंग और हाइपरनेटवर्क प्रशिक्षण विधियों द्वारा ठीक किया जा सकता है।

सर्वोत्तम परिणाम प्राप्त करने के लिए, एंड-यूज़र अधिक विशिष्ट उपयोग-मामलों से मिलान करने के लिए उत्पादन आउटपुट को फ़ाइन-ट्यून करने के लिए अतिरिक्त प्रशिक्षण करना चुन सकते हैं। एक "एम्बेडिंग" प्रशिक्षण में उपयोगकर्ता द्वारा प्रदान की गई छवियों का संग्रह शामिल होता है, और जब भी एम्बेडिंग का नाम पीढ़ी के संकेत के भीतर उपयोग किया जाता है तो मॉडल को दृष्टि से समान छवियां बनाने की अनुमति मिलती है।

एम्बेडिंग तेल अवीव विश्वविद्यालय के शोधकर्ताओं द्वारा विकसित "टेक्स्टुअल इनवर्जन" अवधारणा पर आधारित हैं, जहां मॉडल के टेक्स्ट एनकोडर द्वारा उपयोग किए जाने वाले विशिष्ट टोकन के लिए वेक्टर प्रतिनिधित्व नए छद्म शब्दों से जुड़े होते हैं। एम्बेडिंग मूल मॉडल के भीतर पूर्वाग्रहों को कम कर सकता है, या दृश्य शैलियों की नकल कर सकता है।

दूसरी ओर, "हाइपरनेटवर्क", एक पूर्व-प्रशिक्षित तंत्रिका नेटवर्क है जो एक बड़े तंत्रिका नेटवर्क के भीतर विभिन्न बिंदुओं पर लागू होता है, और 2021 में नोवेलएआई डेवलपर कुरुमुज़ द्वारा बनाई गई तकनीक को संदर्भित करता है, मूल रूप से पाठ-पीढ़ी के ट्रांसफार्मर मॉडल के लिए अभिप्रेत है। .

विशिष्ट कलाकारों पर ट्रेन

हाइपरनेटवर्क्स को एक विशेष दिशा में परिणामों को चलाने के लिए शामिल किया गया है, जिससे विशिष्ट कलाकारों की कला शैलियों को दोहराने के लिए स्थिर प्रसार-आधारित मॉडल की अनुमति मिलती है। नेटवर्क को तब भी काम करने में सक्षम होने का फायदा है जब कलाकार को मूल मॉडल द्वारा पहचाना नहीं जाता है और फिर भी बालों और आंखों जैसे महत्वपूर्ण क्षेत्रों को खोजकर छवि को संसाधित करेगा और फिर इन क्षेत्रों को एक द्वितीयक अव्यक्त स्थान में पैच कर देगा।

"स्थिर प्रसार में एम्बेडिंग परत निम्न-आयामी वैक्टर में इनपुट (उदाहरण के लिए, टेक्स्ट प्रॉम्प्ट और क्लास लेबल्स) को एन्कोड करने के लिए ज़िम्मेदार है। ये वैक्टर उपयोगकर्ता के इनपुट से मेल खाने वाली छवियों का निर्माण करने के लिए प्रसार मॉडल को निर्देशित करने में मदद करते हैं," बेनी चेउंग अपने ब्लॉग में बताते हैं।

"हाइपरनेटवर्क परत प्रणाली के लिए सीखने और अपने स्वयं के ज्ञान का प्रतिनिधित्व करने का एक तरीका है। यह स्थिर प्रसार को अपने पिछले अनुभव के आधार पर छवियां बनाने की अनुमति देता है।

जबकि इसकी एम्बेडिंग परत उपयोगकर्ता के इनपुट से मेल खाने वाली छवियों का उत्पादन करने के लिए प्रसार मॉडल को निर्देशित करने में मदद करने के लिए पाठ प्रांप्ट और क्लास लेबल जैसे इनपुट को निम्न-आयामी वैक्टर में एन्कोड करती है, हाइपरनेटवर्क परत कुछ हद तक सिस्टम को सीखने और खुद का प्रतिनिधित्व करने का एक तरीका है। ज्ञान।

दूसरे शब्दों में, यह स्थिर प्रसार को अपने पिछले अनुभव के आधार पर चित्र बनाने की अनुमति देता है। स्थिर प्रसार में, एक हाइपरनेटवर्क एक अतिरिक्त परत है जिसे मॉडल के माध्यम से एक छवि प्रदान करने के बाद संसाधित किया जाता है। हाइपरनेटवर्क मॉडल से सभी परिणामों को आपके प्रशिक्षण डेटा की ओर एक तरह से अनिवार्य रूप से "बदलते" मॉडल को तिरछा करता है।

मेमोरी रिटेंशन

इसका अनिवार्य रूप से मतलब है कि हाइपरनेटवर्क उन छवियों की मेमोरी रिटेंशन के लिए जिम्मेदार है जो सिस्टम ने पहले उत्पन्न की हैं। जब कोई उपयोगकर्ता एक नया इनपुट देता है, तो सिस्टम अधिक सटीक छवि बनाने के लिए अपने पूर्व मौजूदा ज्ञान का उपयोग कर सकता है। इसलिए, हाइपरनेटवर्क सिस्टम को तेज़ी से सीखने और आगे बढ़ने में सुधार करने की अनुमति देता है।

इसका यह लाभ है कि आपके प्रशिक्षण डेटा का वर्णन करने वाली प्रत्येक छवि आपके प्रशिक्षण डेटा की तरह दिखाई देगी।

"हमने पाया कि स्वयं-चित्र बनाने के लिए हाइपरनेटवर्क के साथ प्रशिक्षण की तुलना में एम्बेडिंग के साथ प्रशिक्षण आसान है। हमारे प्रशिक्षण के अच्छे परिणाम मिले जिससे हम संतुष्ट हैं।

लेकिन यह एक ऐसी तकनीक है जिसके साथ कई लोग अभी भी सौदेबाजी कर रहे हैं। हाइपरनेटवर्क्स और एआई-जेनरेटर्स ने उपयोगकर्ताओं की जरूरतों और चाहतों को पूरा करना अभी शुरू ही किया है। उपयोगकर्ता इंटरफेस और प्रोत्साहन तकनीक निस्संदेह तेजी से आगे बढ़ेगी, और शायद पकड़ भी लेगी गूगल ऑफ-गार्ड, मेटान्यूज़ के रूप में हाल ही में कवर किया गया.

इस पोस्ट पर साझा करें

समय टिकट:

से अधिक मेटान्यूज