Публикации по теме 'deep-learning'
Функции активации: ReLU и Softmax
Функции активации: ReLU и Softmax
Если вы потратили некоторое время на внедрение моделей глубокого обучения, вы, скорее всего, поняли, что есть некоторые общие знаменатели между любым заданным набором экспериментов с глубоким обучением. Один из таких мотивов - функции активации! В зависимости от проблемы, которую вы пытаетесь решить, вам будет предложено выбрать наиболее подходящую функцию активации для архитектуры вашей нейронной сети. К концу этой статьи вы сможете делать..
Сверточные нейронные сети: часть 2
Научитесь применять принципы CNN для обнаружения объектов / создания художественных задач
Этот пост будет иметь смысл только в том случае, если вы прочитали часть 1 Ref[11], для чего обязательным условием является то, что вы прошли курс 4 профессора Эндрю Нг Coursera по специализации глубокого обучения. Это мои заметки, сделанные с целью освежить их, когда это необходимо.
**Пожалуйста, не ожидайте, что это будут учебники. Если вы с энтузиазмом относитесь к глубокому обучению, я..
Непрерывное машинное обучение
В этой статье вы последовательно рассмотрите пример проекта, представив себя недавно нанятым специалистом по обработке данных в компанию по недвижимости (Прогнозирование реадмиссии диабета).
Обзор
Показатели повторной госпитализации при определенных состояниях, таких как диабет, теперь считаются показателем качества больниц, а также оказывают негативное влияние на стоимость лечения.
Мы использовали набор медицинских данных, доступный на веб-сайте UCI, чтобы найти лучшие модели, которые..
Hi,
Сегодня я буду обучать модель, которая будет распознавать написанные от руки цифры от 0 до 9, используя набор данных MNIST. Я буду использовать библиотеку Fast.ai для обучения модели глубокого обучения на вышеуказанном наборе данных.
Получение набора данных:
path = untar_data(URLs.MNIST)
Для функции Untar_data требуется URL-адрес.
Чтобы проверить URL-адрес для определенного набора данных, используйте следующее:
URL.MNIST
Мы можем проверить содержимое набора данных, используя..
Краткий обзор алгоритмов машинного обучения
В этой статье мы еще больше погрузимся в мир машинного обучения. Мы будем изучать разные алгоритмы и то, как они работают. Попутно помните, что в машинном обучении нет единого алгоритма, который лучше всего работал бы для каждой проблемы.
Описание статьи
1. Общая концепция 2. Предварительные требования 3. Типы алгоритмов машинного обучения 4. 5 лучших алгоритмов 5. Оптимизация производительности 6. Выбор лучшей модели
1-Большая концепция
Алгоритмы машинного обучения -..
Введение в глубокую сверточную GAN с использованием Tensorflow и Keras
В этом руководстве показано, как создавать изображения рукописных цифр с помощью Deep Convolutional Generative Adversarial Network (DCGAN). Код написан с использованием Keras Sequential API с tf.GradientTape циклом обучения.
Что такое GAN?
Генеративные состязательные сети (GAN) - одна из самых интересных идей в компьютерных науках сегодня. Две модели обучаются одновременно в состязательном процессе. Генератор ( художник ) учится создавать изображения, которые выглядят..
RNN в компьютерном зрении
Эта статья является частью ежедневных электронных писем, которые я пишу для One Step Ahead, частного списка рассылки на Autonomous Tech.
💌 Чтобы присоединиться к списку рассылки и получать ежедневные материалы, перейдите по этой ссылке. https://mailchi.mp/820bed51b8dc/onestepahead
🚀 Чтобы учиться вместе со мной на онлайн-курсах, посетите: https://jeremycohen.podia.com
Почему
Глубокое обучение обычно делится на три большие области: традиционные нейронные сети,..