Публикации по теме 'deep-learning'
Еженедельная короткая заметка о глубоком обучении: нейронные сети стали проще
Еженедельная короткая заметка о глубоком обучении: нейронные сети стали проще
На этой неделе я хотел бы обратить ваше внимание на эту замечательную статью, написанную Офиром Танцем, генеральным директором GumGum.
Нейронные сети — это просто
Он дает общий обзор некоторых важных технических концепций в космосе. Мне нравится приведенный ниже рисунок из статьи, так как он представляет «послойный» способ обработки изображений как глубокими нейронными сетями, так и нашим собственным..
Сравнительное обучение: новый подход к глубокому обучению, который может учиться на неразмеченных данных
Что такое контрастное обучение?
Сравнительное обучение — это тип обучения без учителя, при котором изучаются представления данных путем сравнения похожих и непохожих примеров. Цель состоит в том, чтобы научиться представлять данные таким образом, чтобы похожие экземпляры располагались близко друг к другу в пространстве представления, а разнородные экземпляры находились далеко друг от друга.
Как работает контрастное обучение?
Это похоже на то, как люди познают окружающий мир. Когда..
[NLP] Использование SentencePiece без предварительной токенизации
Вы действительно можете обойтись без сегментации слов !?
В предыдущем посте я представил четыре способа токенизации китайских документов:
[НЛП] Четыре способа токенизации китайских документов С некоторыми эмпирическими доказательствами в поддержку методов сегментации по частям medium.com
Третий и четвертый способы используют SentencePiece от Google. Я упомянул, что SentencePiece достаточно эффективна , поэтому нам не нужно..
Приложение CNN для автоматизированного извлечения структурированных данных
Приложение CNN для автоматизированного извлечения структурированных данных
Написано: 13 августа 2018 г. Sourish Dey
https://www.linkedin.com/in/sourish-dey-03420b1a/
Разработка важных функций:
В своей предыдущей статье я обсуждал важность создания богатых функций из ограниченного числа функций. Действительно, реальное качество модели машинного обучения / глубокого обучения зависит от обширной разработки функций, а не от самой техники моделирования. Хотя конкретный..
RFBNet: обучение пользовательскому обнаружению объектов с 6 строками кода
Упрощение компьютерного зрения с помощью Monk, инструмента глубокого обучения с низким кодом и унифицированной оболочки для компьютерного зрения.
В предыдущей статье мы создали специальный детектор объектов с использованием RetinaNet Monk . В этой статье мы построим систему наблюдения за воздушным движением на малых высотах, используя RFBNet Monk , построенную на основе PyTorch RFBNet .
Давайте начнем!!
Оглавление
Сбор данных Преобразовать в формат COCO Модель..
Варианты использования многогранной аппроксимации, часть 1 (машинное обучение)
Оптимальные чувствительные к площади границы для аппроксимации многогранника (arXiv)
Автор: Сунил Арья , Гильерме Д. да Фонсека , Дэвид М. Маунт .
Аннотация: Аппроксимация выпуклых тел является фундаментальным вопросом геометрии и имеет широкий спектр приложений. Для заданного выпуклого тела K диаметра Δ в Rd при фиксированном d цель состоит в том, чтобы минимизировать количество вершин (альтернативно, количество граней) аппроксимирующего многогранника для данной ошибки Хаусдорфа ε...
Использование USE (универсальный кодировщик предложений) для обнаружения фейковых новостей
С момента появления Универсального кодировщика предложений (USE) он стал наиболее загружаемыми предварительно обученными текстовыми модулями в Tensorflow Hub . Семейство универсальных кодировщиков предложений включает:
Универсальный кодировщик предложений Универсальный кодировщик предложений большой Универсальный кодировщик предложений lite Универсальный многоязычный кодировщик предложений Универсальный кодировщик предложений многоязычный большой
Универсальный..