پوز کا تخمینہ ایک کمپیوٹر ویژن تکنیک ہے جو تصاویر یا ویڈیوز کے اندر اشیاء (جیسے لوگ یا گاڑیاں) پر پوائنٹس کے سیٹ کا پتہ لگاتی ہے۔ پوز تخمینہ میں کھیلوں، روبوٹکس، سیکورٹی، بڑھا ہوا حقیقت، میڈیا اور تفریح، طبی ایپلی کیشنز، اور بہت کچھ میں حقیقی دنیا کی ایپلی کیشنز ہیں۔ پوز کے تخمینے کے ماڈلز کو ان تصاویر یا ویڈیوز پر تربیت دی جاتی ہے جو رگ کے ذریعے بیان کردہ پوائنٹس کے مستقل سیٹ (کوآرڈینیٹس) کے ساتھ تشریح کی جاتی ہیں۔ درست پوز تخمینہ کے ماڈلز کو تربیت دینے کے لیے، آپ کو پہلے تشریح شدہ تصاویر کا ایک بڑا ڈیٹا سیٹ حاصل کرنا ہوگا۔ بہت سے ڈیٹا سیٹس میں دسیوں یا لاکھوں تشریح شدہ تصاویر ہیں اور وہ بنانے کے لیے اہم وسائل لیتے ہیں۔ لیبلنگ کی غلطیوں کی شناخت اور روک تھام کے لیے اہم ہیں کیونکہ پوز تخمینہ لگانے والے ماڈلز کے لیے ماڈل کی کارکردگی لیبل لگائے گئے ڈیٹا کے معیار اور ڈیٹا کے حجم سے بہت زیادہ متاثر ہوتی ہے۔
اس پوسٹ میں، ہم دکھاتے ہیں کہ آپ کس طرح کسٹم لیبلنگ ورک فلو کو استعمال کر سکتے ہیں۔ ایمیزون سیج میکر گراؤنڈ ٹروتھ خاص طور پر کلیدی پوائنٹ لیبلنگ کے لیے ڈیزائن کیا گیا ہے۔ یہ حسب ضرورت ورک فلو لیبلنگ کے عمل کو ہموار کرنے اور لیبلنگ کی غلطیوں کو کم کرنے میں مدد کرتا ہے، اس طرح اعلیٰ معیار کے پوز لیبل حاصل کرنے کی لاگت کو کم کرتا ہے۔
اعلی معیار کے ڈیٹا کی اہمیت اور لیبلنگ کی غلطیوں کو کم کرنا
اعلیٰ معیار کا ڈیٹا مضبوط اور قابل اعتماد پوز تخمینہ ماڈل کی تربیت کے لیے بنیادی ہے۔ ان ماڈلز کی درستگی کا براہ راست تعلق ہر پوز کی پوائنٹ کو تفویض کردہ لیبلز کی درستگی اور درستگی سے ہے، جو کہ بدلے میں، تشریح کے عمل کی تاثیر پر منحصر ہے۔ مزید برآں، متنوع اور اچھی طرح سے تشریح شدہ ڈیٹا کا کافی حجم ہونا اس بات کو یقینی بناتا ہے کہ ماڈل پوز، تغیرات، اور منظرناموں کی ایک وسیع رینج سیکھ سکتا ہے، جس کے نتیجے میں مختلف حقیقی دنیا کی ایپلی کیشنز میں عمومی اور کارکردگی کو بہتر بنایا جا سکتا ہے۔ ان بڑے، تشریح شدہ ڈیٹاسیٹس کے حصول میں انسانی تشریح کرنے والے شامل ہوتے ہیں جو تصاویر کو پوز کی معلومات کے ساتھ احتیاط سے لیبل کرتے ہیں۔ تصویر کے اندر دلچسپی کے مقامات کو لیبل لگاتے وقت، تشریح کرنے والے کو بصری رہنمائی فراہم کرنے کے لیے لیبل لگاتے وقت شے کے کنکال کی ساخت کو دیکھنا مفید ہے۔ یہ لیبلنگ کی غلطیوں کی نشاندہی کرنے کے لیے مددگار ہے اس سے پہلے کہ وہ ڈیٹاسیٹ میں شامل کیے جائیں جیسے بائیں-دائیں سویپ یا غلط لیبلز (جیسے پاؤں کو کندھے کے طور پر نشان لگانا)۔ مثال کے طور پر، مندرجہ ذیل مثال میں کی گئی لیفٹ رائٹ سویپ جیسی لیبلنگ کی غلطی کو سکیلیٹن رگ لائنوں کے کراسنگ اور رنگوں کے مماثل ہونے سے آسانی سے پہچانا جا سکتا ہے۔ یہ بصری اشارے لیبلرز کی غلطیوں کو پہچاننے میں مدد کرتے ہیں اور اس کے نتیجے میں لیبلز کا ایک صاف ستھرا سیٹ ہو گا۔
لیبلنگ کی دستی نوعیت کی وجہ سے، بڑے اور درست لیبل والے ڈیٹاسیٹس کو حاصل کرنا لاگت سے ممنوع ہو سکتا ہے اور اس سے بھی زیادہ ایک ناکارہ لیبلنگ سسٹم کے ساتھ۔ لہذا، آپ کے لیبلنگ ورک فلو کو ڈیزائن کرتے وقت لیبلنگ کی کارکردگی اور درستگی اہم ہے۔ اس پوسٹ میں، ہم یہ ظاہر کرتے ہیں کہ کس طرح کسٹم سیج میکر گراؤنڈ ٹروتھ لیبلنگ ورک فلو کو تیزی سے اور درست طریقے سے تصاویر کی تشریح کرنے کے لیے استعمال کیا جائے، جس سے پوز کے تخمینے کے ورک فلو کے لیے بڑے ڈیٹا سیٹس تیار کرنے کے بوجھ کو کم کیا جائے۔
حل کا جائزہ
یہ حل ایک آن لائن ویب پورٹل فراہم کرتا ہے جہاں لیبلنگ ورک فورس لاگ ان کرنے، لیبلنگ جابز تک رسائی حاصل کرنے، اور کراؤڈ-2d-سکلیٹن یوزر انٹرفیس (UI) کا استعمال کرتے ہوئے تصاویر کی تشریح کرنے کے لیے ویب براؤزر کا استعمال کر سکتی ہے، ایک حسب ضرورت UI جو کلیدی پوائنٹ اور پوز لیبلنگ کے لیے ڈیزائن کیا گیا ہے۔ سیج میکر گراؤنڈ ٹروتھ۔ لیبلنگ ورک فورس کے ذریعہ تخلیق کردہ تشریحات یا لیبل پھر ایک کو برآمد کیے جاتے ہیں۔ ایمیزون سادہ اسٹوریج سروس (Amazon S3) بالٹی، جہاں انہیں نیچے کی دھارے کے عمل کے لیے استعمال کیا جا سکتا ہے جیسے کہ گہرے سیکھنے کے کمپیوٹر وژن ماڈلز کی تربیت۔ یہ حل آپ کو ویب پورٹل بنانے کے لیے ضروری اجزاء کو ترتیب دینے اور ان کو تعینات کرنے کے ساتھ ساتھ اس لیبلنگ ورک فلو کے لیے لیبلنگ جابز بنانے کے طریقے کے بارے میں بتاتا ہے۔
مندرجہ ذیل مجموعی فن تعمیر کا خاکہ ہے۔
یہ فن تعمیر کئی کلیدی اجزاء پر مشتمل ہے، جن میں سے ہر ایک کو ہم ذیل کے حصوں میں مزید تفصیل سے بیان کرتے ہیں۔ یہ فن تعمیر سیج میکر گراؤنڈ ٹروتھ کے زیر اہتمام ایک آن لائن ویب پورٹل کے ساتھ لیبلنگ ورک فورس فراہم کرتا ہے۔ یہ پورٹل ہر لیبلر کو لاگ ان کرنے اور اپنے لیبلنگ کے کام دیکھنے کی اجازت دیتا ہے۔ ان کے لاگ ان ہونے کے بعد، لیبلر لیبلنگ کا کام منتخب کر سکتا ہے اور حسب ضرورت UI کا استعمال کرتے ہوئے تصویروں کی تشریح شروع کر سکتا ہے ایمیزون CloudFront. ہم استعمال کرتے ہیں او ڈبلیو ایس لامبڈا۔ پہلے سے تشریح اور پوسٹ تشریح ڈیٹا پروسیسنگ کے افعال۔
درج ذیل اسکرین شاٹ UI کی ایک مثال ہے۔
لیبلر UI کا استعمال کرتے ہوئے تصویر پر مخصوص کلیدی نکات کو نشان زد کر سکتا ہے۔ کلیدی نکات کے درمیان لائنیں صارف کے لیے خود بخود اسکیلیٹن رگ کی تعریف کی بنیاد پر کھینچی جائیں گی جسے UI استعمال کرتا ہے۔ UI بہت سی تخصیصات کی اجازت دیتا ہے، جیسے کہ درج ذیل:
- حسب ضرورت کلیدی پوائنٹ کے نام
- قابل ترتیب کلیدی نقطہ رنگ
- قابل ترتیب رگ لائن رنگ
- قابل ترتیب کنکال اور رگ ڈھانچے
لیبلنگ کی آسانی اور لچک کو بہتر بنانے کے لیے ان میں سے ہر ایک اہدافی خصوصیات ہیں۔ مخصوص UI حسب ضرورت تفصیلات میں مل سکتی ہیں۔ GitHub repo اور اس کا خلاصہ بعد میں اس پوسٹ میں دیا جائے گا۔ نوٹ کریں کہ اس پوسٹ میں، ہم انسانی پوز کے تخمینے کو ایک بنیادی کام کے طور پر استعمال کرتے ہیں، لیکن آپ اسے دیگر اشیاء، جیسے کہ جانوروں یا گاڑیوں کے لیے پہلے سے طے شدہ رگ کے ساتھ آبجیکٹ پوز کے لیبلنگ تک بڑھا سکتے ہیں۔ مندرجہ ذیل مثال میں، ہم دکھاتے ہیں کہ اسے باکس ٹرک کے پوائنٹس پر لیبل لگانے کے لیے کیسے لاگو کیا جا سکتا ہے۔
سیج میکر گراؤنڈ ٹروتھ
اس حل میں، ہم SageMaker Ground Truth کا استعمال کرتے ہیں تاکہ لیبلنگ ورک فورس کو ایک آن لائن پورٹل اور لیبلنگ جابز کو منظم کرنے کا طریقہ فراہم کیا جا سکے۔ یہ پوسٹ فرض کرتی ہے کہ آپ سیج میکر گراؤنڈ ٹروتھ سے واقف ہیں۔ مزید معلومات کے لیے رجوع کریں۔ ایمیزون سیج میکر گراؤنڈ ٹروتھ.
کلاؤڈ فرنٹ کی تقسیم
اس حل کے لیے، لیبلنگ UI کو ایک حسب ضرورت بلٹ JavaScript جزو کی ضرورت ہوتی ہے جسے کراؤڈ-2d-سکلیٹن جزو کہا جاتا ہے۔ یہ جزو پر پایا جا سکتا ہے GitHub کے ایمیزون کے اوپن سورس اقدامات کے حصے کے طور پر۔ CloudFront کی تقسیم کو میزبانی کے لیے استعمال کیا جائے گا۔ crowd-2d-skeleton.js، جس کی ضرورت SageMaker Ground Truth UI کو ہے۔ CloudFront کی تقسیم کو اصل رسائی کی شناخت تفویض کی جائے گی، جو CloudFront کی تقسیم کو S2 بالٹی میں موجود crowd-3d-skeleton.js تک رسائی کی اجازت دے گی۔ S3 بالٹی نجی رہے گی اور اس بالٹی میں کوئی دوسری چیز کلاؤڈ فرنٹ ڈسٹری بیوشن کے ذریعے دستیاب نہیں ہوگی کیونکہ ہم بالٹی پالیسی کے ذریعے اصل رسائی کی شناخت پر پابندیاں لگاتے ہیں۔ کم از کم استحقاق کے اصول پر عمل کرنے کے لیے یہ ایک تجویز کردہ عمل ہے۔
ایمیزون S3 بالٹی
ہم S3 بالٹی کا استعمال SageMaker گراؤنڈ ٹروتھ ان پٹ اور آؤٹ پٹ مینی فیسٹ فائلوں، حسب ضرورت UI ٹیمپلیٹ، لیبلنگ جابز کے لیے تصاویر، اور اپنی مرضی کے UI کے لیے درکار JavaScript کوڈ کو ذخیرہ کرنے کے لیے کرتے ہیں۔ یہ بالٹی نجی ہوگی اور عوام کے لیے قابل رسائی نہیں ہوگی۔ بالٹی میں ایک بالٹی پالیسی بھی ہوگی جو CloudFront کی تقسیم کو صرف UI کے لیے درکار JavaScript کوڈ تک رسائی حاصل کرنے تک محدود رکھتی ہے۔ یہ CloudFront کی تقسیم کو S3 بالٹی میں کسی دوسرے آبجیکٹ کی میزبانی کرنے سے روکتا ہے۔
پری تشریح لیمبڈا فنکشن
سیج میکر گراؤنڈ ٹروتھ لیبلنگ جابز عام طور پر ایک ان پٹ مینی فیسٹ فائل کا استعمال کرتی ہیں، جو JSON لائنز فارمیٹ میں ہوتی ہے۔ یہ ان پٹ مینی فیسٹ فائل لیبلنگ کے کام کے لیے میٹا ڈیٹا پر مشتمل ہے، اس ڈیٹا کے حوالے کے طور پر کام کرتی ہے جس پر لیبل لگانے کی ضرورت ہے، اور یہ ترتیب دینے میں مدد کرتی ہے کہ ڈیٹا کو تشریح کنندگان کو کیسے پیش کیا جانا چاہیے۔ مینی فیسٹ ڈیٹا کو حسب ضرورت UI ٹیمپلیٹ میں داخل کرنے سے پہلے پری اینوٹیشن لیمبڈا فنکشن ان پٹ مینی فیسٹ فائل سے آئٹمز پر کارروائی کرتا ہے۔ یہ وہ جگہ ہے جہاں UI میں تشریح کرنے والوں کو ڈیٹا پیش کرنے سے پہلے آئٹمز میں کوئی بھی فارمیٹنگ یا خصوصی ترمیم کی جا سکتی ہے۔ پہلے سے تشریح لیمبڈا فنکشنز کے بارے میں مزید معلومات کے لیے، دیکھیں پری تشریح لیمبڈا.
پوسٹ تشریح لیمبڈا فنکشن
پری اینوٹیشن لیمبڈا فنکشن کی طرح، پوسٹ اینوٹیشن فنکشن اضافی ڈیٹا پروسیسنگ کو ہینڈل کرتا ہے جسے آپ تمام لیبلرز کے لیبلنگ مکمل کرنے کے بعد لیکن حتمی تشریح آؤٹ پٹ کے نتائج لکھنے سے پہلے کرنا چاہتے ہیں۔ یہ پروسیسنگ لیمبڈا فنکشن کے ذریعے کی جاتی ہے، جو لیبلنگ جاب آؤٹ پٹ کے نتائج کے لیے ڈیٹا کو فارمیٹ کرنے کا ذمہ دار ہے۔ اس حل میں، ہم اسے اپنے مطلوبہ آؤٹ پٹ فارمیٹ میں ڈیٹا واپس کرنے کے لیے استعمال کر رہے ہیں۔ پوسٹ اینوٹیشن لیمبڈا فنکشنز کے بارے میں مزید معلومات کے لیے دیکھیں پوسٹ تشریح لیمبڈا.
پوسٹ تشریح لیمبڈا فنکشن رول
ہم ایک استعمال کرتے ہیں AWS شناخت اور رسائی کا انتظام (IAM) کا رول پوسٹ تشریح لیمبڈا فنکشن کو S3 بالٹی تک رسائی دینے کے لیے۔ آؤٹ پٹ مینی فیسٹ فائل میں حتمی نتائج لکھنے سے پہلے تشریح کے نتائج کو پڑھنے اور کوئی ترمیم کرنے کے لیے اس کی ضرورت ہے۔
سیج میکر گراؤنڈ ٹروتھ رول
ہم اس IAM کردار کو SageMaker گراؤنڈ ٹروتھ لیبلنگ جاب کو Lambda فنکشنز کو شروع کرنے اور S3 بالٹی میں تصاویر، مینی فیسٹ فائلز اور حسب ضرورت UI ٹیمپلیٹ کو پڑھنے کی صلاحیت دینے کے لیے استعمال کرتے ہیں۔
شرائط
اس واک تھرو کے لیے، آپ کے پاس درج ذیل شرائط ہونی چاہئیں:
اس حل کے لیے، ہم آرکیٹیکچر کو تعینات کرنے کے لیے AWS CDK استعمال کرتے ہیں۔ پھر ہم ایک نمونہ لیبلنگ جاب بناتے ہیں، لیبلنگ جاب میں تصاویر کو لیبل کرنے کے لیے تشریحی پورٹل کا استعمال کرتے ہیں، اور لیبلنگ کے نتائج کی جانچ کرتے ہیں۔
AWS CDK اسٹیک بنائیں
تمام شرائط کو مکمل کرنے کے بعد، آپ حل کو تعینات کرنے کے لیے تیار ہیں۔
اپنے وسائل مرتب کریں۔
اپنے وسائل کو ترتیب دینے کے لیے درج ذیل مراحل کو مکمل کریں:
- سے مثال کے اسٹیک کو ڈاؤن لوڈ کریں۔ GitHub repo.
- ذخیرہ میں تبدیل کرنے کے لیے cd کمانڈ استعمال کریں۔
- اپنا Python ماحول بنائیں اور مطلوبہ پیکجز انسٹال کریں (مزید تفصیلات کے لیے ریپوزٹری README.md دیکھیں)۔
- اپنے ازگر کے ماحول کو چالو کرنے کے ساتھ، درج ذیل کمانڈ کو چلائیں:
- AWS CDK کو تعینات کرنے کے لیے درج ذیل کمانڈ کو چلائیں:
- پوسٹ تعیناتی اسکرپٹ کو چلانے کے لیے درج ذیل کمانڈ کو چلائیں:
لیبلنگ کا کام بنائیں
اپنے وسائل کو ترتیب دینے کے بعد، آپ لیبلنگ جاب بنانے کے لیے تیار ہیں۔ اس پوسٹ کے مقاصد کے لیے، ہم ریپوزٹری میں فراہم کردہ مثال کے اسکرپٹس اور تصاویر کا استعمال کرتے ہوئے لیبلنگ کا کام بناتے ہیں۔
- میں سی ڈی
scripts
ذخیرہ میں ڈائریکٹری. - درج ذیل کوڈ کو چلا کر انٹرنیٹ سے مثال کی تصاویر ڈاؤن لوڈ کریں:
یہ اسکرپٹ 10 تصاویر کا ایک سیٹ ڈاؤن لوڈ کرتا ہے، جسے ہم اپنے مثال کے طور پر لیبلنگ کے کام میں استعمال کرتے ہیں۔ ہم اس پوسٹ میں بعد میں آپ کا اپنا حسب ضرورت ان پٹ ڈیٹا استعمال کرنے کے طریقہ کا جائزہ لیتے ہیں۔
- درج ذیل کوڈ پر چل کر لیبلنگ کا کام بنائیں:
یہ اسکرپٹ ایک سیج میکر گراؤنڈ ٹروتھ پرائیویٹ ورک فورس ARN کو دلیل کے طور پر لیتا ہے، جو اس ورک فورس کے لیے ARN ہونا چاہیے جس اکاؤنٹ میں آپ نے اس فن تعمیر کو تعینات کیا ہے۔ اسکرپٹ ہمارے لیبلنگ کام کے لیے ان پٹ مینی فیسٹ فائل بنائے گا، اسے Amazon S3 پر اپ لوڈ کرے گا، اور SageMaker Ground Truth اپنی مرضی کے مطابق لیبلنگ کا کام بنائے گا۔ ہم بعد میں اس پوسٹ میں اس اسکرپٹ کی تفصیلات میں گہرا غوطہ لگائیں گے۔
ڈیٹاسیٹ کو لیبل کریں۔
مثال کے طور پر لیبلنگ جاب شروع کرنے کے بعد، یہ SageMaker کنسول کے ساتھ ساتھ ورک فورس پورٹل پر بھی ظاہر ہوگا۔
ورک فورس پورٹل میں، لیبلنگ جاب کو منتخب کریں اور منتخب کریں۔ کام شروع کرو.
آپ کو مثال کے ڈیٹا سیٹ سے ایک تصویر پیش کی جائے گی۔ اس مقام پر، آپ تصاویر کو تشریح کرنے کے لیے حسب ضرورت کراؤڈ-2d-skeleton UI استعمال کر سکتے ہیں۔ آپ کراؤڈ-2d-skeleton UI کا حوالہ دے کر اپنے آپ کو واقف کر سکتے ہیں۔ یوزر انٹرفیس کا جائزہ. ہم سے رگ کی تعریف استعمال کرتے ہیں۔ COCO کی پوائنٹ کا پتہ لگانے والے ڈیٹاسیٹ چیلنج جیسا کہ انسانی پوز رگ۔ اعادہ کرنے کے لیے، آپ اپنی ضروریات کی بنیاد پر پوائنٹس کو ہٹانے یا شامل کرنے کے لیے ہمارے حسب ضرورت UI جزو کے بغیر اسے حسب ضرورت بنا سکتے ہیں۔
جب آپ کسی تصویر کی تشریح مکمل کر لیں تو منتخب کریں۔ جمع کرائیں. یہ آپ کو ڈیٹاسیٹ میں اگلی تصویر پر لے جائے گا جب تک کہ تمام تصاویر پر لیبل نہ لگ جائے۔
لیبلنگ کے نتائج تک رسائی حاصل کریں۔
جب آپ لیبلنگ جاب میں تمام امیجز کو لیبل لگا چکے ہیں، تو SageMaker Ground Truth پوسٹ تشریح Lambda فنکشن کو شروع کرے گا اور ایک output.manifest فائل تیار کرے گا جس میں تمام تشریحات شامل ہوں۔ یہ output.manifest
S3 بالٹی میں محفوظ کیا جائے گا۔ ہمارے معاملے میں، آؤٹ پٹ مینی فیسٹ کا مقام S3 URI کے راستے پر چلنا چاہیے۔ s3://<bucket name> /labeling_jobs/output/<labeling job name>/manifests/output/output.manifest
. output.manifest فائل ایک JSON لائنز فائل ہے، جہاں ہر لائن ایک تصویر اور لیبلنگ ورک فورس سے اس کی تشریحات سے مطابقت رکھتی ہے۔ ہر JSON لائنز آئٹم ایک JSON آبجیکٹ ہے جس میں بہت سے فیلڈز ہیں۔ ہم جس فیلڈ میں دلچسپی رکھتے ہیں اسے کہا جاتا ہے۔ label-results
. اس فیلڈ کی قدر ایک ایسی چیز ہے جس میں درج ذیل فیلڈز ہیں:
- dataset_object_id - ان پٹ مینی فیسٹ آئٹم کی ID یا اشاریہ
- data_object_s3_uri - تصویر کا Amazon S3 URI
- image_file_name - تصویر کی فائل کا نام
- image_s3_location - تصویر کا Amazon S3 URL
- اصل_تشریحات - اصل تشریحات (صرف سیٹ اور استعمال کیا جاتا ہے اگر آپ پہلے سے تشریحی ورک فلو استعمال کر رہے ہیں)
- اپ ڈیٹ کردہ_تشریحات - تصویر کے لیے تشریحات
- worker_id - افرادی قوت کا کارکن جس نے تشریحات کیں۔
- کوئی_تبدیلی_ضرورت نہیں - آیا کسی تبدیلی کی ضرورت نہیں ہے چیک باکس کو منتخب کیا گیا تھا۔
- کیا گیا تھا - آیا تشریحی ڈیٹا اصل ان پٹ ڈیٹا سے مختلف ہے۔
- کل_وقت_سیکنڈز - ورک فورس کے کارکن کو تصویر کی تشریح کرنے میں جو وقت لگا
ان فیلڈز کے ساتھ، آپ ہر تصویر کے لیے اپنے تشریحی نتائج تک رسائی حاصل کر سکتے ہیں اور کسی تصویر کو لیبل کرنے کے لیے اوسط وقت کی طرح حساب لگا سکتے ہیں۔
اپنی خود کی لیبلنگ ملازمتیں بنائیں
اب جب کہ ہم نے لیبلنگ جاب کی مثال بنائی ہے اور آپ مجموعی عمل کو سمجھتے ہیں، ہم آپ کو مینی فیسٹ فائل بنانے اور لیبلنگ جاب شروع کرنے کے ذمہ دار کوڈ کے ذریعے لے جاتے ہیں۔ ہم اسکرپٹ کے ان اہم حصوں پر توجہ مرکوز کرتے ہیں جن میں آپ اپنی خود کی لیبلنگ جابز شروع کرنے کے لیے ترمیم کرنا چاہتے ہیں۔
ہم سے کوڈ کے ٹکڑوں کا احاطہ کرتے ہیں۔ create_example_labeling_job.py
اسکرپٹ میں واقع ہے۔ GitHub ذخیرہ. اسکرپٹ متغیرات کو ترتیب دینے سے شروع ہوتا ہے جو بعد میں اسکرپٹ میں استعمال ہوتے ہیں۔ کچھ متغیرات کو سادگی کے لیے سخت کوڈ کیا گیا ہے، جب کہ دیگر، جو اسٹیک پر منحصر ہیں، ہمارے AWS CDK اسٹیک سے تخلیق کردہ اقدار کو حاصل کرکے رن ٹائم پر متحرک طور پر درآمد کیے جائیں گے۔
اس اسکرپٹ کا پہلا کلیدی حصہ مینی فیسٹ فائل کی تخلیق ہے۔ یاد رکھیں کہ مینی فیسٹ فائل ایک JSON لائنز فائل ہے جس میں سیج میکر گراؤنڈ ٹروتھ لیبلنگ جاب کی تفصیلات شامل ہیں۔ ہر JSON لائنز آبجیکٹ ایک آئٹم کی نمائندگی کرتا ہے (مثال کے طور پر، ایک تصویر) جس پر لیبل لگانے کی ضرورت ہے۔ اس ورک فلو کے لیے، آبجیکٹ میں درج ذیل فیلڈز ہونی چاہئیں:
- source-ref - جس تصویر پر آپ لیبل لگانا چاہتے ہیں اس کے لیے Amazon S3 URI۔
- تشریحات - تشریحی اشیاء کی ایک فہرست، جو پہلے سے تشریح کرنے والے ورک فلو کے لیے استعمال ہوتی ہے۔ دیکھیں crowd-2d-skeleton دستاویزات متوقع اقدار کے بارے میں مزید تفصیلات کے لیے۔
اسکرپٹ کوڈ کے درج ذیل حصے کا استعمال کرتے ہوئے امیج ڈائرکٹری میں ہر تصویر کے لیے ایک مینی فیسٹ لائن بناتا ہے۔
اگر آپ مختلف امیجز استعمال کرنا چاہتے ہیں یا کسی مختلف امیج ڈائرکٹری کی طرف اشارہ کرنا چاہتے ہیں تو آپ کوڈ کے اس حصے میں ترمیم کر سکتے ہیں۔ مزید برآں، اگر آپ پہلے سے تشریحی ورک فلو استعمال کر رہے ہیں، تو آپ تشریحی سرنی کو JSON سٹرنگ کے ساتھ اپ ڈیٹ کر سکتے ہیں جس میں صف اور اس کی تمام تشریحی اشیاء شامل ہیں۔ اس صف کے فارمیٹ کی تفصیلات میں دستاویزی ہیں۔ crowd-2d-skeleton دستاویزات.
مینی فیسٹ لائن آئٹمز کے ساتھ جو اب بنائے گئے ہیں، آپ مینی فیسٹ فائل کو پہلے تخلیق کردہ S3 بالٹی پر اپ لوڈ کر سکتے ہیں:
اب جب کہ آپ نے ایک مینی فیسٹ فائل بنائی ہے جس میں وہ تصاویر شامل ہیں جن پر آپ لیبل لگانا چاہتے ہیں، آپ لیبلنگ کا کام بنا سکتے ہیں۔ آپ پروگرام کے ذریعے لیبلنگ کا کام بنا سکتے ہیں۔ AWS SDK برائے Python (Boto3). لیبلنگ جاب بنانے کا کوڈ درج ذیل ہے:
اس کوڈ کے وہ پہلو ہیں جن میں آپ ترمیم کرنا چاہتے ہیں۔ LabelingJobName
, TaskTitle
، اور TaskDescription
. LabelingJobName
لیبلنگ جاب کا منفرد نام ہے جسے SageMaker آپ کے کام کا حوالہ دینے کے لیے استعمال کرے گا۔ یہ وہ نام بھی ہے جو SageMaker کنسول پر ظاہر ہوگا۔ TaskTitle
اسی طرح کا مقصد پورا کرتا ہے، لیکن اسے منفرد ہونے کی ضرورت نہیں ہے اور یہ اس کام کا نام ہوگا جو ورک فورس پورٹل میں ظاہر ہوتا ہے۔ ہو سکتا ہے کہ آپ ان چیزوں کو مزید مخصوص کرنا چاہیں جس پر آپ لیبل لگا رہے ہیں یا لیبل لگانے کا کام کس لیے ہے۔ آخر میں، ہمارے پاس ہے TaskDescription
میدان یہ فیلڈ ورک فورس پورٹل میں ظاہر ہوتا ہے تاکہ لیبلرز کو اضافی سیاق و سباق فراہم کیا جا سکے کہ کام کیا ہے، جیسے کہ کام کے لیے ہدایات اور رہنمائی۔ ان شعبوں کے ساتھ ساتھ دیگر کے بارے میں مزید معلومات کے لیے، ملاحظہ کریں۔ تخلیق_لیبلنگ_نوکری دستاویزات.
UI میں ایڈجسٹمنٹ کریں۔
اس سیکشن میں، ہم کچھ ایسے طریقوں پر غور کرتے ہیں جن سے آپ UI کو اپنی مرضی کے مطابق بنا سکتے ہیں۔ ذیل میں UI میں سب سے عام ممکنہ تخصیصات کی فہرست ہے تاکہ اسے آپ کے ماڈلنگ ٹاسک میں ایڈجسٹ کیا جا سکے۔
- آپ وضاحت کر سکتے ہیں کہ کن کلیدی نکات پر لیبل لگایا جا سکتا ہے۔ اس میں کلید کا نام اور اس کا رنگ شامل ہے۔
- آپ کنکال کی ساخت کو تبدیل کر سکتے ہیں (جس کے کلیدی پوائنٹس جڑے ہوئے ہیں)۔
- آپ مخصوص کلیدی پوائنٹس کے درمیان مخصوص لائنوں کے لیے لائن کے رنگ تبدیل کر سکتے ہیں۔
یہ تمام UI تخصیصات کراؤڈ-2d-سکلیٹن جزو میں بھیجے گئے دلائل کے ذریعے قابل ترتیب ہیں، جو اس میں استعمال ہونے والا JavaScript جزو ہے۔ اپنی مرضی کے مطابق ورک فلو ٹیمپلیٹ. اس ٹیمپلیٹ میں، آپ کو crowd-2d-skeleton جزو کا استعمال مل جائے گا۔ ایک آسان ورژن درج ذیل کوڈ میں دکھایا گیا ہے:
پچھلے کوڈ کی مثال میں، آپ جزو پر درج ذیل صفات دیکھ سکتے ہیں: imgSrc
, keypointClasses
, skeletonRig
, skeletonBoundingBox
، اور intialValues
. ہم مندرجہ ذیل حصوں میں ہر ایک وصف کے مقصد کو بیان کرتے ہیں، لیکن UI کو اپنی مرضی کے مطابق بنانا اتنا ہی سیدھا ہے جتنا کہ ان صفات کی قدروں کو تبدیل کرنا، ٹیمپلیٹ کو محفوظ کرنا، اور دوبارہ چلانا post_deployment_script.py
ہم نے پہلے استعمال کیا.
imgSrc وصف
۔ imgSrc
انتساب کنٹرول کرتا ہے کہ لیبل لگاتے وقت UI میں کون سی تصویر دکھائی جائے۔ عام طور پر، ہر مینی فیسٹ لائن آئٹم کے لیے ایک مختلف امیج استعمال کی جاتی ہے، لہذا یہ وصف اکثر بلٹ ان کا استعمال کرتے ہوئے متحرک طور پر آباد ہوتا ہے۔ مائع ٹیمپلیٹنگ زبان. آپ پچھلے کوڈ کی مثال میں دیکھ سکتے ہیں کہ انتساب کی قدر سیٹ کی گئی ہے۔ {{ task.input.image_s3_uri | grant_read_access }}
، جو مائع ٹیمپلیٹ متغیر ہے جسے اصل سے بدل دیا جائے گا۔ image_s3_uri
قدر جب ٹیمپلیٹ پیش کیا جا رہا ہو۔ رینڈرنگ کا عمل تب شروع ہوتا ہے جب صارف تشریح کے لیے تصویر کھولتا ہے۔ یہ عمل ان پٹ مینی فیسٹ فائل سے ایک لائن آئٹم کو پکڑتا ہے اور اسے پری اینوٹیشن لیمبڈا فنکشن کو بطور ایک بھیجتا ہے۔ event.dataObject
. پری اینوٹیشن فنکشن لائن آئٹم سے مطلوبہ معلومات لیتا ہے اور a لوٹاتا ہے۔ taskInput
ڈکشنری، جو پھر مائع رینڈرنگ انجن کو بھیجی جاتی ہے، جو آپ کے ٹیمپلیٹ میں کسی بھی مائع متغیر کی جگہ لے لے گی۔ مثال کے طور پر، ہم کہتے ہیں کہ آپ کے پاس درج ذیل لائن کے ساتھ ایک مینی فیسٹ فائل ہے:
یہ ڈیٹا پری اینوٹیشن فنکشن میں منتقل کیا جائے گا۔ مندرجہ ذیل کوڈ سے پتہ چلتا ہے کہ فنکشن ایونٹ آبجیکٹ سے اقدار کیسے نکالتا ہے:
اس معاملے میں فنکشن سے واپس آنے والا آبجیکٹ درج ذیل کوڈ کی طرح نظر آئے گا۔
فنکشن سے لوٹا ہوا ڈیٹا اس کے بعد مائع ٹیمپلیٹ انجن کو دستیاب ہوتا ہے، جو ٹیمپلیٹ میں موجود ٹیمپلیٹ ویلیوز کو فنکشن کے ذریعے لوٹائے گئے ڈیٹا ویلیوز سے بدل دیتا ہے۔ نتیجہ مندرجہ ذیل کوڈ کی طرح کچھ ہوگا:
keypointClasses وصف
۔ keypointClasses
انتساب اس بات کی وضاحت کرتا ہے کہ کون سے کلیدی نکات UI میں ظاہر ہوں گے اور تشریح کنندگان کے ذریعہ استعمال کیے جائیں گے۔ یہ وصف ایک JSON سٹرنگ لیتا ہے جس میں اشیاء کی فہرست ہوتی ہے۔ ہر آبجیکٹ کلیدی نقطہ کی نمائندگی کرتا ہے۔ ہر کلیدی نقطہ آبجیکٹ میں درج ذیل فیلڈز ہونی چاہئیں:
- id - اس کلیدی نقطہ کی شناخت کے لیے ایک منفرد قدر۔
- رنگ - کلیدی پوائنٹ کا رنگ ایک HTML ہیکس رنگ کے طور پر ظاہر ہوتا ہے۔
- لیبل - نام یا کلیدی پوائنٹ کی کلاس۔
- x - یہ اختیاری وصف صرف اس صورت میں درکار ہے جب آپ UI میں ڈرا سکیلیٹن فعالیت کو استعمال کرنا چاہتے ہیں۔ اس وصف کی قدر کنکال کے باؤنڈنگ باکس کے نسبت کلیدی پوائنٹ کی x پوزیشن ہے۔ یہ قدر عام طور پر حاصل کی جاتی ہے۔ Skeleton Rig Creator ٹول. اگر آپ کلیدی نکات کی تشریحات کر رہے ہیں اور آپ کو ایک ہی وقت میں پورا کنکال کھینچنے کی ضرورت نہیں ہے، تو آپ اس قدر کو 0 پر سیٹ کر سکتے ہیں۔
- y - یہ اختیاری وصف x کی طرح ہے، لیکن عمودی جہت کے لیے۔
مزید معلومات کے لئے keypointClasses
وصف، دیکھیں keypointClasses دستاویزات.
skeletonRig وصف
۔ skeletonRig
انتساب کنٹرول کرتا ہے کہ کن کلیدی پوائنٹس کے درمیان لائنیں کھینچی جانی چاہئیں۔ یہ وصف ایک JSON سٹرنگ لیتا ہے جس میں کلیدی پوائنٹ لیبل کے جوڑوں کی فہرست ہوتی ہے۔ ہر جوڑا UI کو مطلع کرتا ہے کہ کن کلیدوں کے درمیان لائنیں کھینچنی ہیں۔ مثال کے طور پر، '[["left_ankle","left_knee"],["left_knee","left_hip"]]'
کے درمیان لائنیں کھینچنے کے لیے UI کو مطلع کرتا ہے۔ "left_ankle"
اور "left_knee"
اور درمیان لائنیں کھینچیں۔ "left_knee"
اور "left_hip"
. یہ کی طرف سے پیدا کیا جا سکتا ہے Skeleton Rig Creator ٹول.
skeletonBoundingBox وصف
۔ skeletonBoundingBox
انتساب اختیاری ہے اور صرف اس صورت میں اس کی ضرورت ہے جب آپ UI میں ڈرا سکیلیٹن فعالیت کو استعمال کرنا چاہتے ہیں۔ ڈرا سکیلیٹن فنکشنلٹی ایک اینوٹیشن ایکشن کے ساتھ پورے کنکال کی تشریح کرنے کی صلاحیت ہے۔ ہم اس پوسٹ میں اس خصوصیت کا احاطہ نہیں کرتے ہیں۔ اس وصف کی قدر کنکال کے باؤنڈنگ باکس کے طول و عرض ہے۔ یہ قدر عام طور پر حاصل کی جاتی ہے۔ Skeleton Rig Creator ٹول. اگر آپ کلیدی نکات کی تشریحات کر رہے ہیں اور آپ کو ایک ہی وقت میں پورا کنکال کھینچنے کی ضرورت نہیں ہے، تو آپ اس قدر کو کالعدم کر سکتے ہیں۔ اس قدر کو حاصل کرنے کے لیے Skeleton Rig Creator ٹول استعمال کرنے کی سفارش کی جاتی ہے۔
intialValues وصف
۔ initialValues
انتساب کا استعمال کسی اور عمل سے حاصل کردہ تشریحات کے ساتھ UI کو پہلے سے آباد کرنے کے لیے کیا جاتا ہے (جیسے کہ ایک اور لیبلنگ جاب یا مشین لرننگ ماڈل)۔ ایڈجسٹمنٹ کرتے وقت یا ملازمتوں کا جائزہ لیتے وقت یہ مفید ہے۔ اس فیلڈ کا ڈیٹا عام طور پر اسی تفصیل میں متحرک طور پر آباد ہوتا ہے۔ imgSrc
وصف. مزید تفصیلات میں پایا جا سکتا ہے crowd-2d-skeleton دستاویزات.
صاف کرو
مستقبل کے چارجز سے بچنے کے لیے، آپ کو اپنی S3 بالٹی میں موجود اشیاء کو حذف کرنا چاہیے اور اپنے AWS CDK اسٹیک کو حذف کرنا چاہیے۔ آپ اپنی S3 اشیاء کو Amazon SageMaker کنسول یا کے ذریعے حذف کر سکتے ہیں۔ AWS کمانڈ لائن انٹرفیس (AWS CLI)۔ بالٹی میں موجود تمام S3 اشیاء کو حذف کرنے کے بعد، آپ درج ذیل کوڈ کو چلا کر AWS CDK کو تباہ کر سکتے ہیں۔
یہ آپ کے پہلے بنائے گئے وسائل کو ہٹا دے گا۔
خیال
آپ کے ورک فلو کو تیار کرنے کے لیے اضافی اقدامات کی ضرورت ہو سکتی ہے۔ آپ کی تنظیموں کے خطرے کے پروفائل کے لحاظ سے یہاں کچھ تحفظات ہیں:
- رسائی اور ایپلیکیشن لاگنگ شامل کرنا
- ویب ایپلیکیشن فائر وال (WAF) شامل کرنا
- کم از کم استحقاق کی پیروی کرنے کے لیے IAM اجازتوں کو ایڈجسٹ کرنا
نتیجہ
اس پوسٹ میں، ہم نے پوز تخمینہ ڈیٹاسیٹس کی تعمیر میں لیبلنگ کی کارکردگی اور درستگی کی اہمیت کا اشتراک کیا۔ دونوں آئٹمز میں مدد کرنے کے لیے، ہم نے دکھایا کہ کس طرح آپ SageMaker Ground Truth کا استعمال کنکال پر مبنی پوز لیبلنگ کے کاموں کو سپورٹ کرنے کے لیے حسب ضرورت لیبلنگ ورک فلو بنانے کے لیے کر سکتے ہیں، جس کا مقصد لیبلنگ کے عمل کے دوران کارکردگی اور درستگی کو بڑھانا ہے۔ ہم نے دکھایا کہ آپ کوڈ اور مثالوں کو مختلف حسب ضرورت پوز تخمینہ لیبلنگ کی ضروریات تک مزید کیسے بڑھا سکتے ہیں۔
ہم آپ کو اپنے لیبلنگ کے کاموں کے لیے اس حل کو استعمال کرنے اور کسٹم لیبلنگ ورک فلو سے متعلق مدد یا پوچھ گچھ کے لیے AWS کے ساتھ مشغول ہونے کی ترغیب دیتے ہیں۔
مصنفین کے بارے میں
آرتھر پٹنم AWS پروفیشنل سروسز میں فل اسٹیک ڈیٹا سائنٹسٹ ہے۔ آرتھر کی مہارت AI سسٹمز میں فرنٹ اینڈ اور بیک اینڈ ٹیکنالوجیز کو تیار کرنے اور ان کو مربوط کرنے پر مرکوز ہے۔ کام سے باہر، آرتھر ٹیکنالوجی میں جدید ترین ترقیوں کو تلاش کرنے، اپنے خاندان کے ساتھ وقت گزارنے، اور باہر سے لطف اندوز ہوتے ہیں۔
بین فینکر AWS پروفیشنل سروسز میں ایک سینئر ڈیٹا سائنٹسٹ ہے اور اس نے کھیلوں سے لے کر صحت کی دیکھ بھال سے لے کر مینوفیکچرنگ تک کی صنعتوں میں ML سلوشنز بنانے اور تعینات کرنے میں صارفین کی مدد کی ہے۔ انہوں نے پی ایچ ڈی کی ہے۔ ٹیکساس A&M یونیورسٹی سے فزکس میں اور صنعت کا 6 سال کا تجربہ۔ بین بیس بال سے لطف اندوز ہوتا ہے، پڑھنے اور اپنے بچوں کی پرورش کرتا ہے۔
جاریوس لی AWS پروفیشنل سروسز کے ساتھ ایک سینئر ڈیٹا سائنٹسٹ ہے۔ وہ AWS کے ساتھ چھ سالوں سے ہے، مشین لرننگ اور کمپیوٹر ویژن کے مسائل پر صارفین کے ساتھ کام کر رہا ہے۔ کام سے باہر، وہ سائیکل چلانا پسند کرتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/skeleton-based-pose-annotation-labeling-using-amazon-sagemaker-ground-truth/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 10
- 100
- 13
- 15٪
- 17
- 2D
- 31
- 320
- 7
- 8
- 9
- a
- کی صلاحیت
- قابلیت
- تک رسائی حاصل
- قابل رسائی
- اکاؤنٹ
- درستگی
- درست
- درست طریقے سے
- حاصل
- حصول
- کے پار
- عمل
- کام کرتا ہے
- اصل
- شامل کریں
- ایڈیشنل
- اس کے علاوہ
- ایڈجسٹمنٹ
- ایڈجسٹمنٹ
- ترقی
- کے بعد
- AI
- اے آئی سسٹمز
- مقصد
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- بھی
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون سیج میکر گراؤنڈ ٹروتھ
- ایمیزون ویب سروسز
- an
- اور
- جانوروں
- ایک اور
- کوئی بھی
- ظاہر
- ظاہر ہوتا ہے
- درخواست
- ایپلی کیشنز
- اطلاقی
- فن تعمیر
- کیا
- دلیل
- دلائل
- ارد گرد
- لڑی
- آرتھر
- AS
- پہلوؤں
- تفویض
- اسسٹنس
- فرض کرتا ہے
- At
- اوصاف
- اضافہ
- فروزاں حقیقت
- خود کار طریقے سے
- دستیاب
- اوسط
- سے اجتناب
- AWS
- AWS پروفیشنل سروسز
- پیچھے کے آخر میں
- بیس بال
- کی بنیاد پر
- بیس لائن
- BE
- کیونکہ
- رہا
- اس سے پہلے
- شروع کریں
- کیا جا رہا ہے
- بین
- کے درمیان
- دونوں
- باکس
- وسیع
- براؤزر
- تعمیر
- عمارت
- تعمیر میں
- بوجھ
- لیکن
- by
- حساب
- کہا جاتا ہے
- کر سکتے ہیں
- احتیاط سے
- کیس
- CD
- مرکوز
- تبدیل
- تبدیلیاں
- تبدیل کرنے
- بوجھ
- چیک کریں
- میں سے انتخاب کریں
- طبقے
- کلینر
- cli
- کلائنٹ
- کوڈ
- رنگ
- آتا ہے
- کامن
- مکمل
- جزو
- اجزاء
- پر مشتمل
- کمپیوٹر
- کمپیوٹر ویژن
- منسلک
- خیالات
- متواتر
- پر مشتمل ہے
- کنسول
- پر مشتمل ہے
- پر مشتمل ہے
- سیاق و سباق
- کنٹرول
- مساوی ہے
- قیمت
- احاطہ
- تخلیق
- بنائی
- پیدا
- تخلیق
- مخلوق
- خالق
- اہم
- کراسنگ
- بھیڑ
- اپنی مرضی کے
- اپنی مرضی کے مطابق بلٹ
- گاہکوں
- اصلاح
- اپنی مرضی کے مطابق
- اعداد و شمار
- ڈیٹا پروسیسنگ
- ڈیٹا سائنسدان
- ڈیٹاسیٹس
- تاریخ کے وقت
- گہری
- گہری سیکھنے
- گہرے
- وضاحت
- کی وضاحت
- وضاحت کرتا ہے
- تعریف
- مظاہرہ
- انحصار
- منحصر ہے
- انحصار کرتا ہے
- تعیناتی
- تعینات
- بیان
- تفصیل
- ڈیزائن
- ڈیزائننگ
- مطلوبہ
- تباہ
- تفصیل
- تفصیلات
- کھوج
- ترقی
- آریھ
- مختلف
- طول و عرض
- طول و عرض
- براہ راست
- ڈائرکٹری
- تقسیم
- ڈوبکی
- متنوع
- do
- نہیں کرتا
- کر
- کیا
- نہیں
- ڈاؤن لوڈز
- اپنی طرف متوجہ
- مواقع
- دو
- کے دوران
- متحرک طور پر
- ہر ایک
- اس سے قبل
- کو کم
- آسانی سے
- تاثیر
- کارکردگی
- کی حوصلہ افزائی
- مشغول
- انجن
- بڑھانے کے
- لطف اندوز
- یقینی بناتا ہے
- تفریح
- پوری
- ماحولیات
- خرابی
- نقائص
- بھی
- واقعہ
- جانچ پڑتال
- مثال کے طور پر
- مثال کے طور پر
- توسیع
- توقع
- تجربہ
- مہارت
- وضاحت
- ایکسپلور
- توسیع
- اضافی
- نچوڑ۔
- واقف
- واقف کرنا
- خاندان
- نمایاں کریں
- خصوصیات
- میدان
- قطعات
- فائل
- فائلوں
- فائنل
- مل
- فائروال
- پہلا
- لچک
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- مندرجہ ذیل ہے
- فٹ
- کے لئے
- فارمیٹ
- ملا
- سے
- تقریب
- فعالیت
- افعال
- بنیادی
- مزید
- مستقبل
- پیدا
- حاصل
- GIF
- GitHub کے
- دے دو
- Go
- گراؤنڈ
- رہنمائی
- ہینڈل
- ہے
- ہونے
- he
- صحت کی دیکھ بھال
- بھاری
- مدد
- مدد
- مدد گار
- مدد کرتا ہے
- یہاں
- ہیکس
- اعلی معیار کی
- ان
- میزبان
- میزبانی کی
- ہوسٹنگ
- کس طرح
- کیسے
- HTML
- HTTP
- HTTPS
- انسانی
- سینکڑوں
- ID
- کی نشاندہی
- شناخت
- کی نشاندہی
- شناختی
- if
- تصویر
- تصاویر
- اہمیت
- اہم
- کو بہتر بنانے کے
- بہتر
- in
- شامل ہیں
- شامل
- انڈکس
- صنعتوں
- صنعت
- ناکافی
- متاثر ہوا
- معلومات
- مطلع
- اقدامات
- ان پٹ
- انکوائری
- انسٹال
- ہدایات
- انضمام کرنا
- دلچسپی
- دلچسپی
- انٹرفیس
- انٹرنیٹ
- میں
- شامل ہے
- IT
- اشیاء
- میں
- جاوا سکرپٹ
- ایوب
- نوکریاں
- فوٹو
- JSON
- کلیدی
- کلیدی نقطہ کا پتہ لگانا
- بچوں
- لیبل
- لیبل
- لیبل
- زبان
- بڑے
- آخر میں
- بعد
- تازہ ترین
- شروع
- شروع
- شروع
- معروف
- جانیں
- سیکھنے
- کم سے کم
- آو ہم
- کی طرح
- لائن
- لائنوں
- مائع
- لسٹ
- واقع ہے
- محل وقوع
- لاگ ان کریں
- انکرنا
- دیکھو
- کی طرح دیکھو
- مشین
- مشین لرننگ
- بنا
- بنا
- انتظام
- دستی
- مینوفیکچرنگ
- بہت سے
- نشان
- مارکنگ
- مئی..
- شاید
- میڈیا
- طبی
- طبی درخواستیں
- میٹا ڈیٹا
- کم سے کم
- غلطیوں
- ML
- ماڈل
- ماڈلنگ
- ماڈل
- ترمیم
- نظر ثانی کرنے
- زیادہ
- سب سے زیادہ
- نام
- فطرت، قدرت
- ضروری
- ضرورت ہے
- ضرورت
- ضروریات
- اگلے
- نہیں
- براہ مہربانی نوٹ کریں
- اب
- اعتراض
- اشیاء
- حاصل کی
- حاصل کرنا
- of
- اکثر
- on
- ایک بار
- ایک
- آن لائن
- صرف
- کھول
- اوپن سورس
- کھولتا ہے
- or
- حکم
- تنظیمیں
- اصل
- اصل
- OS
- دیگر
- دیگر
- ہمارے
- باہر
- باہر
- پیداوار
- باہر
- پر
- مجموعی طور پر
- خود
- پیکجوں کے
- جوڑی
- جوڑے
- حصہ
- حصے
- منظور
- راستہ
- لوگ
- کارکردگی
- اجازتیں
- طبعیات
- مقام
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوائنٹ
- پوائنٹس
- پالیسی
- آباد ہے
- پورٹل
- کرنسی
- پوز کا تخمینہ
- متصور ہوتا ہے
- پوزیشن
- پوسٹ
- ممکنہ
- پریکٹس
- پہلے
- صحت سے متعلق
- ضروریات
- پیش
- پیش
- کی روک تھام
- روکتا ہے
- پچھلا
- پہلے
- اصول
- نجی
- مسائل
- عمل
- عمل
- پروسیسنگ
- پیدا
- پیشہ ورانہ
- پروفائل
- فراہم
- فراہم
- فراہم کرتا ہے
- عوامی
- مقصد
- مقاصد
- ازگر
- معیار
- جلدی سے
- بلند
- رینج
- لے کر
- پڑھیں
- پڑھنا
- تیار
- حقیقی دنیا
- حقیقت
- تسلیم
- سفارش کی
- کو کم کرنے
- کا حوالہ دیتے ہیں
- حوالہ
- متعلقہ
- رشتہ دار
- قابل اعتماد
- رہے
- ہٹا
- فراہم کی
- رینڈرنگ
- کی جگہ
- کی جگہ
- ذخیرہ
- نمائندگی
- کی نمائندگی کرتا ہے
- ضرورت
- ضروریات
- کی ضرورت ہے
- وسائل
- جواب
- ذمہ دار
- پابندی
- نتیجہ
- نتائج کی نمائش
- واپسی
- واپسی
- کا جائزہ لینے کے
- سوار
- امیر
- رسک
- روبوٹکس
- مضبوط
- کردار
- رن
- چل رہا ہے
- رن ٹائم
- sagemaker
- اسی
- نمونہ
- بچت
- کا کہنا ہے کہ
- منظرنامے
- سائنسدان
- اسکرپٹ
- سکرپٹ
- sdk
- سیکشن
- سیکشنز
- سیکورٹی
- دیکھنا
- منتخب
- بھیجتا ہے
- سینئر
- کام کرتا ہے
- سروسز
- مقرر
- قائم کرنے
- کئی
- مشترکہ
- ہونا چاہئے
- دکھائیں
- سے ظاہر ہوا
- دکھایا گیا
- شوز
- اہم
- اسی طرح
- سادہ
- سادگی
- آسان
- صرف
- ایک
- چھ
- So
- حل
- حل
- کچھ
- کچھ
- ماخذ
- خصوصی
- مخصوص
- خاص طور پر
- خرچ کرنا۔
- اسپورٹس
- ڈھیر لگانا
- شروع ہوتا ہے
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- براہ راست
- کارگر
- سلک
- ساخت
- کافی
- اس طرح
- حمایت
- تبادلہ
- سوپ
- کے نظام
- سسٹمز
- لے لو
- لیتا ہے
- ھدف بنائے گئے
- ٹاسک
- کاموں
- تکنیک
- ٹیکنالوجی
- ٹیکنالوجی
- سانچے
- دہلی
- ٹیکساس
- کہ
- ۔
- کے بارے میں معلومات
- لکیر
- ان
- ان
- تو
- اس طرح
- لہذا
- یہ
- وہ
- اس
- ہزاروں
- کے ذریعے
- بندھے ہوئے
- وقت
- کرنے کے لئے
- لیا
- کے آلے
- ٹرین
- تربیت یافتہ
- ٹریننگ
- متحرک
- ٹرک
- سچ
- حقیقت
- ٹرن
- عام طور پر
- ui
- سمجھ
- منفرد
- یونیورسٹی
- جب تک
- اپ ڈیٹ کریں
- استعمال
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- مفید
- رکن کا
- صارف مواجہ
- استعمال
- کا استعمال کرتے ہوئے
- عام طور پر
- قیمت
- اقدار
- متغیر
- مختلف حالتوں
- مختلف
- گاڑیاں
- ورژن
- عمودی
- کی طرف سے
- ویڈیوز
- نقطہ نظر
- بصری
- حجم
- W
- چلنا
- چلتا
- واک تھرو
- چاہتے ہیں
- تھا
- راستہ..
- طریقوں
- we
- ویب
- ویب ایپلی کیشن
- ویب براؤزر
- ویب خدمات
- اچھا ہے
- کیا
- جب
- جبکہ
- چاہے
- جس
- جبکہ
- ڈبلیو
- گے
- چاہتے ہیں
- ساتھ
- کے اندر
- بغیر
- کام
- کارکن
- کام کا بہاؤ
- کام کے بہاؤ
- افرادی قوت۔
- کام کر
- گا
- تحریری طور پر
- X
- سال
- تم
- اور
- اپنے آپ کو
- زیفیرنیٹ