Публикации по теме 'deep-learning'
Сквозное обнаружение объектов с использованием EfficientDet на Raspberry Pi 3 (часть 3)
Привет, это 3-я часть из 3-х частей, для лучшего понимания, пожалуйста, прочтите мои первую и вторую статьи здесь:
Сквозное обнаружение объектов с помощью EfficientDet на Raspberry Pi 3 (часть 1) Сбор и подготовка нашего набора данных heartbeat.comet.ml
Сквозное обнаружение объектов с использованием EfficientDet на Raspberry Pi 3 (часть 2) Обучение нашей архитектуре модели на Google Colab..
5-шаговое руководство по масштабируемым конвейерам глубокого обучения с помощью d6tflow
Как превратить обычный скрипт Pytorch в масштабируемую DAG d6tflow для ускорения исследований и разработок
Введение: Зачем беспокоиться?
Создание моделей глубокого обучения обычно включает в себя сложные конвейеры данных, а также множество проб и ошибок, настройку архитектуры модели и параметров, производительность которых необходимо сравнивать. Часто бывает трудно уследить за всеми экспериментами, что приводит в лучшем случае к путанице, а в худшем — к неправильным выводам.
В..
Для чего используется байесовская статистика?
Вероятностное программирование против машинного обучения
За последние десять лет мы стали свидетелями бурного роста приложений машинного обучения. Эти приложения были особенно успешными в поиске, электронной коммерции, рекламе, социальных сетях и других сферах. Эти приложения были особенно ориентированы на точность прогнозирования и часто связаны с большими объемами данных - иногда в районе терабайт - на самом деле это привело к появлению множества инноваций в таких технологических..
Искусственные нейронные сети (часть 3) - функции потерь и затрат и градиентный спуск.
В этой части ИНС мы попытаемся узнать, что такое функция потерь и как она используется для расчета функции стоимости и, наконец, градиентного спуска и его роли в оптимизации.
Функция потерь – это метод оценки производительности модели путем вычисления разницы между фактическим значением и прогнозируемым значением. Обычно мы используем функцию среднеквадратичной ошибки или функцию ошибки логарифмической потери. Он измеряет, насколько хороша наша функция.
Журнал потерь: L(p, y) =..
Новая азбука машинного обучения
Модная классификация изображений MNIST
Если вы когда-либо пробовали классифицировать изображения, держу пари, что вашей первой моделью будет классификация рукописных цифр MNIST, что довольно круто. Это считается «Привет, мир» машинного обучения, но если вам нужно что-то новое, у меня есть « Классификация изображений Fashion MNIST ». У него тот же уровень сложности, что и у его брата, но что-то другое. Итак, распаковываем.
Ссылка на эту статью на Github:..
Настройка машины для глубокого обучения
Всем привет! Вот простое руководство, которое поможет вам начать разработку проектов глубокого обучения. Работа над глубоким обучением может быть довольно пугающей, особенно с чего начать. Я потратил много времени на создание и настройку машин для глубокого обучения. Но каждый раз я чувствовал, что мне нужен простой справочник, которому я мог бы следовать. Я попытался создать эту простую ссылку и поделиться ею с вами.
То, что может сделать один дурак, может сделать другой. -..
Image Inpainting: резюме исследования и обсуждение
Заявление о проблеме
Учитывая изображение с некоторыми областями, которые были удалены или недоступны, давайте назовем их патчами (представленные белыми областями ниже), задача состоит в том, чтобы автоматически заполнить их «разумно».
Примечательные моменты в постановке задачи
Неоднозначно . Причина, по которой я разумно написал выше в формулировке проблемы, заключается в том, что то, что разумно, зависит от приложения, и часто мы позволяем определению быть неоднозначным...