Публикации по теме keras

Публикации по теме 'keras'

Объяснение оптимизаторов Keras: оптимизатор Adagrad

Обзор оптимизации Adagrad Adagrad (алгоритм адаптивного градиента) предназначен для адаптивного масштабирования скорости обучения каждого параметра на основе исторической информации о градиенте. Он особенно полезен для разреженных данных и успешно используется в различных задачах НЛП и нейронных сетей. Давайте воспользуемся аналогией с человеком, идущим по лабиринту, чтобы добраться до выхода (или самой низкой точки долины), чтобы сравнить SGD, Momentum и Adagrad. Представьте, что..

Классификация фейковых новостей с Keras

Использование двунаправленных GRU с spaCy и пользовательскими вложениями В последние годы фейковые новости становятся все более распространенными. Поскольку все больше и больше наших новостей потребляется из онлайн-источников, жизненно важно иметь возможность определить, реальны ли новости. Эта статья представляет собой забавный взгляд на то, как можно использовать подходы глубокого обучения для решения этой проблемы в Python. Он разбит на 5 разделов: Описание данных..

Изучение глубокого обучения

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ КНИГА Изучение глубокого обучения Изучение глубокого обучения объединяет три главы из книг Мэннинга, отобранных автором и опытным специалистом по глубокому обучению Эндрю Траском . В нем вы получите общее представление об основных концепциях глубокого обучения и рассмотрите различные методы обучения, включая контролируемое и неконтролируемое обучение, а также параметрическое и непараметрическое обучение. Используя Tensorflow, вы также изучите более..

Выделение X превышает 10% системной памяти.

Давайте решим этот вопрос… Возможно, вы используете TensorFlow и запускаете предварительно обученную модель для прогнозирования новых данных. Я получаю такое же вышеупомянутое предупреждение при запуске предварительно обученной модели из TensorFlow. Предупреждение ниже: Решение: Уменьшив размер пакета: уменьшив размер пакета на небольшое значение, например (1,2,3), мы можем решить эту проблему при создании нашего train_data (данные обучения означают генератор..

Получение Tensorflow для просмотра графического процессора

В прошлые выходные я сел экспериментировать с некоторыми сценариями LSTM для генерации текста после обучения машины на книге с Уолл-стрит. План состоял в том, чтобы использовать Keras с бэкэндом Tensorflow для моего проекта. Вскоре я понял, что заставить код «просто работать» можно с помощью ЦП, но для того, чтобы генерировать осмысленные тексты, безусловно, требовался ГП. Если у вас нет доступа к собственному аппаратному обеспечению графического процессора, на этом этапе обычно есть..

Прогнозирование запасов на основе новостей - наивный подход

Прогнозирование фондового рынка с помощью машинного обучения в наши дни очень популярно. Пример такой платформы описан в статье https://medium.com/@mobappdaily/market-sensei-expat-inc-launches-machine-learning-powered-stock-market-prediction-platform-1a9acdf8cb66 . Поскольку новостные статьи могут иметь влияние на рынки, я попытаюсь построить модель прогнозирования акций на основе новостей, опубликованных в сети. На первом этапе я создаю числовое представление каждого документа,..

Как загрузить свой собственный набор данных в Google Colab

Не так давно я начал использовать Colab для работы с Deep Learning. Мне не очень нравится его интерфейс, но мне нравится его GPU ! Если вы студент или не уверены, нужно ли вам глубокое обучение или нет, но вы хотите попробовать его, не платя денег за дорогостоящий графический процессор на AWS, GCP или других облачных платформах, то вы попали в нужное место! Вкратце, Google Colab - это блокнот Jupyter с бесплатным графическим процессором. Подробнее -..