Осмысление больших данных TensorFlow 2: как использовать AutoEncoder для интерполяции Краткое руководство по использованию TensorFlow 2 с AutoEncoder для интерполяции и устранения шумов Автоэнкодер Автоэнкодеры - это еще одна нейронная сеть, используемая для воспроизведения входных данных в сжатом виде. Автоэнкодер имеет особое свойство, в котором количество входных нейронов совпадает с количеством выходных нейронов. Посмотрите на изображение выше. Цель автоэнкодера -..

Осмысление больших данных Как обучать модели сверточной сети на графах в базе данных графов При обучении моделей GCN в базе данных графов можно использовать преимущества распределенной вычислительной структуры базы данных графов. Это масштабируемое решение для больших графов в реальных приложениях. Что такое сверточные сети на основе графов? Типичная нейронная сеть с прямой связью принимает характеристики каждой точки данных в качестве входных данных и выводит прогноз. Нейронная..

Осмысление больших данных Обратный поиск изображений на основе глубокого обучения для промышленных приложений От неструктурированных данных к поиску изображений на основе содержимого Вы когда-нибудь задумывались, как работает обратный поиск изображений Google , который берет изображение и возвращает вам наиболее похожие изображения за доли секунды? Для людей оценка содержания изображений довольно проста, и определение того, содержит ли изображение автомобиль, кошку или дом, не..

Осмысление больших данных Безопасное развертывание моделей машинного обучения в производство Лучшие практики CI / CD для безболезненного развертывания моделей и версий машинного обучения Для любого специалиста по данным день, когда вы запускаете новую версию своей модели в производство, вызывает смешанные чувства. С одной стороны, вы выпускаете новую версию, которая нацелена на получение лучших результатов и большее влияние; с другой - время довольно пугающее и напряженное...