Публикации по теме 'tensorflow'


Распознавание жестов с использованием глубокого обучения
Распознавание жестов — увлекательная область компьютерного зрения, которая в последние годы привлекла значительное внимание. Он имеет множество приложений в таких областях, как игры, робототехника, взаимодействие человека с компьютером и системы безопасности. В этом проекте мы построим модель, которая сможет правильно предсказать пять жестов из набора данных, содержащего сотни видео. Здесь мы собираемся использовать два типа архитектуры модели: Трехмерная сверточная сеть (Conv3D)..
Изучение данных Graph с помощью Keras и Tensorflow
Мотивация: Существует множество данных, которые могут быть представлены в виде графика в реальных приложениях, таких как сети цитирования, социальные сети (граф последователей, сеть друзей,…), биологические сети или телекоммуникации. Использование функций извлечения Graph может повысить производительность прогнозных моделей, полагаясь на информационный поток между соседними узлами. Однако представление данных графа непросто, особенно если мы не намерены реализовывать функции,..
Если вы можете прочитать это, значит, оно было сгенерировано ИИ.
…или нет. Оказывается, разобраться в тексте, сгенерированном ИИ, не так просто. Я люблю истории. Рассказывание историй — это искусство, а язык — прекрасный способ самовыражения. Итак, когда я наткнулся на этот код , я был заинтригован и взволнован. «Генерация текста с использованием RNN» от TensorFlow использует набор данных произведений Шекспира для обучения рекуррентной нейронной сети (RNN) для генерации текста. Я немного подправил и использовал Разум и чувства Джейн Остин,..
День 2–4 #66DaysOfData
Последние 3 дня были одними из моих лучших дней в изучении науки о данных. За последние два дня я начал с Глубокого обучения и Сверточных нейронных сетей . Поскольку у меня уже есть домашнее задание по курсу нейронных сетей для классификации изображений, я воспользовался этой возможностью, чтобы начать изучать различные фреймворки (а именно PyTorch и TensorFlow). Google и их мастерство в машинном обучении ). После моей первой попытки построить CNN для Набора данных Intel..
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..
Мы нанимаем разработчиков глубокого обучения — Zemana
Команда Zemana разрабатывает самые умные и мощные решения для обеспечения безопасности посредством постоянных исследований и взаимодействия с пользователями. Мы создаем команду, которая верит в простоту, исследования и силу искусственного интеллекта, которые ведут нас к решениям, меняющим мир. Каждый член команды здесь, чтобы бросить вызов и принять вызов, делая мир лучше. Междисциплинарное сотрудничество является ключевым фактором нашего успеха в предоставлении отмеченных наградами..
Руководство для начинающих по самой популярной на сегодняшний день технологии — МАШИННОЕ ОБУЧЕНИЕ
Руководство для начинающих по самой популярной на сегодняшний день технологии — МАШИННОЕ ОБУЧЕНИЕ Что такое машинное обучение? • Машинное обучение – это возможность учиться на примерах и опыте, без явного программирования. • Вместо написания кода вы вводите данные в общий алгоритм, и он строит логику на основе предоставленных данных. Разница между AI, ML и DL Разница между традиционным программированием и машинным обучением Почему машинное обучение? •..