Публикации по теме fastai

Публикации по теме 'fastai'

Цикл обучения пользовательским моделям глубокого обучения.

Этот пост призван помочь вам разобраться в обратных вызовах и их использовании. Также, чтобы подготовить вас к погружению в сложные системы обратного вызова, используя обратные вызовы fast.ai или keras . Базовый цикл обучения для моделей глубокого обучения в Pytorch состоит из пяти шагов: Рассчитывайте прогнозы. Рассчитайте убыток. Обратный проход. Обновите параметры. Обнулите градиенты. Эти пять шагов можно просто записать в следующие строки кода: Пояснения..

Безумный мир вложений

Я начал свой путь к машинному обучению в начале 2017 года. Вначале все сводилось к изучению теории машинного обучения, чтению блогов и следованию некоторому коду. Хотя я освоился с большинством моделей и их теорией, большую часть года меня смущала концепция встраивания, используемая практиками машинного обучения и упоминаемая во многих сообщениях в блогах. Часто в этом году я встречал много терминов, таких как векторы слов, перчатка, пропуск грамма, непрерывный набор слов и т. Д. Идея о..

Совместная фильтрация для «предсказания» эффективности лекарства (2)

Еще один пример и некоторые мысли о знании предметной области Я показал результат использования совместной фильтрации для прогнозирования силы взаимодействия между лекарством и его целью в первом сообщении в блоге этой серии . В этом продолжении я попытаюсь поработать над другим набором данных и обсудить важность знаний предметной области в биохимии. Набор данных взят из статьи , опубликованной в престижном журнале. Этот набор данных позже был использован другой группой (см...

UNET-UNIT для быстрого неконтролируемого преобразования Image2Image с использованием FastAI

Цель Целью сети был перевод между двумя наборами изображений в разных «доменах». Например, перевод: с зимы на лето живое действие на анимацию зебра на лошадь Эти изображения не контролируются, что означает, что им не нужно иметь совпадающие пары в каждом домене. UNET-UNIT Плюсы: Другие сети, которые делают это, такие как CycleGAN и UNIT, занимают более 200 эпох для получения результатов высокого качества. Я смог получить хорошие результаты, используя несколько..

Увеличение данных изображения для балансировки набора данных в задачах классификации

Попробуйте модель классификации изображений с несбалансированным набором данных и улучшите ее точность с помощью методов увеличения данных. Мы создадим модель классификации изображений из минимального и несбалансированного набора данных, а затем воспользуемся методами увеличения данных, чтобы сбалансировать и сравнить результаты. Набор данных Наш набор данных содержит 200 изображений цветов и 20 изображений птиц в соотношении 1:10. Чтобы сформировать этот набор данных, мы..

Finding Data Block Nirvana (путешествие по API блоков данных fastai)

Если вы используете библиотеку fastai для обучения своих моделей PyTorch, вы используете API блока данных, понимаете вы это или нет. API довольно прост в отношении того, как работают основы, но по мере того, как вы начинаете углубляться в документацию и в то, что происходит в каждой точке, становится немного запутанно, как все части сочетаются друг с другом (по крайней мере, для меня это было ). Есть несколько классов, которые играют роль в API и разные вещи, которые происходят на..

Fast.ai Практическое глубокое обучение для программистов, часть 1, обзор курса 2018 г.

Цель этого поста - осветить содержание fast.ai 2018 Практическое глубокое обучение для кодеров, часть 1. Я надеюсь, что любой, кто решит пройти этот курс или задумается о нем, извлечет из этого пользу. Обратите внимание, что структура контента извлекается из временных рамок видео, представленных в вики-ссылке для каждого урока. Урок 1. Как узнать кошек и собак Вики-урок: http://forums.fast.ai/t/wiki-lesson-1/9398 Подход к обучению «сверху вниз» в сравнении с подходом..