التعلم الآلي بلغة Go: نظرة عامة على المكتبات الخاصة بـ Golang

التعلم الآلي بلغة Go (Golang): المكتبات والأدوات للتطوير

على الرغم من أن Python لا تزال اللغة المهيمنة في عالم التعلم الآلي (ML)، إلا أن Go (Golang) تكتسب شعبية بفضل أدائها، وسهولة نشرها، ودعمها الممتاز للتوازي. تعتبر Go مثالية لبناء خدمات ML عالية التحميل، ومعالجة البيانات المجمعة، ودمج النماذج في بيئة الإنتاج. في هذه المقالة، سنستعرض المكتبات الرئيسية للتعلم الآلي بلغة Go، وإمكانياتها، وأمثلة على استخدامها.

لماذا Go للتعلم الآلي؟

لا تحاول Go استبدال Python في مرحلة البحث، ولكنها تقدم مزايا فريدة في مرحلة تشغيل النماذج:

• الأداء: لغة مترجمة، قريبة في السرعة من C/C++، دون تكاليف إضافية للمفسر.
• سهولة النشر: ملف ثنائي واحد بدون تبعيات - مثالي للخدمات المصغرة والحاويات.
• التوازي المدمج: تسمح الـ Goroutines والقنوات بمعالجة تدفقات البيانات بكفاءة وتدريب النماذج بالتوازي.
• الكتابة الثابتة: أخطاء أقل في وقت التشغيل، وهو أمر بالغ الأهمية لأنظمة الإنتاج.

1. Gorgonia - إطار عمل للتعلم العميق

Gorgonia هي النظير لـ TensorFlow و PyTorch في Go. توفر أدوات لبناء وتدريب الشبكات العصبية، بما في ذلك التفاضل التلقائي، ودعم GPU (عبر CUDA)، وتحسين الرسوم البيانية الحسابية.

package main

import (    "fmt"    "gorgonia.org/gorgonia"    "gorgonia.org/tensor")

func main() {    g := gorgonia.NewGraph()

    // تعريف بيانات الإدخال (مصفوفة 2x3)    x := gorgonia.NewMatrix(g, tensor.Float64, gorgonia.WithName("x"), gorgonia.WithShape(2, 3))

    // تعريف الأوزان (مصفوفة 3x2)    w := gorgonia.NewMatrix(g, tensor.Float64, gorgonia.WithName("w"), gorgonia.WithShape(3, 2))

    // عملية ضرب المصفوفات    a, _ := gorgonia.Mul(x, w)

    // تطبيق دالة السيني (Sigmoid)    sigmoid := gorgonia.Must(gorgonia.Sigmoid(a))

    // إنشاء آلة افتراضية لتنفيذ الرسم البياني    machine := gorgonia.NewTapeMachine(g)    defer machine.Close()

    // ملء البيانات    gorgonia.Let(x, tensor.New(tensor.WithBacking([]float64{1, 2, 3, 4, 5, 6}), tensor.WithShape(2, 3)))    gorgonia.Let(w, tensor.New(tensor.WithBacking([]float64{0.1, 0.2, 0.3, 0.4, 0.5, 0.6}), tensor.WithShape(3, 2)))

    // تنفيذ الرسم البياني    if err := machine.RunAll(); err != nil {        fmt.Println(err)        return    }

    fmt.Println("نتيجة دالة السيني:", sigmoid.Value())}

متى تستخدم: لإنشاء شبكات عصبية مخصصة، والبحث والتجارب، عندما تحتاج إلى تحكم كامل في الرسم البياني الحسابي.

2. GoLearn - مكتبة للأغراض العامة

توفر GoLearn مجموعة واسعة من خوارزميات التعلم الآلي: التصنيف (kNN، Random Forest)، الانحدار، التجميع (k-means)، ومعالجة البيانات الأولية. تتبع مبادئ scikit-learn، مما يجعلها بديهية للمطورين الملمين بـ Python.

package main

import (    "fmt"    "github.com/sjwhitworth/golearn/base"    "github.com/sjwhitworth/golearn/knn"    "github.com/sjwhitworth/golearn/evaluation")

func main() {    // تحميل البيانات (CSV)    rawData, err := base.ParseCSVToInstances("iris.csv", true)    if err != nil {        fmt.Println(err)        return    }

    // إنشاء مصنف k-NN (k=3، المسافة الإقليدية)    cls := knn.NewKnnClassifier("euclidean", 3)

    // تقسيم إلى تدريب/اختبار (80/20)    trainData, testData := base.InstancesTrainTestSplit(rawData, 0.20)

    // تدريب النموذج    cls.Fit(trainData)

    // التنبؤ    predictions, err := cls.Predict(testData)    if err != nil {        fmt.Println(err)