Публикации по теме convolutional-network

Публикации по теме 'convolutional-network'

Я запустил модели ConvNeXt на наборе данных CIFAR-10.

Я был новичком в глубоком обучении и только что узнал о сверточных нейронных сетях. Будучи очень взволнованным, чтобы применить свои новые знания, я искал самые современные практики в области компьютерного зрения. Мое волнение достигло апогея, когда я узнал, что теперь трансформеры зрения превзошли CNN в компьютерном зрении. Теперь я был в затруднительном положении, так как хотел применить свои знания о CNN, но также хотел работать над современной технологией, и именно тогда я обнаружил..

Максимизация эффективности в TensorFlow CNN с помощью свертки с разделением по глубине

Сверточные нейронные сети (CNN) — это популярная архитектура глубокого обучения, которая широко используется для обработки изображений и задач компьютерного зрения. CNN используют операции свертки, математическую операцию, которая объединяет две функции для получения третьей функции. Операция свертки включает скольжение ядра по изображению и вычисление скалярного произведения перекрывающихся значений между изображением и ядром. Результатом этого процесса является новое изображение,..

Понимание трехмерных сверточных нейронных сетей с использованием набора данных 3D MNIST

Машинное обучение с использованием набора 3D-данных очень важно для компьютерного зрения. Автомобилям самоуправляемые нужны огромные объемы 3D-данных, чтобы они работали и работали эффективно. В этой статье я использую 3D-версию набора данных MNIST, доступного на kaggle, и показываю, как предварительно обрабатывать и визуализировать данные, а также создавать 3D-модель сверточной нейронной сети (CNN) для соответствия этим данным. Прежде чем перейти к созданию модели, самое время перейти..

Внедрение QANet (сети ответов на вопросы) с CNN и самовниманием

В этом посте мы рассмотрим одну из самых сложных, но интересных проблем обработки естественного языка, также известную как ответы на вопросы. Мы будем внедрять QANet Google в Tensorflow. Как и его аналог машинного перевода Трансформаторная сеть , QANet вообще не использует RNN, что ускоряет обучение / тестирование. (Исходный код этого эксперимента можно найти здесь ) Я предполагаю, что у вас уже есть некоторые знания о Python и Tensorflow. Вопросы и ответы - это область..

Кластеры и их преимущества в обучении нейронных сетей (часть 3)

Запуск нейронных сетей на ноутбуке вызывает проблемы по многим причинам. Во-первых, процесс обучения значительно замедляет работу компьютера и влияет на время выполнения других операций (например, замедляет мою домашнюю работу по алгоритмам). Во-вторых, при определении наилучшей сети для использования существует множество различных параметров, которые можно варьировать: количество слоев в общей сети количество сверточных фильтров размер сверточных ядер размер ядра пула количество..

Перевести лошадь на зебру: CycleGAN

Учебник по зебрафике Дональда Трампа и Ким Чен Ына В этой статье вы присоединитесь к нашему путешествию по созданию и обучению модели cycleGAN (Cycle-Consistent Generative Adversarial Networks), которая превращает лошадей в зебр. Сначала мы рассмотрим структуру cycleGAN, а также четыре функции потерь, реализованные для его обучения. Мы также познакомимся с микроархитектурой каждого дискриминатора и генератора, развернутого в cycleGAN. Наконец, мы поговорим о том, как обучить cycleGAN..

Введение для начинающих в сверточные нейронные сети

В этой статье я расскажу, что такое CNN, зачем она нужна, и подробно рассмотрю, как она работает. Что такое сверточная нейронная сеть? Сверточная нейронная сеть (CNN) — это нейронная сеть, которая принимает на вход изображение и выводит одномерный массив. Этот процесс также известен как извлечение признаков, и вся цель этого процесса состоит в том, чтобы сгенерировать признаки в виде одномерного массива, чтобы мы могли передать его в другую нейронную сеть. Если сверточная нейронная..