Публикации по теме 'deep-learning'
Веса и смещения - Инструменты разработчика для машинного обучения
Соавторы: Анушка Датта , Манси Гоял .
В наши дни модели машинного обучения повсюду, от вашего голосового помощника (Siri, Alexa) до потрясающих рекомендаций по песням, сделанных вашим Spotify! Создание успешных моделей машинного обучения - это искусство. Это итеративный процесс, в котором инженеры и ученые собираются вместе, чтобы научить компьютеры учиться на своем опыте. Эти модели требуют значительного количества времени и усилий для достижения оптимальной производительности...
Передача нейронного стиля
В этой статье представлено руководство по передаче нейронного стиля с использованием глубокого обучения. Нейронный перенос стиля - это техника совмещения изображений в стиле другого изображения. Neural Style Transfer принимает в качестве входных данных три изображения, а именно изображение, которое вы хотите стилизовать: изображение содержимого, изображение стиля и комбинированное изображение, которое изначально является копией изображения содержимого. Эта техника смешивает..
Конкурс глубокого обучения: модель-победитель
Обсуждение выигрышной модели для набора данных американского языка жестов Kaggle
Язык жестов MNIST Встраиваемая замена MNIST для задач распознавания жестов рук www.kaggle.com
Основные моменты: Мы вошли в тройку лучших команд-победителей с точностью 1 на соревновании Лукаса Бивальда, которое проходило в Сан-Диего. Конкурс спонсировался компанией Weights and Biases. Результаты на https://app.wandb.ai/mlclass/asl-july25/..
Проверка уменьшения размерности с помощью t-SNE
Сегодня я изучил применение t-SNE для двух наборов данных большой размерности: классического MNIST и nouveau fashionMNIST.
Вы можете прочитать все о fashionMNIST здесь , который предназначен для увеличения сложности MNIST.
В то время как MNIST содержит рукописные цифры от 0 до 9, fashionMNIST содержит 10 различных видов одежды, от футболок до платьев и брюк.
Я запустил t-SNE на всем исходном обучающем наборе MNIST, который довольно хорошо разделен, и сравнил его с fashionMNIST.
И..
Достижения в области машинного обучения для разработки программного обеспечения
Примечание редактора. Адитья выступает на ODSC APAC 2021 . Посмотрите его доклад Машинное обучение для разработки программного обеспечения здесь!
Сегодня общество критически зависит от программного обеспечения. Сложившаяся ситуация с Covid-19 еще больше ускорила переход к программному миру. По мере роста числа программных приложений растет и спрос на инженеров-программистов. Но размер и сложность исходного кода, с которым приходится иметь дело инженерам, растут в..
Какой алгоритм обучения с подкреплением - RL использовать где, когда и в каком сценарии?
Что? Почему? когда? и который? алгоритмов обучения с подкреплением и краткие сведения о существующих алгоритмах обучения с подкреплением.
Обучение с подкреплением - это сложная область машинного обучения, в которой незначительные изменения гиперпараметров могут привести к внезапным изменениям производительности моделей.
Сначала мы обсудим краткие факты о различных методах RL, а затем перейдем к пониманию того, какой алгоритм имеет какую специальность и какая ситуация требует какой..
Руководство для хакеров по секретам глубокого обучения: линейная алгебра
Как ведьмам и волшебникам глубокого обучения, есть много секретных соусов, которые нам нужно добавить в наши предсказательные зелья. Как не математик и упорный программист, у меня часто возникают головные боли, когда я читаю статьи по глубокому обучению и отчаянно ищу исходный код.
В этой серии рассказывается о путешествии по основам глубокого обучения снизу вверх, чтобы дополнить знания, которые мы развиваем как хакеры, которые привыкли создавать проекты с помощью потрясающих библиотек,..