Co je to PostScript (.ai) a co EPS (.eps)?

 

Co je PostScript?

PostScript (PS) je popisovací programovací jazyk vyvinutý společností Adobe Systems v roce 1982. Je navržen pro práci s vektorovou grafikou a slouží zejména k přesnému popisu vzhledu textu, obrázků a grafických objektů na stránce. PostScript se běžně používá v tiskárnách, grafických softwarech a systémech pro sazbu a grafický návrh.

---

Hlavní vlastnosti PostScriptu:

1. Programovací jazyk:

   • PostScript je Turingovsky úplný, což znamená, že lze v něm psát i obecné programy, nejen popisovat grafiku.
   • Používá postfixovou notaci (Reverse Polish Notation), která eliminuje potřebu závorek.

2. Zařízení nezávislé:

   • PostScriptové soubory jsou nezávislé na hardwaru, což znamená, že výsledná grafika bude vypadat stejně na jakémkoliv zařízení podporujícím PostScript (tiskárna, monitor apod.).

3. Vektorová grafika:

   • PostScript primárně pracuje s vektorovou grafikou, což umožňuje škálování bez ztráty kvality. Obsahuje však i podporu rastrové grafiky.

4. Použití v DTP (Desktop Publishing):

   • Stal se standardem v průmyslu tisku a sazby, protože umožňuje přesné ovládání rozložení stránek.

---

Kdo je autorem a proč byl zřízen?

PostScript byl vyvinut Johnem Warnockem a Chuckem Geschkem, kteří založili společnost Adobe Systems. Hlavní motivací bylo vytvoření univerzálního jazyka, který by spojoval software pro tvorbu grafiky a tiskárny.

Hlavní cíle:

• Standardizace způsobu, jakým se grafika a text přenášejí z počítače do tiskárny.
• Přesný popis vektorové grafiky, což v té době nebylo u jiných technologií (např. bitmap) možné.

PostScript také umožnil rozvoj DTP revoluce, protože software jako Adobe Illustrator nebo PageMaker mohl efektivně komunikovat s tiskovými zařízeními.

---

Co je EPS a jaký je rozdíl oproti PostScriptu?

EPS (Encapsulated PostScript) je specifický podtyp PostScriptu, který slouží jako samostatný grafický formát. EPS se využívá k přenosu vektorové grafiky mezi různými aplikacemi a obsahuje některé specifické vlastnosti:

1. Hlavní rozdíly oproti PostScriptu:

   • Encapsulated: EPS je obalené tak, aby bylo možné snadno vložit jeho obsah do jiného dokumentu.
   • EPS vždy obsahuje ohraničující rámeček (BoundingBox), který definuje velikost oblasti grafiky.
   • EPS neumožňuje interakce mimo svou vlastní oblast (BoundingBox), což jej činí vhodným pro vkládání do větších dokumentů.

2. Použití EPS:

   • Přenos grafických prvků mezi aplikacemi (např. z Adobe Illustratoru do InDesignu).
   • Archivace grafických objektů.
   • Použití ve vysoce kvalitním tisku a publikování.

3. Kompatibilita:

   • EPS je zpětně kompatibilní s PostScriptem, protože je v podstatě jeho podmnožinou.

4. Struktura EPS:

   • EPS soubory mohou obsahovat náhledy (např. ve formě bitmapového obrazu), což usnadňuje jejich vizualizaci v aplikacích, které nativně neumí pracovat s PostScriptem.
     

Shrnutí rozdílu: PostScript vs. EPS

Vlastnost	PostScript (PS)	Encapsulated PostScript (EPS)
Účel	Obecný popis grafiky a sazby stránky.	Přenos grafiky mezi aplikacemi.
Omezení	Žádné – může obsahovat celý dokument.	Ohraničeno BoundingBoxem.
Komplexnost	Plně programovatelný jazyk.	Jednodušší podmnožina PostScriptu.
Náhled	Nemá vestavěný náhled.	Může obsahovat bitmapový náhled.
Použití	Pro tisk celých dokumentů.	Pro přenos jednotlivých grafických objektů.

---

Proč používat EPS nebo PostScript?

• PostScript je vhodný pro tisk a sazbu komplexních dokumentů, kde je třeba kontrolovat rozložení a typografii.
• EPS je ideální pro sdílení a přenos vektorové grafiky mezi aplikacemi nebo jako grafický prvek vkládaný do jiného dokumentu.

EPS a PostScript oba sehrály klíčovou roli v rozvoji moderního digitálního publikování a designu.

Co je T5 v kontextu strojového učení?

T5 je velký model zpracování přirozeného jazyka (Natural Language Processing - NLP), který byl vyvinut společností Google Research. Jeho název "T5" je zkratkou pro "Text-To-Text Transfer Transformer". Tento model je trénován na široké škále úloh zpracování textu, kde je vstup a výstup reprezentován jako textové sekvence.

V kontextu textu, který jste poskytl, je "T5 text encoder" jedním z modelů, které byly převedeny do OpenVINO IR formátu a je použit pro kódování textu. Tento kódovaný text může být následně využit v dalších částech systému, například pro generování hudby v projektu MusicGen.

T5 model je obvykle trénován na úlohách, jako je překládání textu, sumarizace, odpovídání na otázky a další úkoly spojené se zpracováním přirozeného jazyka. Jeho přítomnost v tomto projektu naznačuje, že textový vstup je důležitou součástí procesu generování hudby.

IR formát

OpenVINO IR formát je zkratkou pro "Open Visual Inference and Neural network Optimization Intermediate Representation". Jedná se o formát, který slouží k optimalizaci a efektivnímu provádění strojového učení a inferencí na různých hardwarových platformách, včetně CPU, GPU a FPGA.

Zkratka IR znamená "Intermediate Representation", což je obecný termín pro formát, který slouží jako mezistupeň mezi trénováním a prováděním (inference) modelu strojového učení. V kontextu OpenVINO, IR reprezentuje modely, které byly optimalizovány a převedeny do formátu, který je přenositelný a efektivní pro různé hardwarové platformy. Tímto způsobem mohou být modely strojového učení rychleji a efektivněji spouštěny na zařízeních s různými architekturami, což je klíčové pro jejich nasazení v produkčních prostředích.

Inference v kontextu strojového učení a umělé inteligence

Inference v kontextu strojového učení a umělé inteligence se odkazuje na proces aplikace natrénovaného modelu na nová data s cílem získat predikce nebo odpovědi. Jedná se o hlavní fázi využití modelu po jeho trénování.

Když je model strojového učení trénován, učí se na trénovacích datech a upravuje své váhy tak, aby dosáhl co nejlepších výsledků na těchto datech. Po dokončení trénování se model použije na nová, dosud neviděná data. Proces, ve kterém model používá tato nová data k výpočtu výstupů (predikcí) se nazývá inference.

Inference je tedy aplikace natrénovaného modelu na reálná data k dosažení cenných výsledků, jako jsou klasifikace, predikce, detekce, generace atd. Tento proces je klíčový pro praktické využití strojového učení v aplikacích od autonomního řízení po zpracování přirozeného jazyka a další oblasti umělé inteligence.