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)একটি নোটবুক চালান
Differentiable গ্রাফিক্স স্তর একটি সেট প্রদান করে দরকারী গ্রাফিক্স ফাংশন ব্যাপকভাবে সম্প্রদায়ে প্রবেশযোগ্য তৈরীর TensorFlow গ্রাফিক্স লক্ষ্য (ক্যামেরা যেমন, প্রতিফলন মডেল, convolutions জাল) এবং 3D ভিউয়ার বৈশিষ্ট্য (যেমন 3D TensorBoard) যে আপনার মেশিনে শেখার মডেল ব্যবহার করা যেতে পারে পছন্দ
গত কয়েক বছরে নতুন ডিফারেন্সিয়েবল গ্রাফিক্স লেয়ারের বৃদ্ধি ঘটেছে 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 ধরে 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 করার জন্য, আরো বিস্তারিত দেখতে ওভারভিউ , ইনস্টলেশন গাইড এবং এপিআই ।
গত কয়েক বছরে নতুন ডিফারেন্সিয়েবল গ্রাফিক্স লেয়ারের বৃদ্ধি ঘটেছে 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 ধরে 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 করার জন্য, আরো বিস্তারিত দেখতে ওভারভিউ , ইনস্টলেশন গাইড এবং এপিআই ।