Публикации по теме 'deep-learning'
Как я использовал глубокое обучение для оптимизации бизнес-процесса электронной коммерции с помощью Keras
Введение в проблему
Прежде чем вдаваться в подробности проблемы, я хочу сначала представить бизнес-процесс. Avito.ma - это ведущая марокканская рекламная платформа для электронной коммерции, где пользователи публикуют свои объявления о продаже бывших в употреблении или новых товаров, таких как телефоны, ноутбуки, автомобили, мотоциклы. … так далее.
Теперь давайте перейдем к деталям проблемы. Чтобы опубликовать объявление о продаже продукта, вам необходимо заполнить форму, в которой вы..
Интерпретировать как ученый данных функции плотности вероятности
Случайная переменная:
Дискретная случайная величина: X является дискретной случайной величиной, если ее диапазон является счетным.
Непрерывная случайная величина. Непрерывная случайная величина — это случайная величина, данные которой могут принимать бесконечное множество значений. Например, случайная величина, измеряющая время, необходимое для того, чтобы что-то сделать, является непрерывной, поскольку существует бесконечное число возможных меток времени, которые можно взять...
Инициализация нейронных сетей
Настраивать
Начнем с набора данных MNIST. Поскольку мы делаем это часто, мы определим функцию для этого.
Давайте теперь вычислим среднее значение и стандартное отклонение наших данных.
Обратите внимание, что мы нормализуем набор проверки с train_mean , а не valid_mean , чтобы сохранить набор для обучения и проверки в одном масштабе.
Поскольку среднее (или стандартное отклонение) никогда не будет точно равным 0 (или 1), мы также определяем функцию для проверки..
Компьютерное зрение
Начнем с того, что представляют собой некоторые из приложений компьютерного зрения.
Классификация изображений: Кошка / Нет кошки? Обнаружение объектов - Ограничивающие рамки вокруг объектов. Например, для беспилотных автомобилей. Передача нейронного стиля
Проблемы с компьютерным зрением
Вход может стать очень большим Изображение размером 64 * 64 = 64 * 64 * 3 (каналы RGB) = 12288 = Размер входных характеристик X для стандартной нейронной сети. 1000 * 1000 изображений = 1..
Сгенерируйте лицо в стиле аниме с помощью DCGAN и изучите его скрытое представление
Пошаговое экспериментирование с DCGAN с визуализацией его результатов
Всем привет, давно прошло! Сегодня я хочу написать о моем результате изучения и экспериментов с другим методом глубокого обучения, которым является Generative Adversarial Network (GAN). Я изучал и узнал об этом недавно. Думаю, было бы неплохо, если бы я поделился своим экспериментом со всеми.
GAN в основном занимается созданием чего-либо. В этой статье я хочу рассказать об эксперименте по созданию лиц..
Непрерывная доставка для машинного обучения
Почему 87 % проектов по науке о данных никогда не реализуются в производственной среде? «Если ваши конкуренты применяют ИИ и находят информацию, позволяющую им ускориться, они собираемся очистить… venturebeat.com
Почему многие компании → не могут начать с продукта ИИ? → и более мелкие компании → на самом деле используют больше ИИ → но многие компании терпят неудачу.
Это почему?
Данные — это еще одна проблема → очень интересно…..
Практическое руководство по графическим нейронным сетям с PyTorch и PyTorch Geometric
В моей последней статье я представил концепцию графической нейронной сети (GNN) и некоторые ее недавние улучшения. Поскольку эта тема сильно раздувается, я решил сделать это руководство о том, как легко реализовать вашу нейронную сеть Graph в вашем проекте. Вы узнаете, как создать свою собственную GNN с помощью PyTorch Geometric и как использовать GNN для решения реальной проблемы (Recsys Challenge 2015).
В этом сообщении блога мы будем использовать PyTorch и PyTorch Geometric..