Публикации по теме 'deep-learning'
PyCaret + SKORCH: создание нейронных сетей PyTorch с использованием минимального кода
Краткое руководство по созданию нейронных сетей PyTorch с Pycaret
Практически в каждом проекте машинного обучения мы обучаем и оцениваем несколько моделей машинного обучения. Это часто включает в себя написание нескольких строк импорта, множества вызовов функций, операторов печати для обучения отдельных моделей и сравнения результатов по моделям. Код превращается в беспорядок при сравнении разных моделей с циклами перекрестной проверки или при объединении моделей. Со временем все..
Как XLNet сочетает в себе лучшее из GPT и BERT
Понимание концептуальных различий GPT, BERT и XLNet за 3 минуты
XLNet - это новая предварительно обученная модель, которая стабильно превосходит BERT по 20 задачам, часто с большим отрывом.
Что ?! И почему?
Без понимания машинного обучения нетрудно предположить, что чем больше контекста мы захватили, тем точнее можно сделать прогноз. Таким образом, способность модели улавливать самый глубокий и эффективный контекст - это лучший рецепт.
Давайте поиграем - что такое [Guess1] и..
линейная регрессия с несколькими переменными | Часть 1
В этом курсе мы будем изучать линейную регрессию с несколькими переменными, которая является расширением простой линейной регрессии, рассмотренной ранее.
Сначала мы определим, что такое линейная регрессия с несколькими переменными, затем мы введем математическую формулировку для формализации этого типа регрессии, а затем мы увидим, как применять метод градиентного спуска для поиска оптимальных параметров.
Наконец, мы применим наши знания на практике, решив пример с использованием python...
Краткая история нейронных сетей
Все знают о последних достижениях Deep Learning. Но нейронные сети имеют долгую историю, начавшуюся 80 лет назад.
Эта статья является выдержкой из моей книги Наука о данных для прогнозирования цепочки поставок .
1940 Предыстория: искусственные нейроны
История искусственных нейронов восходит к 1940-м годам, когда Уоррен МакКаллох (невролог) и Уолтер Питтс (логик) смоделировали биологическую работу органического нейрона в первом искусственном нейроне, чтобы показать, как простые..
«Привет, мир» нейронных сетей с использованием TensorFlow
Кодирование было хлебом с маслом для разработчиков с момента зарождения вычислительной техники. При традиционном подходе разработчики разбивают проблему на несколько подзадач, кодируют каждую часть отдельно, применяя набор правил, затем эти правила применяются к данным и возвращают результат. Короче говоря, мы вводим данные и правила в систему и получаем ответы из системы.
Но есть проблема с подобным подходом: « мы не всегда можем кодировать правила ». Позвольте мне объяснить это..
Байесовская нейронная сеть, публикация 2: общие сведения
Этот пост является вторым в серии из восьми постов байесовских сверточных сетей . Посты будут структурированы следующим образом:
Потребность в байесовских нейронных сетях Базовые знания , необходимые для лучшего понимания байесовских сетей. Некоторые недавние работы в области байесовских нейронных сетей Байесовские сверточные сети с использованием вариационного вывода Создайте свою собственную байесовскую сверточную сеть в PyTorch Оценка неопределенности в..
Идеальная среда JupyterLab с установкой tensorflow_gpu
Усердно пытался найти, как установить tensorflow_gpu вместе с рабочей средой JupyterLab ???
Но не более. Ваш поиск окончен, и в этом простом руководстве по установке я расскажу вам о каждом шаге установки JupyterLab и tensorflow_gpu для вашего следующего большого проекта.
Внимательно следуйте этому руководству, чтобы установить все без ошибок.
Что вам понадобится: -
Установщик Python (для выполнения команд Python) Установщик Node.js (для отсутствия ошибок..