Публикации по теме 'cnn'
MLOPS: Интеграция мл с Дженкинсом
Описание задачи3
Создайте образ контейнера с Python3 и Keras или numpy, установленным с помощью файла dockerfile.
2. Когда мы запускаем этот образ, он должен автоматически запускать обучение модели в контейнере.
3. Создайте цепочку заданий job1, job2, job3, job4 и job5, используя плагин конвейера сборки в Jenkins.
4. Job1: автоматическое получение репозитория Github, когда некоторые разработчики отправляют репозиторий на Github.
5. Job2: просмотрев код или программный файл,..
Часть 4: Классификация изображений
В предыдущих главах мы рассмотрели широкий спектр сценариев использования, в которых компьютерное зрение (CV) может играть решающую роль в бизнесе. Кроме того, мы обсудили основные элементы, из которых строятся современные алгоритмы. В этой главе мы обсудим наиболее распространенные архитектуры, используемые для задачи классификации изображений. Ниже краткое изложение того, что будет дальше:
AlexNet VGG16 Начало ResNet Начало версии 4 Начало ResNet MobileNet..
Использование ResNet для данных временных рядов
Рекуррентные нейронные сети, такие как обычная RNN или более продвинутые модели, такие как LSTM и GRU, раньше были моделями goto для практиков глубокого обучения, отваживающихся на область временных рядов. НЛП, предоставляющее множество данных о последовательностях, предоставило желающую тему. Но трансформаторные архитектуры, такие как BERT и GPT, определенно взяли верх в этой области. Помимо этих трансформаторных архитектур, CNN также вернулись или продвинулись в области временных рядов...
Обнаружение малярии по изображениям клеток с помощью CNN
Разработка нейронной сети для определения того, инфицирована ли клетка или нет, с помощью сверточной нейронной сети.
Повестка дня
В этой статье я покажу вам, как разработать нейронную сеть для классификации, заражена ли ячейка или нет, с помощью сверточной нейронной сети. Мы будем использовать набор данных, предоставленный Kaggle, который содержит 27 558 изображений инфицированных и неинфицированных ячеек.
Развитие
Загрузить данные
Набор данных изображений клеток малярии,..
Извлечение данных о водительских правах с помощью CNN (yolov5).
Что такое CNN?
В глубоком обучении сверточная нейронная сеть (CNN или ConvNet) представляет собой класс глубоких нейронных сетей, наиболее часто применяемых для анализа визуальных образов. Они также известны как инвариантные к сдвигу или пространственно-инвариантные искусственные нейронные сети (SIANN), основанные на архитектуре ядер свертки с общим весом, которые сканируют скрытые слои и характеристики инвариантности трансляции. У них есть приложения для распознавания изображений и..
Способ прогнозирования сродства связывания лекарства с мишенью с помощью сверточной нейронной сети в Drug Discovery…
** Обнаружение потенциальных лекарств для новых целей - дорогостоящий и трудоемкий процесс, поэтому мы можем использовать глубокое обучение в процессе открытия лекарств, чтобы сэкономить время и деньги. **
В предыдущем блоге ( https://sunitach10.github.io/2019/09/10/DeepDT-in-pytorch.html ) я писал об использовании архитектуры глубокого обучения для определения силы взаимодействий лекарство-мишень (DTI). (сродство связывания) с использованием подхода к представлению последовательности на..
Классификация изображений
В этом проекте мы будем использовать набор данных CIFAR-10, который состоит из 10 классов. Набор данных означает Канадский институт перспективных исследований (CIFAR). Набор данных состоит из 60 000 цветных изображений 32x32 и 6000 изображений каждого класса. Изображения имеют низкое разрешение (32x32).
Шаг 1. Импортируйте необходимые библиотеки.
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn
Разделитесь на тестирование и обучение...
