Публикации по теме 'neural-networks'


Популярные контролируемые алгоритмы машинного обучения
Алгоритм машинного обучения — это тип программного обеспечения, предназначенного для изучения данных и создания прогнозов или решений без явного программирования. Он использует статистические методы для выявления закономерностей в данных и построения модели, которая может делать прогнозы или принимать решения на основе новых данных. Процесс построения алгоритма машинного обучения обычно включает несколько этапов…
Еженедельная статья по глубокому обучению: что такое нейронная сеть?
В статье на этой неделе я хотел бы сосредоточиться на том, чтобы прояснить, что такое нейронная сеть, на простом примере, который я собрал. Я также закодировал его, поскольку хочу показать вам различные части вывода кода - важную часть понимания того, что делает нейронная сеть. Пример: проблема растерянного инвестора Предположим, вы венчурный капиталист и хотите выяснить, в какие стартапы вам следует инвестировать. Итак, вы посмотрите на сотни стартапов и для каждого запишите:..
Почему tf.data намного лучше, чем feed_dict и как построить простой конвейер данных за 5 минут.
Первоначально опубликовано на dominixschmidt.xyz . Большинство руководств по тензорному потоку для начинающих знакомят читателя с feed_dict методом загрузки данных в вашу модель, когда данные передаются в тензорный поток через вызовы функций tf.Session.run() или tf.Tensor.eval() . Однако есть гораздо лучший и почти более простой способ сделать это. Используя tf.data API, вы можете создавать высокопроизводительные конвейеры данных, написав всего несколько строк кода. В наивном..
DeepMind и Toulouse U предлагают составные функции, сохраняющие преобразования, для повышения…
Нейронные сети на основе трансформаторов произвели революцию в области обработки естественного языка и компьютерного зрения благодаря своей бесспорно высокой производительности, но большинство современных моделей достигают миллиардов-триллионов параметров, поэтому это связано с высокими затратами с точки зрения вычисления и время для обучения модели. Чтобы устранить эти ограничения, в новой статье Компонируемые расширения с сохранением функций для архитектур-трансформеров..
Классификация медведя: от сбора данных до графического интерфейса для вывода модели
Мы загрузим сотни изображений для каждого типа медведя с помощью поисковой системы Duckduckgo, как мы сделали выше только для одного изображения медведя гризли. bear_types = ('grizzly', 'black', 'teddy') #Creating a tuple of types of bears path = Path('bears') path Path('bears') type(bear_types) tuple for bear_type in bear_types: print(bear_type) grizzly black teddy Загрузка изображений для каждого вида медведя в отдельные подкаталоги в каталоге «медведи» if not..
7 функций PyTorch для вашего следующего проекта машинного обучения
Машинное обучение 7 функций PyTorch для вашего следующего проекта машинного обучения Изучение различных функций PyTorch PyTorch - это библиотека машинного обучения, пользующаяся все большей популярностью. В этой статье мы рассмотрим семь функций, доступных в PyTorch. Сначала мы импортируем PyTorch, используя import torch Функция 1: torch.linspace torch.linspace используется для создания одномерного тензора с равным интервалом между значениями start и end . Мы можем..
CNN используется для классификации изображений
Было показано, что сверточные нейронные сети (CNN) очень эффективны в задачах классификации изображений. В этом сообщении блога мы покажем, как создать и обучить простую CNN с помощью Keras API TensorFlow, а затем визуализировать результаты обучения с помощью Matplotlib. Во-первых, мы определяем архитектуру нашей модели CNN, используя Keras Sequential API. Наша модель состоит из трех наборов слоев Convolutional (Conv2D) и MaxPooling2D, за которыми следуют слой Flatten и два полносвязных..