Публикации по теме 'convolutional-network'
Часть 2: классификация Cifar 10 с использованием сверточной нейронной сети с использованием Resnet9
В этой части блога мы сосредоточимся на обучении и оптимизации нашей нейронной сети. Первая часть блога посвящена основам реснетов, дополнению данных, нормализации данных и пакетной нормализации. В этом блоге мы рассмотрим следующие темы.
5. Планировщик скорости обучения
6. Распад веса
7. Оптимизатор Адама
8. Обучение модели
Мы рассмотрим каждый из них по мере их появления в нашем коде.
def accuracy (outputs, labels):
_, preds = torch.max(outputs, dim=1)
return..
Прогнозы в реальном времени на сверточной нейронной сети
В настоящее время правда о машинном обучении или глубоком обучении состоит в том, что все хотят его изучить, но проблема в следующем:
Не только OCR, но и для большинства вещей. Сегодня я научу вас делать предсказания в реальном времени и предсказания на загруженном изображении.
Хорошо, давай пристегнитесь, чтобы получить кое-что интересное и побольше лекций по теории.
Делайте прогнозы на основе загруженного изображения
Необходимые библиотеки:
Tensorflow OpenCV..
Понимание эффективного рецептивного поля в глубоких сверточных нейронных сетях
В глубоких сетях рецептивное поле — или поле зрения — это область во входном пространстве, которая влияет на характеристики определенного слоя, как показано на рис. 1. Рецептивное поле важно для понимания и диагностики производительности сети. Глубокие сети должны быть разработаны с рецептивным полем, которое покрывает всю соответствующую область изображения, потому что сеть не обращает внимания на области за пределами своего рецептивного поля.
Разные сетевые архитектуры имеют..
Регистрация облака точек с использованием полностью сверточных геометрических элементов
В Promaton в конце каждого квартала проходит неделя хака и роста . Это означает, что у нас есть возможность изучить любые темы или проекты, над которыми мы хотели бы работать, чтобы стать лучшими инженерами. В моем случае я хотел изучить подход к регистрации для плотных облаков точек, представляющих часть сцены.
Базовая ситуация заключается в том, что у вас есть несколько картинок сцены, и вы хотите построить полную реконструкцию этой среды . Это имеет множество применений:..
Сверточный классификатор кошек VS собак
Создание и тестирование простой модели с нуля с помощью Python Code, Tensorflow и Google Colab.
3 минуты машинного обучения
3-минутное машинное обучение — это серия руководств и информативных видеороликов, связанных с миром машинного обучения. Вы можете найти полные видео на YouTube . В репозитории находятся все файлы, показанные в видеороликах. Эта серия находится на экспериментальной стадии и разрабатывается совершенно бесплатно для развлечения и культуры! Любая обратная связь..
Сжатие модели глубокого обучения для анализа изображений: методы и архитектуры
В своих предыдущих сообщениях в блоге я рассмотрел известные и недавние алгоритмы глубокого обучения для классификации изображений и обнаружения объектов . В Zyl мы стремимся встраивать модели глубокого обучения непосредственно в смартфоны пользователей, чтобы гарантировать их конфиденциальность. Это порождает множество ограничений для этих моделей, которые, как известно, являются тяжелыми и жадными по энергии. К счастью, в Zyl встроенные модели используются только для вывода »...
Классификация изображений собак и кошек с использованием ResNet
Мы воспользуемся предварительно обученной моделью ResNet34 и создадим классификатор изображений собаки и кошки, используя библиотеку fastai , которая работает поверх PyTorch .
TL; DR: весь код доступен на Github в этом блокноте Jupyter .
Мы собираемся получить набор данных из конкурса Kaggle: Собаки против кошек Redux: Kernels Edition . В нем 25 000 изображений (12 500 собак и 12 500 кошек).
Для работы нашего ноутбука нам понадобится компьютер с графическим..