গ্রাফিক্সের জন্য পার্থক্যযোগ্য স্তর।
import numpy as np import tensorflow as tf import trimesh import tensorflow_graphics.geometry.transformation as tfg_transformation from tensorflow_graphics.notebooks import threejs_visualization # Download the mesh. !wget https://storage.googleapis.com/tensorflow-graphics/notebooks/index/cow.obj # Load the mesh. mesh = trimesh.load("cow.obj") mesh = {"vertices": mesh.vertices, "faces": mesh.faces} # Visualize the original mesh. threejs_visualization.triangular_mesh_renderer(mesh, width=400, height=400) # Set the axis and angle parameters. axis = np.array((0., 1., 0.)) # y axis. angle = np.array((np.pi / 4.,)) # 45 degree angle. # Rotate the mesh. mesh["vertices"] = tfg_transformation.axis_angle.rotate(mesh["vertices"], axis, angle).numpy() # Visualize the rotated mesh. threejs_visualization.triangular_mesh_renderer(mesh, width=400, height=400)
TensorFlow গ্রাফিক্সের লক্ষ্য হল একটি ভিন্নতাযোগ্য গ্রাফিক্স স্তর (যেমন ক্যামেরা, প্রতিফলন মডেল, মেশ কনভোলিউশন) এবং 3D ভিউয়ার কার্যকারিতা (যেমন 3D TensorBoard) প্রদানের মাধ্যমে সম্প্রদায়ের কাছে দরকারী গ্রাফিক্স ফাংশনগুলিকে ব্যাপকভাবে অ্যাক্সেসযোগ্য করে তোলা যা আপনার মেশিন লার্নিং মডেলগুলিতে ব্যবহার করা যেতে পারে। পছন্দ
গত কয়েক বছরে নতুন ডিফারেন্সিয়েবল গ্রাফিক্স লেয়ার বৃদ্ধি পেয়েছে যা নিউরাল নেটওয়ার্ক আর্কিটেকচারে ঢোকানো যেতে পারে। স্থানিক ট্রান্সফরমার থেকে ডিফারেন্সিয়েবল গ্রাফিক্স রেন্ডারার পর্যন্ত, এই নতুন স্তরগুলি অভিনব এবং আরও দক্ষ নেটওয়ার্ক আর্কিটেকচার তৈরি করতে বছরের পর বছর কম্পিউটার দৃষ্টি এবং গ্রাফিক্স গবেষণার মাধ্যমে অর্জিত জ্ঞানকে কাজে লাগায়। মেশিন লার্নিং মডেলগুলিতে স্পষ্টভাবে জ্যামিতিক পূর্বের মডেলিং এবং সীমাবদ্ধতাগুলি এমন স্থাপত্যের দরজা খুলে দেয় যা একটি স্ব-তত্ত্বাবধানে দৃঢ়ভাবে, দক্ষতার সাথে এবং আরও গুরুত্বপূর্ণভাবে প্রশিক্ষিত হতে পারে।
শুরু করতে, আরও বিস্তারিত ওভারভিউ , ইনস্টলেশন গাইড এবং API দেখুন।
গত কয়েক বছরে নতুন ডিফারেন্সিয়েবল গ্রাফিক্স লেয়ার বৃদ্ধি পেয়েছে যা নিউরাল নেটওয়ার্ক আর্কিটেকচারে ঢোকানো যেতে পারে। স্থানিক ট্রান্সফরমার থেকে ডিফারেন্সিয়েবল গ্রাফিক্স রেন্ডারার পর্যন্ত, এই নতুন স্তরগুলি অভিনব এবং আরও দক্ষ নেটওয়ার্ক আর্কিটেকচার তৈরি করতে বছরের পর বছর কম্পিউটার দৃষ্টি এবং গ্রাফিক্স গবেষণার মাধ্যমে অর্জিত জ্ঞানকে কাজে লাগায়। মেশিন লার্নিং মডেলগুলিতে স্পষ্টভাবে জ্যামিতিক পূর্বের মডেলিং এবং সীমাবদ্ধতাগুলি এমন স্থাপত্যের দরজা খুলে দেয় যা একটি স্ব-তত্ত্বাবধানে দৃঢ়ভাবে, দক্ষতার সাথে এবং আরও গুরুত্বপূর্ণভাবে প্রশিক্ষিত হতে পারে।
শুরু করতে, আরও বিস্তারিত ওভারভিউ , ইনস্টলেশন গাইড এবং API দেখুন।