YEREL TÜREV ÖRÜNTÜ İÇİN TENSORFLOW TABANLI BİR METOD

Özet

Python programlama dili makine öğrenmesi uygulamalarının gerçekleştirilmesi için oldukça uygun bir ortam sağlar. Ancak programcılar yoğun işlem gerektiren script tabanlı fonksiyonlar yazdığı zaman, genelde derlenmiş kodlara göre düşük performans problemi ile karşılaşır. TensorFlow çerçevesi, makine öğrenmesi uygulamalarının geliştirilmesi için çeşitli derlenmiş algoritmalara sahip olmakla birlikte çok çekirdekli CPU ve GPU birimleri gibi hesaplama kaynaklarını da kullanarak hızlandırma sağlar. Bu sayede mevcut TensorFlow operasyonları kullanılarak geliştirilen algoritmalar, paralel programlama veya GPU programlama gerektirmeden dolaylı yoldan bu kaynakları kullanarak hesaplama sürelerini kısaltabilir. Bu çalışmada, makine öğrenmesi uygulamalarında etkili özellik çıkarma yöntemlerinden biri olarak kullanılan Yerel Türev Örüntü (LDP) analizi TensorFlow tabanlı bir algoritma ile gerçekleştirilmiştir. Yoğun hesaplama yükü gerektiren LDP algoritmasında bağımsız piksel tabanlı işlemler, verimli bir tensör işlemleri tabanlı algoritma geliştirilmesine olanak tanımaktadır. TensorFlow ile gerçekleştirilen algoritmanın başarımı, aynı algoritmanın Python script ile gerçekleştirilen sürümü ile karşılaştırılarak ölçülmüştür. Çeşitli boyutlarda ve sayılarda örnek görüntüler için elde edilen sonuçlar, TensorFlow işlemlerinin LDP algoritması için önemli hızlandırma oranları sağladığını göstermektedir

Abstract

Python programming language provides a very convenient environment of implementing machine learning applications. However, programmers usually faced with a poor performance compared to compiled functions when they write script based programs that demands intense computations. TensorFlow framework provides acceleration by enabling the utilization of various computing resources such as multicore CPU and GPU unit as well as including various compiled algorithms for developing machine learning applications. In this way, algorithms developed using existing TensorFlow operations can shorten computation times by using these resources indirectly without requiring parallel programming or GPU programming. In this study, Local Derivative Pattern (LDP) analysis which is one of the efficient feature extraction approaches for machine learning models was realized using a TensorFlow based algorithm. Independent pixel based operations in LDP algorithm which requires intense computations, enable developing an efficient tensor based algorithm. The performance of the TensorFlow based algorithm has been measured by comparing it with the Python script version of the same algorithm. The results obtained for various sizes and numbers of sample images show that TensorFlow operations provide significant acceleration rates for the LDP algorithm.