කම්පියුටර් දර්ශන (Computer Vision) ව්යාපෘතියක් ආරම්භ කරන විට, කුමන Deep Learning library එක භාවිතා කරනවාද කියලා තීරණය කිරීම සම්පූර්ණ වැඩපිළිවෙලේ වේගය, පරීක්ෂණ හැකියාව සහ නිෂ්පාදනයේ ගැටළු මට්ටම තීරණය කරයි.
අද දින දෙකම ප්රමුඛත්වය ලබාගෙන ඇති library දෙක PyTorch සහ TensorFlow වේ. ඉදිරිපත් කර ඇති ලිපිය අනුව, මේ දෙකම තරගකාරී තත්ත්වයකින් පසුබැසී ඇතත්, තේරීමේ මාර්ගෝපදේශය තවමත් වැදගත් බව පෙන්වා දෙයි.
ඇයි library තේරීම වැදගත්ද? දත්ත වර්ධනය, අභිරුචිකරණ loss function, මොබයිල් හෝ edge උපාංග වලට model එක export කිරීම වැනි විශේෂ අවශ්යතා සෑම විටම භාවිතා කරන framework එකේ හැකියාවන් මත වෙනස් වේ. ව්යාපාරික දත්ත අනුව TensorFlow 37% ක ව්යාපාරික පරිශීලක පිරිසක් දක්වා පවතින අතර, TensorFlow Serving, TensorFlow Extended, TensorFlow Lite වැනි මෙවලම් මගින් බිලියන ගණනක් උපාංගවලට model ගත හැකිය. අනික් පැත්තේ PyTorch පර්යේෂණ ප්රජාවේ ප්රමුඛතම framework එක වන අතර, නවතම CV පත්රිකා බොහොමයක් PyTorch මූලිකව ලියා ඇත. රැකියා පෝස්ට් වල PyTorch අවශ්යතාවයත් ඉහළ යමින් පවතී.
PyTorch – පර්යේෂකයන්ගේ ප්රියතම එහි dynamic computation graph නිසා කේතය ක්රියාත්මක වන විට graph එක ගොඩනැගෙයි. එමඟින් breakpoint තබා tensors පරීක්ෂා කිරීම, model එකේ ව්යුහය තත්කාලිකව වෙනස් කිරීම ඉතා පහසු වේ. උදාහරණයක් ලෙස, ResNet‑50 pretrained model එකක් ලෝඩ් කර, අවසන් layer එක 10 කාණ්ඩ සඳහා වෙනස් කිරීම කේතය කිසිඳු බොහොමයක් නොමැතිව සිදු කළ හැක. torchvision library එක datasets, pretrained weights, transforms වැනි බොහෝ පහසුකම් එක්ක සපයන නිසා පළමු සතියේ වැඩ බරක් ඉතා කුඩා වේ. PyTorch 2.0 හි torch.compile() විශේෂත්වය JIT optimization සමඟ 20‑25% වේග වැඩි කිරීමක් ලබා දේ.
TensorFlow – නිෂ්පාදන පද්ධතියට සුදුසු TensorFlow හි ecosystem එක තරමක් opinionated වියත්, vision, text, probabilistic modeling වැනි first‑party libraries එකට සම්බන්ධ වේ. මෙය model එක training script එකෙන් serving system එකට මාරු කිරීමේදී සාර්ථකත්වය සහ අඩු ගැටළු ඇති කරයි. TensorFlow Serving, TensorFlow Lite වැනි මෙවලම් නිසා edge device වලට model deploy කිරීම ඉතා පහසු වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලාංකීය විද්යාල, විශ්වවිද්යාල සිසුන්ට AI හා Computer Vision පාඨමාලා වලදී PyTorch සහ TensorFlow දෙකම අත්හදා බැලීමට අවස්ථාව ලැබේ. නිර්මාණශීලී පර්යේෂණ සඳහා PyTorch හි dynamic graph එක ඉක්මන් ප්රොටොටයිප් කිරීමේ හැකියාව ලබා දේ. එසේම, ශ්රී ලංකාවේ තාක්ෂණික සමාගම්, fintech, e‑commerce වැනි ක්ෂේත්රවල නිෂ්පාදන පරිසරයට TensorFlow හි production‑ready tools භාවිතා කර, මොබයිල් යෙදුම් හා IoT උපාංග වලට AI model ගත කිරීමට ඉඩ සලසයි. එමෙන්ම, ශ්රී ලංකාවේ startups ලාභදායී AI solution ගොඩනැගීමට දෙකේම open‑source community support සහ tutorials මගින් ගැඹුරු දැනුමක් ලබා ගත හැක.
ඉදිරියේදී, කුමන library එක තෝරා ගන්නේ ඔබේ ව්යාපෘතියේ අරමුණ, පරිසරය සහ කාලසීමාව මත පදනම් වේ. නිවැරදි තේරීම ඔබේ AI ව්යාපෘතියේ සාර්ථකත්වයට මූලික පදයක් වනු ඇත.
