← تمام گائیڈز پردے کے پیچھے

ڈیٹیکٹر براؤزر میں کیوں چلتا ہے

40 MB کا ماڈل، WebAssembly اور کوئی اپ لوڈ اینڈ پوائنٹ نہیں۔ یہ آرکیٹیکچر کیا فائدہ دیتا ہے، کیا قیمت ادا کرنی پڑتی ہے، اور یہ سودا کیوں مناسب ہے۔

· 8 منٹ کا مطالعہ · Best AI Image Detector

تاکہ آپ کی تصاویر کبھی آپ کے ڈیوائس سے باہر نہ جائیں۔ ماڈل ایک بار ڈاؤن لوڈ ہوتا ہے اور آپ کی مشین پر چلتا ہے، جس سے اپ لوڈ، سرور کی قیمت اور ڈیٹا پروسیسنگ کا تعلق ایک ہی وقت میں ختم ہو جاتا ہے۔

آرکیٹیکچر اصل میں کیا ہے

ایک ویژن ٹرانسفارمر، جسے ONNX میں تبدیل کر کے تقریباً 40 MB تک کمپریس کیا گیا ہے، اور دو حصوں میں تقسیم کیا گیا ہے تاکہ ہر حصہ ہوسٹنگ پلیٹ فارم کی فائل سائز کی حد سے نیچے رہے۔ اسے براؤزر میں دوبارہ جوڑا جاتا ہے اور چلنے سے پہلے اس کے چیک سم کی تصدیق کی جاتی ہے۔

انفرنس WebAssembly کے ذریعے ہوتا ہے، جو ایک کمپائلڈ رن ٹائم کو براؤزر ٹیب کے اندر تقریباً مقامی رفتار پر چلنے دیتا ہے۔ رن ٹائم خود ایک کمپریسڈ WASM بائنری ہے جو وزن کے ساتھ لوڈ ہوتی ہے۔

اس میں اب کوئی غیر معمولی بات نہیں ہے۔ جو چیز 2021 میں ایک تحقیقی مظاہرہ تھی، اب وہ ماڈل کو بھیجنے کا ایک عام طریقہ ہے، اور براؤزرز نے زیادہ تر کام کر دیا ہے۔

یہ کیا فائدہ دیتا ہے

پراپرٹی براؤزر میں سرور پر
تصویر ڈیوائس سے باہر جاتی ہے No ناممکن Yes ضروری
فی چیک لاگت Yes صفر No حقیقی کمپیوٹ
ڈیٹا پروسیسنگ معاہدہ درکار ہے No Yes
لوڈ ہونے کے بعد نیٹ ورک کے بغیر کام کرتا ہے Yes No
ماڈل نجی رکھا جا سکتا ہے No یہ ڈاؤن لوڈ ہوتا ہے Yes
پہلا چیک فوری ہے No ماڈل ایک بار ڈاؤن لوڈ ہوتا ہے Yes
ایک ہی پروڈکٹ، دو طریقوں سے بنائی گئی۔ فرق پالیسی کے بجائے آرکیٹیکچرل انتخاب کا ہے۔

پہلی قطار وہ وجہ ہے جس کے لیے باقی سب موجود ہیں۔ چونکہ کوئی اپ لوڈ اینڈ پوائنٹ نہیں ہے، اس لیے دوسرے لوگوں کی تصاویر کا کوئی مجموعہ نہیں، کوئی ریٹینشن پالیسی نہیں، کوئی خلاف ورزی ظاہر کرنے کی ضرورت نہیں اور درخواست پر دینے کے لیے کچھ نہیں ہے۔

دوسری قطار وہ وجہ ہے کہ یہ یوزیج میٹر کے بغیر مفت کیوں ہو سکتا ہے۔ ایک چیک کی خدمت پر کوئی خرچ نہیں آتا، اس لیے فی تصویر وصول کرنے کی کوئی قیمت نہیں، جو قیمتوں کے تعین کے انداز کو تبدیل کر دیتا ہے۔

اس کی قیمت کیا ہے

تین حقیقی تجارتیں، صاف الفاظ میں، کیونکہ ایک صفحہ جو صرف فوائد بتاتا ہے وہ اشتہاری ہوتا ہے۔

  1. پہلا چیک سست ہے۔ چالیس میگا بائٹس کو پہنچنا ہوتا ہے اس سے پہلے کہ کچھ ہو۔ ایک تیز کنکشن پر یہ چند سیکنڈ کا کام ہے؛ کمزور کنکشن پر یہ زیادہ وقت لیتا ہے۔ بعد کے چیک کیشڈ ماڈل کو دوبارہ استعمال کرتے ہیں اور فوری شروع ہوتے ہیں۔
  2. پرانے ڈیوائسز کو مشکل ہوتی ہے۔ انفرنس کے لیے میموری اور پروسیسنگ کی ضرورت ہوتی ہے جو پانچ سال پرانے فون کے پاس آسانی سے نہ ہو۔ سرور کو اس سے کوئی فرق نہیں پڑتا کہ آپ کے پاس کون سا ڈیوائس ہے۔
  3. ماڈل عوامی ہے۔ براؤزر میں ڈاؤن لوڈ ہونے والی کوئی بھی چیز محفوظ رکھی جا سکتی ہے۔ سرور سائیڈ ماڈل ملکیتی ہو سکتا ہے؛ یہ ایسا نہیں ہو سکتا، اور وزن بہرحال ایک اوپن ریسرچ چیک پوائنٹ ہے۔

تیسرا نقطہ براہ راست بیان کرنے کے قابل ہے۔ کلائنٹ کو ماڈل بھیجنے کا مطلب اسے مفت دینا ہے۔ یہ یہاں ایک قابل قبول سودا ہے کیونکہ وزن پہلے ہی شائع ہو چکے ہیں، اور وہ کام جو ٹول کو مفید بناتا ہے وہ ان کے ارد گرد کیلیبریشن، ٹائلنگ اور تشریح ہے۔

انجینئرنگ کے مسائل جن کے بارے میں جاننا ضروری ہے

ایک بڑی فائل کو تقسیم کرنا

اسٹیٹک ہوسٹنگ پلیٹ فارمز انفرادی فائل سائز کو محدود کرتے ہیں۔ 40 MB کا ماڈل اس حد سے تجاوز کر گیا، اس لیے یہ دو ڈیٹرمینسٹک حصوں میں جاتا ہے جو براؤزر میں دوبارہ جوڑے جاتے ہیں اور استعمال سے پہلے ایک مینیفیسٹ ہیش کے مقابلے میں چیک کیے جاتے ہیں۔ ایک خراب یا متبادل حصہ خاموشی سے غلط اسکور دینے کے بجائے واضح طور پر ناکام ہوتا ہے۔

ضرورت نہ ہونے تک کچھ بھی لوڈ نہ کرنا

ماڈل، رن ٹائم اور کریڈینشل ریڈر پیج لوڈ ہونے پر نہیں لائے جاتے۔ وہ پہلی بار استعمال پر آتے ہیں، لہذا کوئی مضمون پڑھنے والا اسے ڈاؤن لوڈ نہیں کرتا۔ یہ صفحات کو ان زیادہ تر وزیٹرز کے لیے تیز رکھتا ہے جو کبھی چیک نہیں کرتے۔

مشکل فارمیٹس کو ڈی کوڈ کرنا

iPhones کی HEIC، AVIF، TIFF اور JPEG XL سب کو اسکور کرنے سے پہلے ڈی کوڈنگ کی ضرورت ہوتی ہے۔ براؤزرز اب ان میں سے زیادہ تر کو مقامی طور پر ہینڈل کرتے ہیں، جس سے اس طرح کے ٹول میں کلائنٹ سائیڈ کے سب سے بڑے کام کا بوجھ ختم ہو جاتا ہے۔

جب یہ آرکیٹیکچر غلط انتخاب ہوتا ہے

یہ عالمی طور پر بہتر نہیں ہے۔ سرور تب زیادہ معنی رکھتا ہے جب ماڈل ملکیتی ہو اور محفوظ رکھنے کے قابل ہو، جب یہ بھیجنے کے لیے بہت بڑا ہو، جب آپ کو نتائج بیک اینڈ پائپ لائن میں چاہیے ہوں نہ کہ کسی شخص کے سامنے، یا جب آپ کو ڈیوائس سے قطع نظر جواب کے وقت کی ضمانت درکار ہو۔

کسی ایسے ٹول کے لیے جسے کوئی شخص کسی مشکوک تصویر کو چیک کرنے کے لیے کھولتا ہے، ان میں سے کوئی بھی لاگو نہیں ہوتا، اور رازداری کی خصوصیت کسی بھی سرور کی پیشکش سے زیادہ قیمتی ہے۔

یہ کیا چیزیں مسترد کرتا ہے

کلائنٹ کو منتخب کرنے کے رازداری سے آگے اثرات ہوتے ہیں، اور ان میں سے کچھ ایسی حدود ہیں جنہیں خصوصیات کے بجائے نام دینا بہتر ہے۔

کوئی تاریخ نہیں ہے۔ نتیجہ صرف اسی ٹیب میں موجود ہوتا ہے جس نے اسے پیدا کیا، اس لیے کچھ بھی بعد میں نہیں دیکھا جا سکتا جب تک کہ اسے ایکسپورٹ نہ کیا جائے۔ یہ اکاؤنٹ نہ ہونے کی براہ راست قیمت ہے، اور یہ واحد سب سے زیادہ مانگی جانے والی چیز ہے جسے آرکیٹیکچر مشکل بنا دیتا ہے۔

کوئی مشترکہ حالت نہیں ہے۔ دو لوگ ایک ہی قطار نہیں دیکھ سکتے، اور ایک ٹیم ایک دوسرے کے چیک کا جائزہ نہیں لے سکتی۔ ایک مشترکہ لنک ایک ہی نتیجہ رکھتا ہے، جو ایک گفتگو کا احاطہ کرتا ہے نہ کہ ورک فلو کا۔

کوئی API نہیں ہے۔ براؤزر ٹیب میں چلنے والی کسی بھی چیز کو بیک اینڈ پائپ لائن سے کال نہیں کیا جا سکتا، جو زیادہ حجم والے استعمال کو مکمل طور پر مسترد کرتا ہے۔ یہ حقیقی خلا ہیں، اور ایماندارانہ موقف یہ ہے کہ یہ اس پراپرٹی کی قیمت ہے جو زیادہ اہمیت رکھتی ہے۔

لوگوں کے پوچھے گئے سوالات

کیا میری تصویر واقعی اپ لوڈ نہیں ہوتی؟
جی ہاں، اور آپ کو اس پر یقین کرنے کی ضرورت نہیں ہے۔ ڈویلپر ٹولز میں نیٹ ورک ٹیب کھولیں اور ایک چیک چلائیں۔ آپ دیکھیں گے کہ ماڈل اور رن ٹائم ڈاؤن لوڈ ہوتے ہیں، اور کوئی درخواست آپ کی فائل نہیں لے جاتی۔ یہ ان چند رازداری کے دعووں میں سے ایک ہے جن کی تصدیق صارف براہ راست تقریباً تیس سیکنڈ میں کر سکتا ہے۔
ماڈل اتنا بڑا کیوں ہے؟
یہ لاکھوں پیرامیٹرز کے ساتھ ایک ویژن ٹرانسفارمر ہے، جسے درستگی کھوئے بغیر حد تک کمپریس کیا گیا ہے۔ چھوٹے ماڈل موجود ہیں اور نمایاں طور پر بدتر کارکردگی دکھاتے ہیں، خاص طور پر کمپریسڈ، کروپ شدہ تصاویر پر جنہیں لوگ اصل میں چیک کرتے ہیں۔ چالیس میگا بائٹس درستگی کی قیمت ہے۔
کیا یہ آف لائن کام کرتا ہے؟
پہلے لوڈ کے بعد، کافی حد تک ہاں۔ ایک بار جب ماڈل کیش ہو جاتا ہے تو اسکورنگ بالکل نیٹ ورک کے بغیر چلتی ہے۔ واحد حصہ جسے کنکشن کی ضرورت ہوتی ہے وہ پیسٹ کیے گئے URL سے تصویر لانا ہے، اور مقامی فائل کو چیک کرنا نیٹ ورک کے بغیر کام کرتا ہے۔
کیا یہ میرے فون کی بیٹری ختم کر دے گا؟
ایک چیک چند سیکنڈ کی پروسیسنگ ہے، جو کسی بھاری ویب پیج کو لوڈ کرنے کے مترادف ہے۔ پچیس کا بیچ چلانا زیادہ نمایاں ہوتا ہے۔ یہ ایسی چیز نہیں ہے جسے آپ چلتا ہوا چھوڑیں، اور یہ کبھی کبھار استعمال کے لیے کوئی معنی خیز خرچ نہیں ہے۔
کیا آپ اسے تیز کرنے کے لیے WebGPU استعمال نہیں کر سکتے؟
جن ڈیوائسز پر یہ سپورٹ ہے، وہاں ہاں، اور سپورٹ اب بھی اتنی ناہموار ہے کہ WASM پاتھ کو بہرحال موجود ہونا پڑتا ہے۔ دوسرا ایگزیکیوشن پاتھ شامل کرنے سے وہ سطح دوگنی ہو جاتی ہے جہاں صارفین کے درمیان نتائج مختلف ہو سکتے ہیں، جو اس رفتار کے اضافے کے مقابلے میں حقیقی قیمت ہے جسے زیادہ تر لوگ نوٹس نہیں کریں گے۔
کیا براؤزر میری تصویر کے بارے میں کچھ بھی بھیجتا ہے؟
نہیں۔ فائل کے نام، طول و عرض یا اسکورز پر کوئی ٹیلی میٹری نہیں ہے، کیونکہ نتیجہ آپ کے ٹیب کے علاوہ کہیں نہیں ہوتا۔ یہ آرکیٹیکچر کا نتیجہ ہے نہ کہ کسی سیٹنگ کا، جو سمجھنے کے قابل حصہ ہے۔