{"id":188555,"date":"2021-10-06T10:02:04","date_gmt":"2021-10-06T09:02:04","guid":{"rendered":"https:\/\/blog.jetbrains.com\/?post_type=kotlin&#038;p=188555"},"modified":"2021-10-06T10:02:06","modified_gmt":"2021-10-06T09:02:06","slug":"kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev","status":"publish","type":"kotlin","link":"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/","title":{"rendered":"KotlinDL 0.3: \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 ONNX, Object Detection API, 20+ \u043d\u043e\u0432\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0432 ModelHub, \u0438 \u043c\u043d\u043e\u0433\u043e \u043d\u043e\u0432\u044b\u0445 \u0441\u043b\u043e\u0435\u0432"},"content":{"rendered":"\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u0432\u0435\u0440\u0441\u0438\u044e 0.3 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f KotlinDL!<\/p>\n\n\n\n<p>\u0412\u0430\u0441 \u0436\u0434\u0435\u0442 \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u043d\u043e\u0432\u044b\u0445 \u0444\u0438\u0447: \u043d\u043e\u0432\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 ModelHub (\u0432\u043a\u043b\u044e\u0447\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043b\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u043b\u0438\u0446), \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0434\u043e\u043e\u0431\u0443\u0447\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439, \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0438\u0437 Keras \u0438 PyTorch \u0432 ONNX, \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u0439 \u0432\u044b\u0441\u043e\u043a\u043e\u0443\u0440\u043e\u0432\u043d\u0435\u0432\u044b\u0439 API \u0434\u043b\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u0438 \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u043d\u043e\u0432\u044b\u0445 \u0441\u043b\u043e\u0435\u0432, \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u043d\u044b\u0445 \u043a\u043e\u043d\u0442\u0440\u0438\u0431\u044c\u044e\u0442\u043e\u0440\u0430\u043c\u0438. \u0422\u0430\u043a\u0436\u0435 KotlinDL \u0442\u0435\u043f\u0435\u0440\u044c \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u0432 <a href=\"https:\/\/search.maven.org\/artifact\/org.jetbrains.kotlinx\/kotlin-deeplearning-api\" target=\"_blank\" rel=\"noopener\">Maven Central<\/a>.<\/p>\n\n\n\n<p align=\"center\"><a class=\"ek-link jb-download-button\" title=\"KotlinDL on GitHub\" href=\"https:\/\/github.com\/JetBrains\/KotlinDL\" target=\"_blank\" rel=\"noopener\">KotlinDL on GitHub<\/a><\/p>\n\n\n\n<p>\u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043c\u044b \u043a\u043e\u0441\u043d\u0435\u043c\u0441\u044f \u0441\u0430\u043c\u044b\u0445 \u0433\u043b\u0430\u0432\u043d\u044b\u0445 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439 \u0440\u0435\u043b\u0438\u0437\u0430 0.3. \u041f\u043e\u043b\u043d\u044b\u0439 \u0441\u043f\u0438\u0441\u043e\u043a \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u043f\u043e <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\/blob\/master\/CHANGELOG.md\" target=\"_blank\" rel=\"noopener\">\u0441\u0441\u044b\u043b\u043a\u0435<\/a>.<\/p>\n\n\n\n<ol id=\"block-77c110ff-76b4-4758-a984-847ccb2cc1fd\"><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_1\" class=\"ek-link\">\u0418\u043d\u0442\u0435\u0433\u0440\u0430\u0446\u0438\u044f ONNX<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_2\" class=\"ek-link\">\u0414\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 (fine-tuning) ONNX-\u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_3\" class=\"ek-link\">ModelHub: \u043f\u043e\u044f\u0432\u043b\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u0437 \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432 DenseNet, Inception \u0438 NasNet<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_4\" class=\"ek-link\">\u041e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043c\u043e\u0434\u0435\u043b\u0438 SSD<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_5\" class=\"ek-link\">\u042d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0443\u0440\u043e\u0432\u043d\u0435\u0432\u043e\u0435 API \u0434\u043b\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_6\" class=\"ek-link\">\u0420\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0437\u0432\u0443\u043a\u0430 \u043f\u0440\u0438 \u043f\u043e\u043c\u043e\u0449\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b SoundNet<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_7\" class=\"ek-link\">+23 \u0441\u043b\u043e\u044f, +6 \u0444\u0443\u043d\u043a\u0446\u0438\u0439 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0438 +2 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0442\u043e\u0440\u0430<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_8\" class=\"ek-link\">\u041a\u0430\u043a \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c KotlinDL \u0432 \u043f\u0440\u043e\u0435\u043a\u0442<\/a><\/li><li><a href=\"https:\/\/blog.jetbrains.com\/ru\/kotlin\/2021\/10\/kotlindl-0-3-podderzhka-onnx-object-detection-api-20-novyh-modelej-v-modelhub-i-mnogo-novyh-sloev\/#ch_9\" class=\"ek-link\">\u041f\u043e\u043b\u0435\u0437\u043d\u044b\u0435 \u0441\u0441\u044b\u043b\u043a\u0438<\/a><\/li><\/ol>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_1\">\u0418\u043d\u0442\u0435\u0433\u0440\u0430\u0446\u0438\u044f ONNX<\/h2>\n\n\n\n<p>\u0412 \u0442\u0435\u0447\u0435\u043d\u0438\u0435 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0433\u043e \u0433\u043e\u0434\u0430 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u0438 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u043f\u0440\u043e\u0441\u0438\u043b\u0438 \u043d\u0430\u0441 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u043c\u043e\u0434\u0435\u043b\u044f\u043c\u0438, \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u043d\u044b\u043c\u0438 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 ONNX.<\/p>\n\n\n\n<p>Open Neural Network Exchange (ONNX) \u2014 \u044d\u0442\u043e \u0444\u043e\u0440\u043c\u0430\u0442 \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0435\u0439 AI \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c. \u041e\u043d \u0437\u0430\u0434\u0430\u0435\u0442 \u0440\u0430\u0441\u0448\u0438\u0440\u044f\u0435\u043c\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0433\u0440\u0430\u0444\u0430 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439, \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0445 \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u043e\u0432 \u0438 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u044b\u0445 \u0442\u0438\u043f\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445. \u0422\u0430\u043a\u0436\u0435 \u044d\u0442\u043e\u0442 \u0444\u043e\u0440\u043c\u0430\u0442 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u044d\u043a\u0441\u043f\u043e\u0440\u0442 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u043e\u0432 TensorFlow \u0438 PyTorch.<\/p>\n\n\n\n<p>\u041c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <a href=\"https:\/\/github.com\/microsoft\/onnxruntime\/tree\/master\/java\" target=\"_blank\" rel=\"noopener\">ONNX Runtime Java API<\/a> \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0437\u0430\u0433\u0440\u0443\u0436\u0430\u0442\u044c \u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438, \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u043d\u044b\u0435 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 `.onnx`. \u041e \u0442\u043e\u043c, \u043a\u0430\u043a \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u044d\u0442\u043e \u043d\u0438\u0437\u043a\u043e\u0443\u0440\u043e\u0432\u043d\u0435\u0432\u043e\u0435 API \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e, \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u0432 <a href=\"https:\/\/onnxruntime.ai\/docs\/api\/java\/index.html\" target=\"_blank\" rel=\"noopener\">\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438<\/a>.<\/p>\n\n\n\n<p>\u0412 KotlinDL \u0435\u0441\u0442\u044c \u043c\u043e\u0434\u0443\u043b\u044c `onnx` \u2014&nbsp;\u0438\u043c\u0435\u043d\u043d\u043e \u043e\u043d \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0443 ONNX. \u0427\u0442\u043e\u0431\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c ONNX \u0432 \u0432\u0430\u0448\u0435\u043c \u043f\u0440\u043e\u0435\u043a\u0442\u0435, \u0434\u043e\u0431\u0430\u0432\u044c\u0442\u0435 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0443\u044e <a href=\"https:\/\/search.maven.org\/artifact\/org.jetbrains.kotlinx\/kotlin-deeplearning-onnx\/0.3.0-alpha-3\/jar\" target=\"_blank\" rel=\"noopener\">\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c <\/a>\u0432 \u0441\u043f\u0438\u0441\u043e\u043a \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439.<\/p>\n\n\n\n<p>\u0415\u0441\u0442\u044c \u0434\u0432\u0430 \u0441\u043f\u043e\u0441\u043e\u0431\u0430 \u0434\u0435\u043b\u0430\u0442\u044c \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u044b \u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 ONNX. \u0415\u0441\u043b\u0438 \u0432\u044b, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0445\u043e\u0442\u0438\u0442\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c LeNet-5 (\u043e\u0434\u043d\u0443 \u0438\u0437 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 ModelHub), \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u0435\u0435 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval (train, test) = mnist()\n\nval modelHub = ONNXModelHub(cacheDirectory = File(&quot;cache\/pretrainedModels&quot;))\n\nval modelType = ONNXModels.CV.Lenet\nval model = modelHub.loadModel(modelType)\n\nmodel.use {\n   val prediction = it.predict(train.getX(0))\n\n   println(&quot;Predicted Label is: $prediction&quot;)\n   println(&quot;Correct Label is: &quot; + train.getY(0))\n}\n<\/pre>\n\n\n\n<p>\u0427\u0442\u043e\u0431\u044b \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 ONNX, \u0441\u043e\u0437\u0434\u0430\u0439\u0442\u0435 \u044d\u043a\u0437\u0435\u043c\u043f\u043b\u044f\u0440 <code>OnnxInferenceModel<\/code>:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nOnnxInferenceModel.load(PATH_TO_MODEL).use {\n    val prediction = it.predict(...)\n}\n<\/pre>\n\n\n\n<p>\u0415\u0441\u043b\u0438 \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441\u043b\u043e\u0436\u043d\u044b\u0439 \u0432\u044b\u0445\u043e\u0434, \u0441\u043e\u0441\u0442\u043e\u044f\u0449\u0438\u0439, \u0438\u0437 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u0442\u0435\u043d\u0437\u043e\u0440\u043e\u0432 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440 YOLOv4 \u0438\u043b\u0438 SSD), \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0432\u044b\u0437\u0432\u0430\u0442\u044c \u043c\u0435\u0442\u043e\u0434 <code>predictRaw<\/code>:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval yhat = it.predictRaw(inputData)\n<\/pre>\n\n\n\n<p>\u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u0432\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0435 \u0434\u043e\u0441\u0442\u0443\u043f \u043a\u043e \u0432\u0441\u0435\u043c\u0443 \u0432\u044b\u0445\u043e\u0434\u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u0441\u043c\u043e\u0436\u0435\u0442\u0435 \u043f\u0440\u043e\u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0435\u0433\u043e \u0432\u0440\u0443\u0447\u043d\u0443\u044e.<\/p>\n\n\n\n<p>\u041d\u0430\u0439\u0442\u0438 \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0432 <code>ONNXModelHub <\/code>\u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043b\u0435\u0433\u043a\u043e: \u043d\u0430\u0447\u043d\u0438\u0442\u0435 \u043f\u043e\u0438\u0441\u043a \u0441 \u043e\u0431\u044a\u0435\u043a\u0442\u0430 \u0432\u0435\u0440\u0445\u043d\u0435\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f <code>ONNXModels<\/code>, \u0441\u043f\u0443\u0441\u043a\u0430\u0439\u0442\u0435\u0441\u044c \u0433\u043b\u0443\u0431\u0436\u0435 \u0432 CV \u0438\u043b\u0438 ObjectDetection, \u0430 \u0437\u0430\u0442\u0435\u043c \u043a \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u043c \u043c\u043e\u0434\u0435\u043b\u044f\u043c. \u0412 \u0438\u0442\u043e\u0433\u0435 \u0443 \u0432\u0430\u0441 \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0441\u044f \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0446\u0435\u043f\u043e\u0447\u043a\u0430 \u0432\u043b\u043e\u0436\u0435\u043d\u043d\u044b\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u2014&nbsp;\u043e\u043d\u0430 \u0438 \u0431\u0443\u0434\u0435\u0442 \u044f\u0432\u043b\u044f\u0442\u044c\u0441\u044f \u0443\u043d\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u043c \u0438\u0434\u0435\u043d\u0442\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u043e\u043c \u0434\u043b\u044f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438\u043b\u0438 \u0435\u0435 \u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, EfficientNet \u2014&nbsp;\u043e\u0434\u043d\u0430 \u0438\u0437 \u043b\u0443\u0447\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0434\u043b\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u043f\u043e \u0438\u0442\u043e\u0433\u0430\u043c 2020 \u0433\u043e\u0434\u0430 \u2014 \u0438\u043c\u0435\u0435\u0442 \u0432\u043e\u0442 \u0442\u0430\u043a\u043e\u0439 \u0438\u0434\u0435\u043d\u0442\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440: <code>ONNXModels.CV.EfficientNet4Lite<\/code>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_2\">\u0414\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 (fine-tuning) ONNX-\u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/h2>\n\n\n\n<p>\u0414\u0435\u043b\u0430\u0442\u044c \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u044b \u043d\u0430 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445, \u043a\u043e\u043d\u0435\u0447\u043d\u043e \u0436\u0435, \u0445\u043e\u0440\u043e\u0448\u043e. \u041d\u043e \u043a\u0430\u043a \u043d\u0430\u0441\u0447\u0435\u0442 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u043d\u0430\u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0438\u0445 \u043f\u043e\u0434 \u043d\u0430\u0448\u0438 \u0437\u0430\u0434\u0430\u0447\u0438?<\/p>\n\n\n\n<p>\u041a \u0441\u043e\u0436\u0430\u043b\u0435\u043d\u0438\u044e, ONNX Java API \u043d\u0435 \u0434\u0430\u0435\u0442 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u043e\u0431\u0443\u0447\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438. \u041d\u043e \u0432\u043e \u043c\u043d\u043e\u0433\u0438\u0445 \u0441\u043b\u0443\u0447\u0430\u044f\u0445 \u043d\u0430\u043c \u043d\u0443\u0436\u043d\u043e \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u0435 \u0432\u0441\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0446\u0435\u043b\u0438\u043a\u043e\u043c, \u0430 \u043b\u0438\u0448\u044c \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0435\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b.<\/p>\n\n\n\n<p>\u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u043a \u0440\u0435\u0448\u0435\u043d\u0438\u044e \u0437\u0430\u0434\u0430\u0447\u0438 Transfer Learning \u0434\u043b\u044f ResNet-\u043f\u043e\u0434\u043e\u0431\u043d\u044b\u0445 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e\u0431\u044b \u0437\u0430\u043c\u043e\u0440\u043e\u0437\u0438\u0442\u044c \u0432\u0441\u0435 \u0441\u043b\u043e\u0438, \u043a\u0440\u043e\u043c\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445, \u0430 \u0437\u0430\u0442\u0435\u043c \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432\u0435\u0440\u0445\u043d\u0438\u0445 \u0441\u043b\u043e\u0435\u0432 (\u043f\u043e\u043b\u043d\u043e\u0441\u0432\u044f\u0437\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432, \u0444\u043e\u0440\u043c\u0438\u0440\u0443\u044e\u0449\u0438\u0445 \u0432\u044b\u0445\u043e\u0434 \u043c\u043e\u0434\u0435\u043b\u0438) \u043d\u0430 \u043d\u043e\u0432\u043e\u043c \u043d\u0430\u0431\u043e\u0440\u0435 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n\n\n\n<p>\u0412\u0435\u0440\u0445\u043d\u0438\u0435 \u0441\u043b\u043e\u0438 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c \u043a\u0430\u043a \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c, \u0432\u0445\u043e\u0434\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u0432\u044b\u0445\u043e\u0434\u043d\u044b\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u043c\u043e\u0434\u0435\u043b\u0438, \u0441\u043e\u0441\u0442\u043e\u044f\u0449\u0435\u0439 \u0438\u0437 \u0437\u0430\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432. \u0417\u0430\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u044b\u0435 \u0441\u043b\u043e\u0438 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c \u043a\u0430\u043a \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430 \u0434\u043b\u044f \u043d\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438, \u0441\u043e\u0441\u0442\u043e\u044f\u0449\u0435\u0439 \u0438\u0437 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u043e\u043b\u043d\u043e\u0441\u0432\u044f\u0437\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432.<\/p>\n\n\n\n<p>\u041c\u044b \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043b\u0438 \u044d\u0442\u043e\u0442 \u043f\u043e\u0434\u0445\u043e\u0434 \u0432 \u043d\u0430\u0448\u0435\u0439 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0435, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f \u043c\u043e\u0434\u0435\u043b\u044c ONNX \u0432 \u0440\u0430\u043c\u043a\u0430\u0445 \u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 (\u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430) \u0438 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u044f \u043a \u043d\u0435\u0439 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u0443\u044e \u043f\u0440\u0438 \u043f\u043e\u043c\u043e\u0449\u0438 Sequential \u0438\u043b\u0438 Functional API.<br>\u0418\u0442\u0430\u043a, \u043f\u0440\u0435\u0434\u043f\u043e\u043b\u043e\u0436\u0438\u043c, \u0447\u0442\u043e \u0443 \u0432\u0430\u0441 \u0435\u0441\u0442\u044c \u043e\u0433\u0440\u043e\u043c\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0432 Keras \u0438\u043b\u0438 PyTorch, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435 \u0434\u043e\u043e\u0431\u0443\u0447\u0438\u0442\u044c \u0432 KotlinDL. \u0412\u0430\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043e\u0442\u0440\u0435\u0437\u0430\u0442\u044c \u043e\u0442 \u043d\u0435\u0435 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0441\u043b\u043e\u0438, \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432 \u0444\u043e\u0440\u043c\u0430\u0442 ONNX, \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u0432 KotlinDL \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u0441\u043b\u043e\u044f \u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430 \u0447\u0435\u0440\u0435\u0437 <code>ONNXModelPreprocessor<\/code>, \u043e\u043f\u0438\u0441\u0430\u0442\u044c \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u044e\u0449\u0438\u0435 \u0441\u043b\u043e\u0438 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e API KotlinDL \u0438 \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img decoding=\"async\" loading=\"lazy\" width=\"402\" height=\"822\" src=\"https:\/\/blog.jetbrains.com\/wp-content\/uploads\/2021\/10\/ONNX-additional-training-architecture-diagramm.png\" alt=\"\" class=\"wp-image-188558\"\/><figcaption>\u0420\u0438\u0441\u0443\u043d\u043e\u043a 1. \u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439 \u043f\u0440\u0438 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0441\u0435\u0442\u0438 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 ONNX .<\/figcaption><\/figure><\/div>\n\n\n\n<p>\u041d\u0438\u0436\u0435 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u043e, \u043a\u0430\u043a \u043c\u044b \u0437\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c ResNet50 \u0438\u0437 <code>ONNXModelHub <\/code>\u0438 \u0434\u043e\u043e\u0431\u0443\u0447\u0430\u0435\u043c \u0435\u0435 \u043d\u0430 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u043e\u043c \u043d\u0430\u0431\u043e\u0440\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 Dogs-vs-Cats, \u0447\u0442\u043e\u0431\u044b \u043e\u043d\u0430 \u043c\u043e\u0433\u043b\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u043a\u043e\u0448\u0435\u043a \u0438 \u0441\u043e\u0431\u0430\u043a:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval modelHub = ONNXModelHub(\n   cacheDirectory = File(&quot;cache\/pretrainedModels&quot;)\n)\nval model = modelHub.loadModel(ONNXModels.CV.ResNet50noTopCustom)\n\nval dogsVsCatsDatasetPath = dogsCatsDatasetPath()\n\nmodel.use {\n   it.reshape(64, 64, 3)\n\n   val preprocessing: Preprocessing = preprocess {\n       load {\n           pathToData = File(dogsVsCatsDatasetPath)\n           imageShape = ImageShape(channels = NUM_CHANNELS)\n           colorMode = ColorOrder.BGR\n           labelGenerator = FromFolders(mapping = mapOf(&quot;cat&quot; to 0, &quot;dog&quot; to 1))\n       }\n       transformImage {\n           resize {\n               outputHeight = IMAGE_SIZE.toInt()\n               outputWidth = IMAGE_SIZE.toInt()\n               interpolation = InterpolationType.BILINEAR\n           }\n       }\n       transformTensor {\n           sharpen {\n               modelType = TFModels.CV.ResNet50\n           }\n           onnx {\n               onnxModel = model\n           }\n       }\n   }\n\n   val dataset = OnFlyImageDataset.create(preprocessing).shuffle()\n   val (train, test) = dataset.split(TRAIN_TEST_SPLIT_RATIO)\n\n   topModel.use {\n       topModel.compile(\n           optimizer = Adam(),\n           loss = Losses.SOFT_MAX_CROSS_ENTROPY_WITH_LOGITS,\n           metric = Metrics.ACCURACY\n       )\n\n       topModel.fit(dataset = train, epochs = EPOCHS, batchSize = TRAINING_BATCH_SIZE)\n\n       val accuracy = topModel.evaluate(dataset = test, batchSize = TEST_BATCH_SIZE).metrics[Metrics.ACCURACY]\n\n       println(&quot;Accuracy: $accuracy&quot;)\n   }\n}\n<\/pre>\n\n\n\n<p><code>topModel <\/code>\u2014 \u043f\u0440\u043e\u0441\u0442\u0435\u0439\u0448\u0430\u044f \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0430\u044f \u0441\u0435\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u043e\u0436\u043d\u043e \u0431\u044b\u0441\u0442\u0440\u043e \u043e\u0431\u0443\u0447\u0438\u0442\u044c, \u0442\u0430\u043a \u043a\u0430\u043a \u0443 \u043d\u0435\u0435 \u0432\u0441\u0435\u0433\u043e \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432.<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\n\/**\n* This is a simple model based on Dense layers only.\n*\/\nprivate val topModel = Sequential.of(\n   Input(2, 2, 2048),\n   GlobalAvgPool2D(),\n   Dense(2, Activations.Linear, kernelInitializer = HeNormal(12L), biasInitializer = Zeros())\n)\n<\/pre>\n\n\n\n<p>\u041f\u043e\u043b\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u043d\u0430\u0439\u0442\u0438 \u043f\u043e <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\/blob\/master\/examples\/src\/main\/kotlin\/examples\/onnx\/cv\/custom\/additionalTrainingWithTensorFlow.kt\" target=\"_blank\" rel=\"noopener\">\u0441\u0441\u044b\u043b\u043a\u0435<\/a>.<\/p>\n\n\n\n<blockquote class=\"wp-block-quote\"><p><strong>\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435:<\/strong> \u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 API \u0434\u043b\u044f \u043e\u0442\u0440\u0435\u0437\u0430\u043d\u0438\u044f \u0441\u043b\u043e\u0435\u0432 \u0438 \u0432\u044b\u043a\u043e\u0440\u0447\u0435\u0432\u044b\u0432\u0430\u043d\u0438\u044f \u0432\u0435\u0441\u043e\u0432 \u0438\u0437 \u043c\u043e\u0434\u0435\u043b\u0438, \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u043d\u043e\u0439 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 ONNX, \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0443\u0435\u0442, \u0432\u0430\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u044d\u0442\u0438 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u0441\u0430\u043c\u043e\u0441\u0442\u043e\u044f\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u0435\u0440\u0435\u0434 \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u043e\u043c \u0432 \u0444\u043e\u0440\u043c\u0430\u0442 ONNX. \u0414\u0430, \u044d\u0442\u043e \u043f\u0440\u0438\u0434\u0435\u0442\u0441\u044f \u0434\u0435\u043b\u0430\u0442\u044c \u043d\u0430 Python. \u041d\u043e \u0441\u0438\u043b\u044c\u043d\u043e \u043d\u0435 \u043f\u0435\u0440\u0435\u0436\u0438\u0432\u0430\u0439\u0442\u0435: \u0432 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u0440\u0435\u043b\u0438\u0437\u0435 \u043c\u044b \u043f\u043b\u0430\u043d\u0438\u0440\u0443\u0435\u043c \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0432 ModelHub \u043c\u043d\u043e\u0433\u043e \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u0437 PyTorch \u0438 Keras \u0441 \u0443\u0436\u0435 \u043e\u0442\u0440\u0435\u0437\u0430\u043d\u043d\u044b\u043c\u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u043c\u0438 \u0441\u043b\u043e\u044f\u043c\u0438.<\/p><\/blockquote>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_3\">ModelHub: \u043f\u043e\u044f\u0432\u043b\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u0437 \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432 DenseNet, Inception \u0438 NasNet<\/h2>\n\n\n\n<p>\u0412 KotlinDL 0.2 \u043f\u043e\u044f\u0432\u0438\u043b\u043e\u0441\u044c \u0445\u0440\u0430\u043d\u0438\u043b\u0438\u0449\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0437\u0430\u0433\u0440\u0443\u0436\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043a\u044d\u0448\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438\u0445 \u043d\u0430 \u0434\u0438\u0441\u043a\u0435. \u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043c\u044b \u043d\u0430\u0437\u0432\u0430\u043b\u0438 \u0435\u0433\u043e ModelZoo, \u0430 \u043f\u043e\u0442\u043e\u043c \u043f\u0435\u0440\u0435\u0438\u043c\u0435\u043d\u043e\u0432\u0430\u043b\u0438 \u0432 ModelHub.<\/p>\n\n\n\n<p>\u0421\u0435\u0439\u0447\u0430\u0441 <code>ModelHub <\/code>\u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u044e \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u044b \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043d\u0430\u0431\u043e\u0440\u0430\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u0442\u0430\u043a\u0438\u0445 \u043a\u0430\u043a <a href=\"https:\/\/www.image-net.org\/\" target=\"_blank\" rel=\"noopener\">ImageNet<\/a> \u0438 <a href=\"https:\/\/cocodataset.org\/#home\" target=\"_blank\" rel=\"noopener\">COCO<\/a><br>\u0412 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0435 \u0432\u0440\u0435\u043c\u044f \u0435\u0441\u0442\u044c \u0434\u0432\u0430 <code>ModelHub<\/code>, \u0441 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u0436\u043d\u043e \u0441\u043a\u0430\u0447\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438: \u0431\u0430\u0437\u043e\u0432\u044b\u0439 <code>TFModelHub<\/code>, \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u0439 \u0432 \u043c\u043e\u0434\u0443\u043b\u0435 <code>`api`<\/code>, \u0438 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 <code>ONNXModelHub<\/code>, \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u0439 \u0432 \u043c\u043e\u0434\u0443\u043b\u0435<code>` onnx`<\/code>.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" loading=\"lazy\" width=\"912\" height=\"589\" src=\"https:\/\/blog.jetbrains.com\/wp-content\/uploads\/2021\/10\/ModelHub-hierarchy.png\" alt=\"\" class=\"wp-image-188569\"\/><figcaption>\u0420\u0438\u0441\u0443\u043d\u043e\u043a 2. \u0418\u0435\u0440\u0430\u0440\u0445\u0438\u044f \u043a\u043b\u0430\u0441\u0441\u043e\u0432 ModelHub<\/figcaption><\/figure>\n\n\n\n<p><code>TFModelHub <\/code>\u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u043c\u043e\u0434\u0435\u043b\u0438:<\/p>\n\n\n\n<ul><li>VGG\u201916<\/li><li>VGG\u201919<\/li><li>ResNet18<\/li><li>ResNet34<\/li><li>ResNet50<\/li><li>ResNet101<\/li><li>ResNet152<\/li><li>ResNet50v2<\/li><li>ResNet101v2<\/li><li>ResNet152v2<\/li><li>MobileNet<\/li><li>MobileNetv2<\/li><li>Inception<\/li><li>Xception<\/li><li>DenseNet121<\/li><li>DenseNet169<\/li><li>DenseNet201<\/li><li>NASNetMobile<\/li><li>NASNetLarge<\/li><\/ul>\n\n\n\n<p><code>ONNXModelHub <\/code>\u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u043c\u043e\u0434\u0435\u043b\u0438:<\/p>\n\n\n\n<ul><li>CV<ul><li>Lenet<\/li><\/ul><ul><li>ResNet18<\/li><li>ResNet34<\/li><li>ResNet50<\/li><li>ResNet101<\/li><li>ResNet152<\/li><li>ResNet50v2<\/li><li>ResNet101v2<\/li><li>ResNet152v2<\/li><\/ul><\/li><\/ul>\n\n\n\n<ul><li>ObjectDetection<ul><li>SSD<\/li><\/ul><\/li><li>FaceAlignment<ul><li>Fan2d106<\/li><\/ul><\/li><\/ul>\n\n\n\n<p>\u0412\u0441\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 TFModelHub \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0439 \u0437\u0430\u0433\u0440\u0443\u0437\u0447\u0438\u043a \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438 \u0432\u0435\u0441\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u0435\u0439, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u0444\u0443\u043d\u043a\u0446\u0438\u044e \u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (\u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430), \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u043b\u0430\u0441\u044c \u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u043d\u0430\u0431\u043e\u0440\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 <a href=\"http:\/\/www.image-net.org\/\" target=\"_blank\" rel=\"noopener\">ImageNet<\/a>. \u0415\u0441\u043b\u0438 \u0437\u0430\u0431\u044b\u0442\u044c \u0435\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c \u043a \u0432\u0445\u043e\u0434\u043d\u044b\u043c \u0434\u0430\u043d\u043d\u044b\u043c \u043c\u043e\u0434\u0435\u043b\u0438, \u0442\u043e \u0432\u044b\u0445\u043e\u0434 \u0432\u0430\u0441 \u043d\u0435\u043f\u0440\u0438\u044f\u0442\u043d\u043e \u0443\u0434\u0438\u0432\u0438\u0442.<\/p>\n\n\n\n<p>\u041a \u043f\u0440\u0438\u043c\u0435\u0440\u0443, \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c ResNet50 \u0434\u043b\u044f \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval modelHub = TFModelHub(cacheDirectory = File(&quot;cache\/pretrainedModels&quot;))\nval model = modelHub.loadModel(TFModels.CV.ResNet50)\n\nval imageNetClassLabels = modelHub.loadClassLabels()\n\nmodel.use {\n    val hdfFile = modelHub.loadWeights(TFModels.CV.ResNet50)\n    it.loadWeights(hdfFile)\n\u2026\n}\n<\/pre>\n\n\n\n<p>\u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u0432\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0438 \u0432\u0435\u0441\u0430 \u043c\u043e\u0434\u0435\u043b\u0438. \u0414\u0430\u043b\u0435\u0435 \u0432\u044b \u0441\u043c\u043e\u0436\u0435\u0442\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0438\u0445 \u0432 KotlinDL.<\/p>\n\n\n\n<blockquote class=\"wp-block-quote\"><p><strong>\u041f\u0420\u0418\u041c\u0415\u0427\u0410\u041d\u0418\u0415<\/strong>: \u043d\u0435 \u0437\u0430\u0431\u0443\u0434\u044c\u0442\u0435 \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433 \u043d\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u0414\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 ModelHub \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u0430 \u0441\u0432\u043e\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430 <code>preprocessInput<\/code>:<\/p><\/blockquote>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval inputData = modelType.preprocessInput(...)\nval res = it.predict(inputData)\n<\/pre>\n\n\n\n<p>\u041f\u043e\u043b\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 ResNet\u201950 \u0434\u043b\u044f \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0438 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043d\u0430 \u043d\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0439\u0442\u0438 \u0432 \u044d\u0442\u043e\u043c <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\/blob\/master\/docs\/transfer_learning_functional.md\" target=\"_blank\" rel=\"noopener\">\u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u0435<\/a>.<\/p>\n\n\n\n<blockquote class=\"wp-block-quote\"><p><strong>\u041f\u0420\u0418\u041c\u0415\u0427\u0410\u041d\u0418\u0415<\/strong>: \u043f\u0440\u0438 \u0440\u0430\u0431\u043e\u0442\u0435 \u0441 \u043c\u043e\u0434\u0435\u043b\u044f\u043c\u0438 ONNX \u0432\u0430\u043c \u043d\u0435 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0437\u0430\u0433\u0440\u0443\u0436\u0430\u0442\u044c \u0432\u0435\u0441\u0430 (\u0441\u043c. \u0440\u0430\u0437\u0434\u0435\u043b \u00ab\u0418\u043d\u0442\u0435\u0433\u0440\u0430\u0446\u0438\u044f ONNX\u00bb \u0432\u044b\u0448\u0435).<\/p><\/blockquote>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_4\">\u041e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043c\u043e\u0434\u0435\u043b\u0438 SSD<\/h2>\n\n\n\n<p>\u041f\u0440\u043e\u0448\u043b\u0430\u044f \u0432\u0435\u0440\u0441\u0438\u044f <code>ModelHub <\/code>\u0432\u043a\u043b\u044e\u0447\u0430\u043b\u0430 \u0442\u043e\u043b\u044c\u043a\u043e \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043b\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 (Image Recognition). \u041c\u044b \u0440\u0435\u0448\u0438\u043b\u0438 \u043d\u0430\u0447\u0430\u0442\u044c \u043f\u043e\u0441\u0442\u0435\u043f\u0435\u043d\u043d\u043e \u0440\u0430\u0441\u0448\u0438\u0440\u044f\u0442\u044c \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u043f\u043e \u0440\u0430\u0431\u043e\u0442\u0435 \u0441 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f\u043c\u0438. \u0412 \u044d\u0442\u043e\u043c \u0440\u0435\u043b\u0438\u0437\u0435 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c <a href=\"https:\/\/arxiv.org\/pdf\/1512.02325.pdf\" target=\"_blank\" rel=\"noopener\">Single Shot MultiBox Detector (SSD)<\/a>, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430 \u043d\u0430\u0445\u043e\u0434\u0438\u0442\u044c \u043e\u0431\u044a\u0435\u043a\u0442\u044b \u043d\u0430 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f\u0445 (Object Detection).<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" loading=\"lazy\" width=\"901\" height=\"271\" src=\"https:\/\/blog.jetbrains.com\/wp-content\/uploads\/2021\/10\/image3.png\" alt=\"\" class=\"wp-image-188582\"\/><figcaption>\u0420\u0438\u0441\u0443\u043d\u043e\u043a 3. \u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u0441\u0432\u0435\u0440\u0442\u043e\u0447\u043d\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0441 \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440\u043e\u043c \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 SSD<\/figcaption><\/figure>\n\n\n\n<p>\u0417\u0430\u0434\u0430\u0447\u0430 Object Detection \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f \u0432 \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u0438 \u044d\u043a\u0437\u0435\u043c\u043f\u043b\u044f\u0440\u043e\u0432 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430 \u0432 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0438. \u041f\u0440\u0438\u0447\u0435\u043c \u043c\u044b \u0445\u043e\u0442\u0438\u043c \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u0430\u043c \u0444\u0430\u043a\u0442 \u043d\u0430\u043b\u0438\u0447\u0438\u044f \u0442\u0430\u043a\u0438\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432, \u043d\u043e \u0435\u0449\u0435 \u0438 \u0438\u0445 \u0433\u0440\u0430\u043d\u0438\u0446\u044b (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440 \u043f\u0440\u044f\u043c\u043e\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a, \u0432 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0431\u044a\u0435\u043a\u0442 \u0446\u0435\u043b\u0438\u043a\u043e\u043c \u0432\u043f\u0438\u0441\u0430\u043d).<\/p>\n\n\n\n<p>\u041c\u043e\u0434\u0435\u043b\u044c SSD \u043e\u0431\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043d\u0430\u0431\u043e\u0440\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 <a href=\"https:\/\/paperswithcode.com\/dataset\/coco\" target=\"_blank\" rel=\"noopener\">COCO<\/a>, \u0441\u043e\u0441\u0442\u043e\u044f\u0449\u0435\u043c \u0438\u0437 328 000 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439. \u0414\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u044d\u043a\u0437\u0435\u043c\u043f\u043b\u044f\u0440\u0430 \u0437\u0430\u0434\u0430\u043d\u044b \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0438\u0432\u0430\u044e\u0449\u0438\u0435 \u0440\u0430\u043c\u043a\u0438 \u0438 \u043c\u0430\u0441\u043a\u0438 \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043e\u0434\u043d\u0430 \u0438\u0437 80 \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u0439 \u043e\u0431\u044a\u0435\u043a\u0442\u0430 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440 \u00ab\u0447\u0435\u043b\u043e\u0432\u0435\u043a\u00bb, \u00ab\u043c\u0430\u0448\u0438\u043d\u0430\u00bb, \u00ab\u0441\u0432\u0435\u0442\u043e\u0444\u043e\u0440\u00bb, \u00ab\u0432\u0435\u043b\u043e\u0441\u0438\u043f\u0435\u0434\u00bb). \u0422\u0430\u043a\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u043b\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0438 \u0438\u0445 \u0433\u0440\u0430\u043d\u0438\u0446 \u043f\u0440\u0438 \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0438 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438.<\/p>\n\n\n\n<p>\u0414\u043b\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u044d\u0442\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u043c\u044b \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0438 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 API, \u0441\u043a\u0440\u044b\u0432\u0430\u044e\u0449\u0438\u0439 \u0434\u0435\u0442\u0430\u043b\u0438 \u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430 \u0438 \u043f\u043e\u0441\u0442\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u043e\u0442 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f.<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval modelHub = ONNXModelHub(cacheDirectory = File(&quot;cache\/pretrainedModels&quot;))\n\nval model = ONNXModels.ObjectDetection.SSD.pretrainedModel(modelHub)\n\nmodel.use { detectionModel -&gt;\n   val detectedObjects = detectionModel.detectObjects(imageFile = File (...), topK = 50)\n\n   detectedObjects.forEach {\n       println(&quot;Found ${it.classLabel} with probability ${it.probability}&quot;)\n   }\n}\n<\/pre>\n\n\n\n<p>\u041c\u044b \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 \u0447\u0435\u0440\u0435\u0437 \u043d\u0430\u0448 \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u0432\u0438\u0434\u0435\u043e \u0441 \u043a\u0430\u043c\u0435\u0440\u044b \u043d\u0430 \u0443\u043b\u0438\u0447\u043d\u043e\u043c \u043f\u0435\u0440\u0435\u043a\u0440\u0435\u0441\u0442\u043a\u0435, \u0432\u044b\u0434\u0435\u043b\u0438\u0432 \u043a\u0440\u0430\u0441\u043d\u044b\u043c \u043b\u044e\u0434\u0435\u0439, \u0441\u0438\u043d\u0438\u043c \u2014 \u0432\u0435\u043b\u043e\u0441\u0438\u043f\u0435\u0434\u044b, \u0437\u0435\u043b\u0435\u043d\u044b\u043c \u2014 \u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u0438.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" loading=\"lazy\" width=\"800\" height=\"400\" src=\"https:\/\/blog.jetbrains.com\/wp-content\/uploads\/2021\/10\/KotlinDL03_7.gif\" alt=\"\" class=\"wp-image-188593\"\/><figcaption>\u0420\u0438\u0441\u0443\u043d\u043e\u043a 4. \u0420\u0430\u0431\u043e\u0442\u0430 ObjectDetection AP<\/figcaption><\/figure>\n\n\n\n<p>\u041c\u043e\u0434\u0435\u043b\u044c YOLOv4 \u0442\u0430\u043a\u0436\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u0430 \u0432 <code>ONNXModelHub<\/code>. \u041e\u0434\u043d\u0430\u043a\u043e \u043c\u044b \u043d\u0435 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 <a href=\"https:\/\/github.com\/onnx\/models\/tree\/master\/vision\/object_detection_segmentation\/yolov4#postprocessing-steps\" target=\"_blank\" rel=\"noopener\">\u043f\u043e\u0441\u0442\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0443 \u0432\u044b\u0432\u043e\u0434\u0430 YOLOv4<\/a>, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0432 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0435 <a href=\"https:\/\/github.com\/Kotlin\/multik\" target=\"_blank\" rel=\"noopener\">Multik<\/a> (\u0430\u043d\u0430\u043b\u043e\u0433 NumPy \u0434\u043b\u044f Kotlin) \u043d\u0435\u0442 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439. \u0415\u0441\u043b\u0438 \u0432\u0430\u043c \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u0430 \u044d\u0442\u0430 \u0437\u0430\u0434\u0430\u0447\u0430 (\u0438\u043b\u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u043f\u043e\u0445\u043e\u0436\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438), \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0441\u0442\u0430\u0442\u044c \u043a\u043e\u043d\u0442\u0440\u0438\u0431\u044c\u044e\u0442\u043e\u0440\u043e\u043c \u0438 \u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u0442\u044c \u0432 \u0430\u0434\u0430\u043f\u0442\u0430\u0446\u0438\u0438 \u043d\u043e\u0432\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u043b\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u043d\u043e\u0432\u043e\u0433\u043e \u0443\u0434\u043e\u0431\u043d\u043e\u0433\u043e API \u0434\u043b\u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0448\u0438\u0440\u043e\u043a\u0438\u043c \u043a\u0440\u0443\u0433\u043e\u043c \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u043d\u0430 Kotlin (\u0434\u0430 \u0438 \u043d\u0430 Java \u0442\u043e\u0436\u0435).<\/p>\n\n\n\n<blockquote class=\"wp-block-quote\"><p><strong>\u041f\u0420\u0418\u041c\u0415\u0427\u0410\u041d\u0418\u0415<\/strong>: \u0432\u044b \u0442\u0430\u043a\u0436\u0435 \u043c\u043e\u0436\u0435\u0442\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u044b\u0439 API \u0434\u043b\u044f \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0438 ONNX-\u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043c\u0435\u0442\u043e\u0434 <code>predictRaw <\/code>\u2014&nbsp;\u0434\u043b\u044f \u043f\u043e\u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0439 \u0440\u0443\u0447\u043d\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430, \u043d\u043e \u044d\u0442\u043e \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043d\u0435\u043f\u0440\u043e\u0441\u0442\u043e. \u0415\u0441\u043b\u0438 \u0432\u0430\u043c \u044d\u0442\u043e \u0443\u0434\u0430\u0441\u0442\u0441\u044f, \u0432\u0430\u0448 \u043f\u0443\u043b\u0440\u0435\u043a\u0432\u0435\u0441\u0442 \u0441\u0442\u0430\u043d\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u0438\u043c \u0432\u043a\u043b\u0430\u0434\u043e\u043c \u0432 KotlinDL.<\/p><\/blockquote>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_5\">\u042d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0443\u0440\u043e\u0432\u043d\u0435\u0432\u043e\u0435 API \u0434\u043b\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439<\/h2>\n\n\n\n<p>\u0427\u0442\u043e\u0431\u044b \u0440\u0435\u0448\u0438\u0442\u044c \u0437\u0430\u0434\u0430\u0447\u0443 \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432, \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 \u0443\u043f\u0440\u043e\u0449\u0435\u043d\u043d\u043e\u0435 API \u0434\u043b\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439. \u0414\u043b\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0437\u0430\u0434\u0430\u0447\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u043c\u044b \u0442\u043e\u0436\u0435 \u043c\u043e\u0436\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c API, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u043a\u0440\u043e\u0435\u0442 \u043e\u0442 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f \u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u0443\u044e \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0443 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439, \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u044e \u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e \u043c\u043e\u0434\u0435\u043b\u0438, \u0430 \u0437\u043d\u0430\u0447\u0438\u0442, \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u043f\u0440\u043e\u0441\u0442\u0438\u0442 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u0432\u0437\u0430\u0438\u043c\u043e\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0441 \u043c\u043e\u0434\u0435\u043b\u044f\u043c\u0438, \u0437\u0430\u0433\u0440\u0443\u0436\u0435\u043d\u043d\u044b\u043c\u0438 \u0438\u0437 ModelHub.<br>\u0427\u0442\u043e\u0431\u044b \u0443\u0432\u0438\u0434\u0435\u0442\u044c, \u043a\u0430\u043a \u044d\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442, \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u043c \u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u043c \u043d\u0430 \u0434\u0438\u0441\u043a\u0435 \u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0442\u0438\u043f\u0430 <code>ImageRecognitionModel<\/code>. \u041c\u043e\u0434\u0435\u043b\u0438 \u044d\u0442\u043e\u0433\u043e \u0442\u0438\u043f\u0430 \u043d\u0435 \u0434\u043e\u043e\u0431\u0443\u0447\u0430\u044e\u0442\u0441\u044f \u2014 \u043e\u043d\u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u0435\u043b\u0430\u044e\u0442 \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u044b. \u041d\u043e \u043f\u043b\u044e\u0441 \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0441 \u043d\u0438\u043c\u0438 \u043e\u0447\u0435\u043d\u044c \u043b\u0435\u0433\u043a\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c.<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval modelHub = TFModelHub(cacheDirectory = File(&quot;cache\/pretrainedModels&quot;))\n\nval model = modelHub[TFModels.CV.ResNet50]\n<\/pre>\n\n\n\n<p>\u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u044d\u0442\u043e\u0442 \u043c\u0438\u043b\u044b\u0439 \u0441\u0438\u043d\u0442\u0430\u043a\u0441\u0438\u0441 \u0441 \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u043d\u044b\u043c\u0438 \u0441\u043a\u043e\u0431\u043e\u0447\u043a\u0430\u043c\u0438 \u2014 \u043e\u043d \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0434\u043e\u0441\u0442\u0443\u043f\u0430 \u043a \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u043c \u043c\u043e\u0434\u0435\u043b\u044f\u043c.<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nmodel.use {\n   for (i in 1..8) {\n       val imageFile = getFileFromResource(&quot;datasets\/vgg\/image$i.jpg&quot;)\n\n       val recognizedObject = it.predictObject(imageFile = imageFile)\n       println(recognizedObject)\n      \n       val top5 = it.predictTopKObjects(imageFile = imageFile, topK = 5)\n       println(top5.toString())\n   }\n}\n<\/pre>\n\n\n\n<p>\u0423 \u043a\u043b\u0430\u0441\u0441\u0430 <code>ImageRecognitionModel <\/code>\u0435\u0441\u0442\u044c \u043c\u0435\u0442\u043e\u0434\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u044e\u0442 \u0444\u0430\u0439\u043b\u044b \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u044e\u0442 \u043c\u0435\u0442\u043a\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u0435\u043c\u044b\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0432 \u0441\u0442\u0440\u043e\u043a\u043e\u0432\u043e\u043c \u0444\u043e\u0440\u043c\u0430\u0442\u0435.<\/p>\n\n\n\n<p>\u042d\u0442\u043e \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u0439 API \u2014&nbsp;\u043e\u043d \u0434\u043b\u044f \u0445\u0430\u0440\u0434\u043a\u043e\u0440\u043d\u044b\u0445 \u0431\u044d\u043a\u0435\u043d\u0434-\u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043e\u0432. \u041f\u043e \u0441\u0443\u0442\u0438, \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u043e\u0431\u043e\u0439 \u0447\u0435\u0440\u043d\u044b\u0439 \u044f\u0449\u0438\u043a \u0441 \u0432\u0445\u043e\u0434\u043e\u043c \u0438 \u0432\u044b\u0445\u043e\u0434\u043e\u043c. \u041e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u043e\u043f\u0440\u043e\u0431\u0443\u0439\u0442\u0435 \u044d\u0442\u043e\u0442 API \u0438 \u043d\u0430\u043f\u0438\u0448\u0438\u0442\u0435 \u043d\u0430\u043c \u043e \u0441\u0432\u043e\u0438\u0445 \u0432\u043f\u0435\u0447\u0430\u0442\u043b\u0435\u043d\u0438\u044f\u0445.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_6\">\u0420\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0437\u0432\u0443\u043a\u0430 \u043f\u0440\u0438 \u043f\u043e\u043c\u043e\u0449\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b SoundNet<\/h2>\n\n\n\n<p>\u0411\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430 KotlinDL \u0434\u0435\u043b\u0430\u0435\u0442 \u0441\u0432\u043e\u0438 \u043f\u0435\u0440\u0432\u044b\u0435 \u0448\u0430\u0433\u0438 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u0440\u0430\u0431\u043e\u0442\u044b \u0441\u043e \u0437\u0432\u0443\u043a\u043e\u043c. \u0412 \u044d\u0442\u043e\u043c \u0440\u0435\u043b\u0438\u0437\u0435 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u043b\u043e\u0435\u0432, \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0445 \u0434\u043b\u044f \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438, \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0439 SoundNet:&nbsp; Conv1D, MaxPooling1D, Cropping1D, UpSampling1D \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u0441\u043b\u043e\u0438 \u0441 \u0441\u0443\u0444\u0444\u0438\u043a\u0441\u043e\u043c \u00ab1D\u00bb \u0432 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0438.<\/p>\n\n\n\n<p>\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u043e\u0441\u0442\u0440\u043e\u0438\u043c \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u043c\u043e\u0434\u0435\u043b\u0438 SoundNet:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval soundNet = Sequential.of(\n   Input(\n       FSDD_SOUND_DATA_SIZE,\n       NUM_CHANNELS\n   ),\n   *soundBlock(\n       filters = 4,\n       kernelSize = 8,\n       poolStride = 2\n   ),\n   *soundBlock(\n       filters = 4,\n       kernelSize = 16,\n       poolStride = 4\n   ),\n   *soundBlock(\n       filters = 8,\n       kernelSize = 16,\n       poolStride = 4\n   ),\n   *soundBlock(\n       filters = 8,\n       kernelSize = 16,\n       poolStride = 4\n   ),\n   Flatten(),\n   Dense(\n       outputSize = 1024,\n       activation = Activations.Relu,\n       kernelInitializer = HeNormal(SEED),\n       biasInitializer = HeNormal(SEED)\n   ),\n   Dense(\n       outputSize = NUMBER_OF_CLASSES,\n       activation = Activations.Linear,\n       kernelInitializer = HeNormal(SEED),\n       biasInitializer = HeNormal(SEED)\n   )\n)\n<\/pre>\n\n\n\n<p>\u041f\u043e \u0441\u0443\u0442\u0438, \u044d\u0442\u043e \u0441\u0432\u0435\u0440\u0442\u043e\u0447\u043d\u0430\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u043e\u0434\u043d\u043e\u043c\u0435\u0440\u043d\u044b\u0435 \u0441\u043b\u043e\u0438 \u0434\u043b\u044f \u0441\u0432\u0435\u0440\u0442\u043e\u043a \u0438 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0435\u043d\u0438\u044f \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0437\u0432\u0443\u043a\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u041d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 FSDD \u044d\u0442\u0430 \u0441\u0435\u0442\u044c \u0434\u043e\u0441\u0442\u0438\u0433\u043b\u0430 \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 ~55% \u0437\u0430 10 \u044d\u043f\u043e\u0445 \u0438 ~85% \u2014&nbsp;\u0437\u0430 100 \u044d\u043f\u043e\u0445.<\/p>\n\n\n\n<p>\u041d\u0438\u0436\u0435 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d \u043a\u043e\u0434 SoundBlock. \u042d\u0442\u043e \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u0430\u044f \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u044f \u0438\u0437 \u0434\u0432\u0443\u0445 \u0441\u043b\u043e\u0435\u0432 Conv1D \u0438 \u043e\u0434\u043d\u043e\u0433\u043e \u0441\u043b\u043e\u044f MaxPool1D:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nfun soundBlock(filters: Long, kernelSize: Long, poolStride: Long): Array&lt;layer&gt; =\n   arrayOf(\n       Conv1D(\n           filters = filters,\n           kernelSize = kernelSize,\n           strides = longArrayOf(1, 1, 1),\n           activation = Activations.Relu,\n           kernelInitializer = HeNormal(SEED),\n           biasInitializer = HeNormal(SEED),\n           padding = ConvPadding.SAME\n       ),\n       Conv1D(\n           filters = filters,\n           kernelSize = kernelSize,\n           strides = longArrayOf(1, 1, 1),\n           activation = Activations.Relu,\n           kernelInitializer = HeNormal(SEED),\n           biasInitializer = HeNormal(SEED),\n           padding = ConvPadding.SAME\n       ),\n       MaxPool1D(\n           poolSize = longArrayOf(1, poolStride, 1),\n           strides = longArrayOf(1, poolStride, 1),\n           padding = ConvPadding.SAME\n       )\n   )\n<\/pre>\n\n\n\n<p>\u041a\u043e\u0433\u0434\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u0431\u0443\u0434\u0435\u0442 \u0433\u043e\u0442\u043e\u0432\u0430 \u0434\u043b\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438, \u043c\u044b \u0441\u043c\u043e\u0436\u0435\u043c \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u043d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 <a href=\"https:\/\/github.com\/Jakobovski\/free-spoken-digit-dataset\" target=\"_blank\" rel=\"noopener\">Free Spoken Digits Dataset <\/a>(FSDD) \u0438 \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c. FSDD \u2014 \u044d\u0442\u043e \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043d\u0430\u0431\u043e\u0440 \u0430\u0443\u0434\u0438\u043e\/\u0440\u0435\u0447\u0435\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u043e\u0441\u0442\u043e\u044f\u0449\u0438\u0439 \u0438\u0437 \u0437\u0430\u043f\u0438\u0441\u0435\u0439 \u043f\u0440\u043e\u0438\u0437\u043d\u0435\u0441\u0435\u043d\u043d\u044b\u0445 \u0446\u0438\u0444\u0440, \u0432 \u0444\u0430\u0439\u043b\u0430\u0445 .wav \u0441 \u0447\u0430\u0441\u0442\u043e\u0442\u043e\u0439 8 \u043a\u0413\u0446.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" loading=\"lazy\" width=\"651\" height=\"331\" src=\"https:\/\/blog.jetbrains.com\/wp-content\/uploads\/2021\/10\/FSDD-visualization.png\" alt=\"\" class=\"wp-image-188604\"\/><figcaption>\u0420\u0438\u0441\u0443\u043d\u043e\u043a 5. \u0412\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043e\u0434\u043d\u043e\u0439 \u0438\u0437 \u0437\u0430\u043f\u0438\u0441\u0435\u0439 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 .wav (\u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u0430\u044f \u0438\u0437 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 FSDD).<\/figcaption><\/figure>\n\n\n\n<p>\u041f\u043e\u0441\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c \u0446\u0438\u0444\u0440\u044b \u043f\u043e \u0430\u0443\u0434\u0438\u043e\u0437\u0430\u043f\u0438\u0441\u044f\u043c. \u041c\u043e\u0436\u043d\u043e \u0434\u0430\u0436\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u0440\u0435\u043d\u0430\u0436\u0435\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u043e\u0442\u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043f\u0440\u043e\u0438\u0437\u043d\u043e\u0448\u0435\u043d\u0438\u0435 \u0446\u0438\u0444\u0440 \u043d\u0430 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u043e\u043c \u044f\u0437\u044b\u043a\u0435.<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nval (train, test) = freeSpokenDigits()\n\nsoundNet.use {\n   it.compile(\n       optimizer = Adam(),\n       loss = Losses.SOFT_MAX_CROSS_ENTROPY_WITH_LOGITS,\n       metric = Metrics.ACCURACY\n   )\n\n   it.init()\n\n   var accuracy = it.evaluate(dataset = test, batchSize = TEST_BATCH_SIZE).metrics[Metrics.ACCURACY]\n   println(&quot;Accuracy before: $accuracy&quot;)\n\n   it.fit(dataset = train, epochs = EPOCHS, batchSize = TRAINING_BATCH_SIZE)\n\n   accuracy = it.evaluate(dataset = test, batchSize = TEST_BATCH_SIZE).metrics[Metrics.ACCURACY]\n   println(&quot;Accuracy after: $accuracy&quot;)\n}\n<\/pre>\n\n\n\n<p>\u041f\u043e\u043b\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 SoundNet \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0439\u0442\u0438 <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\/blob\/release_0.3\/examples\/src\/main\/kotlin\/examples\/cnn\/fsdd\/SoundNet.kt\" target=\"_blank\" rel=\"noopener\">\u0442\u0443\u0442<\/a>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_7\">+23 \u0441\u043b\u043e\u044f, +6 \u0444\u0443\u043d\u043a\u0446\u0438\u0439 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0438 +2 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0442\u043e\u0440\u0430<\/h2>\n\n\n\n<p>\u041c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u043a\u043e\u043d\u0442\u0440\u0438\u0431\u044c\u044e\u0442\u043e\u0440\u043e\u0432 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0432 KotlinDL \u043d\u043e\u0432\u044b\u0435 \u0441\u043b\u043e\u0438 \u0441 \u0432\u0435\u0441\u044c\u043c\u0430 \u043d\u0435\u0442\u0440\u0438\u0432\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u043b\u043e\u0433\u0438\u043a\u043e\u0439. \u042d\u0442\u0438 \u0441\u043b\u043e\u0438 \u0434\u0430\u044e\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0435\u0439 \u0434\u043b\u044f \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439, \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u044e\u0449\u0438\u0445 \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0438, \u0437\u0432\u0443\u043a, \u0432\u0438\u0434\u0435\u043e \u0438\u043b\u0438 3D-\u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f:<\/p>\n\n\n\n<ul><li>Softmax activation layer (<a href=\"https:\/\/github.com\/d-lowl\" target=\"_blank\" rel=\"noopener\">D. Lowl<\/a>)<\/li><li>LeakyReLU activation layer <a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>PReLU activate layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>ELU activation layer (<a href=\"https:\/\/github.com\/avan1235\" target=\"_blank\" rel=\"noopener\">Maciej Procyk<\/a>)<\/li><li>ThresholdedReLU activation layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>Conv1D layer (<a href=\"https:\/\/github.com\/avan1235\" target=\"_blank\" rel=\"noopener\">Maciej Procyk<\/a>)<\/li><li>MaxPooling1D layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>AveragePooling1D layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>GlobalMaxPooling1D layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>GlobalAveragePooling1D layer (<a href=\"https:\/\/github.com\/therealansh\" target=\"_blank\" rel=\"noopener\">Ansh Tyagi<\/a>)<\/li><li>Conv3D layer (<a href=\"https:\/\/github.com\/avan1235\" target=\"_blank\" rel=\"noopener\">Maciej Procyk<\/a>)<\/li><li>MaxPooling3D layer (<a href=\"https:\/\/github.com\/therealansh\" target=\"_blank\" rel=\"noopener\">Ansh Tyagi<\/a>)<\/li><li>AveragePooling3D layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>GlobalAveragePooling3D layer (<a href=\"https:\/\/github.com\/therealansh\" target=\"_blank\" rel=\"noopener\">Ansh Tyagi<\/a>)<\/li><li>GlobalMaxPool2D layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>GlobalMaxPool3D layer (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>Cropping1D and Cropping3D layers (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><li>Permute layer (<a href=\"https:\/\/github.com\/therealansh\" target=\"_blank\" rel=\"noopener\">Ansh Tyagi<\/a>)<\/li><li>RepeatVector layer (<a href=\"https:\/\/github.com\/dosier\" target=\"_blank\" rel=\"noopener\">Stan van der Bend<\/a>)<\/li><li>UpSampling1D, UpSampling2D, and UpSampling3D layers (<a href=\"https:\/\/github.com\/mkaze\" target=\"_blank\" rel=\"noopener\">Masoud Kazemi<\/a>)<\/li><\/ul>\n\n\n\n<p>\u041d\u043e\u0432\u044b\u0435 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0442\u043e\u0440\u044b:<\/p>\n\n\n\n<ul><li>Identity initializer (<a href=\"https:\/\/github.com\/hbrammer\" target=\"_blank\" rel=\"noopener\">Hauke Brammer<\/a>)<\/li><li>Orthogonal initializer (<a href=\"https:\/\/github.com\/therealansh\" target=\"_blank\" rel=\"noopener\">Ansh Tyagi<\/a>)<\/li><\/ul>\n\n\n\n<p>\u041d\u043e\u0432\u044b\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438:<\/p>\n\n\n\n<ul><li>Gelu activation function (<a href=\"https:\/\/github.com\/therealansh\" target=\"_blank\" rel=\"noopener\">Ansh Tyagi<\/a>)<\/li><li>HardShrink activation function (<a href=\"https:\/\/github.com\/therealansh\" target=\"_blank\" rel=\"noopener\">Ansh Tyagi<\/a>)<\/li><li>LiSHT activation function (<a href=\"https:\/\/github.com\/knok16\" target=\"_blank\" rel=\"noopener\">Veniamin Viflyantsev<\/a>)<\/li><li>Mish activation function (<a href=\"https:\/\/github.com\/digantamisra98\" target=\"_blank\" rel=\"noopener\">Xa9aX \u30c4<\/a>)<\/li><li>Snake activation function (<a href=\"https:\/\/github.com\/cagriyildirimR\" target=\"_blank\" rel=\"noopener\">cagriyildirimR<\/a>)<\/li><li>TanhShrink activation function(<a href=\"https:\/\/github.com\/femialaka\" target=\"_blank\" rel=\"noopener\">Femi Alaka<\/a>)<\/li><\/ul>\n\n\n\n<p>\u042d\u0442\u0438 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u043d\u0435 \u0432\u0445\u043e\u0434\u044f\u0442 \u0432 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u043f\u0430\u043a\u0435\u0442 TensorFlow. \u041c\u044b \u0440\u0435\u0448\u0438\u043b\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0438\u0445 \u0432 KotlinDL, \u043f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u043e\u043d\u0438 \u0447\u0430\u0441\u0442\u043e \u0443\u043f\u043e\u043c\u0438\u043d\u0430\u044e\u0442\u0441\u044f \u0432 \u0440\u044f\u0434\u0435 \u043d\u043e\u0432\u044b\u0445 \u043d\u0430\u0443\u0447\u043d\u044b\u0445 \u0441\u0442\u0430\u0442\u0435\u0439 \u043e \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0438 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439.<\/p>\n\n\n\n<p>\u0412 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0445 \u0440\u0435\u043b\u0438\u0437\u0430\u0445 \u043c\u044b \u043f\u043b\u0430\u043d\u0438\u0440\u0443\u0435\u043c \u0434\u043e\u0441\u0442\u0438\u0447\u044c \u043f\u0430\u0440\u0438\u0442\u0435\u0442\u0430 \u043f\u043e \u0441\u043b\u043e\u044f\u043c \u0441 <a href=\"https:\/\/keras.io\/api\/layers\/\" target=\"_blank\" rel=\"noopener\">\u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u043e\u043c Keras<\/a> \u0438, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u043f\u043e\u0439\u0442\u0438 \u0434\u0430\u043b\u044c\u0448\u0435, \u0434\u043e\u0431\u0430\u0432\u0438\u0432 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432 \u0438\u0437 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0439 SOTA-\u043c\u043e\u0434\u0435\u043b\u0435\u0439.<\/p>\n\n\n\n<p>\u041c\u044b \u0431\u0443\u0434\u0435\u043c \u0440\u0430\u0434\u044b \u0432\u0430\u0448\u0438\u043c \u043f\u0443\u043b\u0440\u0435\u043a\u0432\u0435\u0441\u0442\u0430\u043c \u043d\u0430 \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043d\u043e\u0432\u044b\u0445 \u0441\u043b\u043e\u0435\u0432, \u0444\u0443\u043d\u043a\u0446\u0438\u0439 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438, \u043e\u0431\u0440\u0430\u0442\u043d\u044b\u0445 \u0432\u044b\u0437\u043e\u0432\u043e\u0432 (callbacks) \u0438\u043b\u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0442\u043e\u0440\u043e\u0432 \u0438\u0437 \u043d\u043e\u0432\u044b\u0445\/\u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u043d\u0430\u0443\u0447\u043d\u044b\u0445 \u0441\u0442\u0430\u0442\u0435\u0439!<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_8\">\u041a\u0430\u043a \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c KotlinDL \u0432 \u043f\u0440\u043e\u0435\u043a\u0442<\/h2>\n\n\n\n<p>\u0427\u0442\u043e\u0431\u044b \u043d\u0430\u0447\u0430\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c KotlinDL \u0432 \u0432\u0430\u0448\u0435\u043c \u043f\u0440\u043e\u0435\u043a\u0442\u0435 \u0441\u043e \u0432\u0441\u0435\u043c\u0438 \u0435\u0433\u043e \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044f\u043c\u0438 (\u0432\u043a\u043b\u044e\u0447\u0430\u044f \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0443 ONNX \u0438 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e), \u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u044c\u0442\u0435 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u0432 \u0444\u0430\u0439\u043b <code>build.gradle<\/code>:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\nrepositories {\n    mavenCentral()\n}\n\ndependencies {\n    implementation &#039;org.jetbrains.kotlinx:kotlin-deeplearning-api:0.3.0&#039;\n    implementation &#039;org.jetbrains.kotlinx:kotlin-deeplearning-onnx:0.3.0&#039;\n    implementation &#039;org.jetbrains.kotlinx:kotlin-deeplearning-visualization:0.3.0&#039;\n}\n<\/pre>\n\n\n\n<p>\u0415\u0441\u043b\u0438 \u0432\u0430\u043c \u043d\u0435 \u043d\u0443\u0436\u043d\u0430 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 ONNX \u0438 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f, \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043e\u0434\u043d\u043e\u0439 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438:<\/p>\n\n\n\n<pre class=\"kotlin-code\" data-highlight-only=\"true\" theme=\"idea\" indent=\"4\" style=\"visibility: hidden; padding: 36px 0;\">\ndependencies {\n    implementation &#039;org.jetbrains.kotlinx:kotlin-deeplearning-api:0.3.0&#039;\n}\n<\/pre>\n\n\n\n<p>KotlinDL \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432 Java-\u043f\u0440\u043e\u0435\u043a\u0442\u0430\u0445, \u0434\u0430\u0436\u0435 \u0435\u0441\u043b\u0438 \u0432 \u043d\u0438\u0445 \u043d\u0435\u0442 \u043d\u0438 \u043a\u0430\u043f\u043b\u0438 Kotlin. <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\/blob\/release_0.3\/examples\/src\/main\/java\/LeNetClassic.java\" target=\"_blank\" rel=\"noopener\">\u0417\u0434\u0435\u0441\u044c<\/a> \u0432\u044b \u043d\u0430\u0439\u0434\u0435\u0442\u0435 \u043f\u0440\u0438\u043c\u0435\u0440 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u0441\u0432\u0435\u0440\u0442\u043e\u0447\u043d\u043e\u0439 \u0441\u0435\u0442\u0438, \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u043d\u043e\u0439 \u043d\u0430 Java.<\/p>\n\n\n\n<p>\u0415\u0441\u043b\u0438 \u0432\u044b \u0445\u043e\u0442\u0435\u043b\u0438 \u0431\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432 \u043f\u0440\u043e\u0435\u043a\u0442\u0430\u0445 Java API, \u043d\u0430\u043f\u0438\u0448\u0438\u0442\u0435 \u043d\u0430\u043c \u043e\u0431 \u044d\u0442\u043e\u043c \u0438\u043b\u0438 \u0441\u043e\u0437\u0434\u0430\u0439\u0442\u0435 PR.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ch_9\">\u041f\u043e\u043b\u0435\u0437\u043d\u044b\u0435 \u0441\u0441\u044b\u043b\u043a\u0438<\/h2>\n\n\n\n<p>\u041c\u044b \u043d\u0430\u0434\u0435\u0435\u043c\u0441\u044f, \u0447\u0442\u043e \u0432\u0430\u043c \u043f\u043e\u043d\u0440\u0430\u0432\u0438\u043b\u0430\u0441\u044c \u043d\u0430\u0448\u0430 \u0441\u0442\u0430\u0442\u044c\u044f \u0438 \u043d\u043e\u0432\u044b\u0435 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438 KotlinDL.&nbsp;<\/p>\n\n\n\n<p>\u0425\u043e\u0442\u0438\u0442\u0435 \u0443\u0437\u043d\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u043e \u043f\u0440\u043e\u0435\u043a\u0442\u0435? \u041f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0435\u043c \u043e\u0437\u043d\u0430\u043a\u043e\u043c\u0438\u0442\u044c\u0441\u044f \u0441 <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\/blob\/master\/README.md\" target=\"_blank\" rel=\"noopener\">Readme<\/a> \u0438\u043b\u0438 \u0441\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0447\u043a\u043e\u0439 \u043f\u0440\u043e\u0435\u043a\u0442\u0430 \u043d\u0430 <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\" target=\"_blank\" rel=\"noopener\">GitHub<\/a>. \u0410 \u044d\u0442\u043e\u0442 <a href=\"https:\/\/github.com\/JetBrains\/KotlinDL\/blob\/master\/docs\/quick_start_guide.md\" target=\"_blank\" rel=\"noopener\">\u0442\u0443\u0442\u043e\u0440\u0438\u0430\u043b<\/a> \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0432\u0430\u043c \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0432\u0430\u0448\u0443 \u043f\u0435\u0440\u0432\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u043d\u0430 Kotlin.<\/p>\n\n\n\n<p>\u0415\u0441\u043b\u0438 \u0432\u0430\u043c \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e, \u043a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d KotlinDL, \u043a\u0430\u043a \u043e\u043d \u043f\u043e\u044f\u0432\u0438\u043b\u0441\u044f \u0438 \u0432 \u043a\u0430\u043a\u043e\u043c \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0438 \u0440\u0430\u0437\u0432\u0438\u0432\u0430\u0435\u0442\u0441\u044f, \u043f\u043e\u0447\u0435\u043c\u0443 \u043e\u043d \u0442\u0430\u043a \u043f\u043e\u0445\u043e\u0436 \u043d\u0430 Keras, \u0438 \u043f\u043b\u0430\u043d\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043b\u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 PyTorch, \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u0441\u0432\u0435\u0436\u0435\u0435 <a href=\"https:\/\/www.youtube.com\/watch?v=jCFZc97_XQU\" target=\"_blank\" rel=\"noopener\">\u0432\u0438\u0434\u0435\u043e<\/a> \u043e\u0442 \u0410\u043b\u0435\u043a\u0441\u0435\u044f \u0417\u0438\u043d\u043e\u0432\u044c\u0435\u0432\u0430.<\/p>\n\n\n\n<p>\u0422\u0430\u043a\u0436\u0435 \u043c\u044b \u0436\u0434\u0435\u043c \u0432\u0430\u0441 \u0432 Slack-\u043a\u0430\u043d\u0430\u043b\u0435 <a href=\"https:\/\/app.slack.com\/client\/T09229ZC6\/C01DZU7PW73\" target=\"_blank\" rel=\"noopener\">#kotlindl<\/a> (\u0438\u043d\u0432\u0430\u0439\u0442 \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c <a href=\"http:\/\/slack.kotlinlang.org\/?_ga=2.28360636.1631899419.1619088615-984759609.1618823233\" target=\"_blank\" rel=\"noopener\">\u0442\u0443\u0442<\/a>). \u0412 \u043d\u0435\u043c \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0437\u0430\u0434\u0430\u0432\u0430\u0442\u044c \u0432\u043e\u043f\u0440\u043e\u0441\u044b, \u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u0442\u044c \u0432 \u0434\u0438\u0441\u043a\u0443\u0441\u0441\u0438\u044f\u0445 \u0438 \u043f\u0435\u0440\u0432\u044b\u043c\u0438 \u043f\u043e\u043b\u0443\u0447\u0430\u0442\u044c \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u043e \u043f\u0440\u0435\u0432\u044c\u044e-\u0440\u0435\u043b\u0438\u0437\u0430\u0445 \u0438 \u043d\u043e\u0432\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0432 \u0445\u0430\u0431\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439.<\/p>\n\n\n\n<p>\u0412\u0430\u0448\u0430 \u043e\u0431\u0440\u0430\u0442\u043d\u0430\u044f \u0441\u0432\u044f\u0437\u044c, \u0432\u0430\u0448\u0438 \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u044f \u0431\u0430\u0433\u043e\u0432 \u0438 \u043a\u0440\u0430\u0448-\u0440\u0435\u043f\u043e\u0440\u0442\u044b, \u0438\u0434\u0435\u0438 \u0438 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0438 \u2014 \u0432\u0441\u0435 \u044d\u0442\u043e \u043e\u0447\u0435\u043d\u044c \u0432\u0430\u0436\u043d\u043e \u0434\u043b\u044f \u043d\u0430\u0441. \u041c\u044b \u0436\u0434\u0435\u043c \u043d\u043e\u0432\u044b\u0445 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u0435\u0439 \u0438 \u043a\u043e\u043d\u0442\u0440\u0438\u0431\u044c\u044e\u0442\u043e\u0440\u043e\u0432, \u043a\u0430\u043a \u043d\u0430\u0447\u0438\u043d\u0430\u044e\u0449\u0438\u0445, \u0442\u0430\u043a \u0438 \u043e\u043f\u044b\u0442\u043d\u044b\u0445 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u0435\u0439 \u2014 \u0432\u0441\u0435\u0445, \u043a\u043e\u043c\u0443 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b Deep Learning \u0438 Data Science \u043d\u0430 Kotlin, Java \u0438 Scala!<\/p>\n\n\n\n<p><em>\u0412\u0430\u0448\u0430 \u043a\u043e\u043c\u0430\u043d\u0434\u0430 Kotlin<br>The Drive to Develop<\/em><\/p>\n\n\n\n<p>\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d \u043d\u0430 habr.com:<\/p>\n\n\n\n<p><a href=\"https:\/\/habr.com\/ru\/company\/JetBrains\/blog\/581462\/\" class=\"ek-link\" target=\"_blank\" rel=\"noopener\">https:\/\/habr.com\/ru\/company\/JetBrains\/blog\/581462\/<\/a><br><\/p>\n","protected":false},"author":1291,"featured_media":186047,"comment_status":"open","ping_status":"closed","template":"","categories":[952,909],"tags":[565,6415,6762,6416],"cross-post-tag":[],"acf":[],"_links":{"self":[{"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/kotlin\/188555"}],"collection":[{"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/kotlin"}],"about":[{"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/types\/kotlin"}],"author":[{"embeddable":true,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/users\/1291"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/comments?post=188555"}],"version-history":[{"count":5,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/kotlin\/188555\/revisions"}],"predecessor-version":[{"id":188710,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/kotlin\/188555\/revisions\/188710"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/media\/186047"}],"wp:attachment":[{"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/media?parent=188555"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/categories?post=188555"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/tags?post=188555"},{"taxonomy":"cross-post-tag","embeddable":true,"href":"https:\/\/blog.jetbrains.com\/ru\/wp-json\/wp\/v2\/cross-post-tag?post=188555"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}