Публикации по теме 'tensorflow2'
Глубокое обучение с подкреплением: создайте глубокую Q-сеть (DQN) с помощью TensorFlow 2 и тренажерного зала для игры в CartPole
Давайте начнем с быстрого освежения знаний об обучении с подкреплением и алгоритме DQN. Обучение с подкреплением - это область машинного обучения, которая направлена на обучение агентов выполнению определенных действий в определенных состояниях из среды , чтобы получить максимальное вознаграждение . Допустим, я хочу сделать бота для игры в покер (агента). Бот будет играть с другими ботами за покерным столом с фишками и картами (окружение). Этот бот должен иметь возможность..
Сегментация нейронных структур на ЭМ-изображениях с использованием tensorflow 2.0
гитхаб: https://github.com/sarangzambare/segmentation
Tensorflow 2.0 здесь, сессия ушла. Этот проект использует tensorflow 2.0 для обучения модели сверточной сегментации, состоящей из слоев пониженной и повышающей дискретизации.
Входное изображение Сегментированное изображение, анимированное по эпохам.
Семантическая сегментация – это процесс присвоения каждому пикселю данного изображения определенного класса для лучшего понимания изображения или для дальнейшей обработки...
[TensorFlow 2.0] Вложения слов - Часть 1
Модели машинного обучения принимают в качестве входных данных векторы (массивы чисел). При работе с текстом первое, что мы должны сделать, - это разработать стратегию преобразования строк в числа (или «векторизации» текста) перед передачей его модели.
Как и все другие нейронные сети, модели глубокого обучения не принимают в качестве входных данных необработанный текст: они работают только с числовыми векторами. Векторизация текста - это процесс преобразования текста в числовые..
Переосмысление Плутарха с помощью Tensorflow 2.0
Переосмысление Плутарха с помощью Tensorflow 2.0
Плутарх "Жизни благородных греков и римлян через вложения слов в TensorFlow 2.0"
Преамбула
Жизни благородных греков и римлян Плутарха , также называемые Параллельные жизни или просто Жизни Плутарха , представляют собой серию биографий знаменитых древних греков. и римляне, от Тесея и Ликурга до Марка Антония .
В недавно опубликованной статье мы рассмотрели возможность обучения нашим собственным вложениям слов с помощью..
Двоичная классификация с TensorFlow 2
Многослойный персептрон для классификации с использованием известного набора данных
В этом посте используется TensorFlow с Keras API для задачи классификации прогнозирования диабета на основе нейронной сети с прямой связью, также известной как многослойный персептрон, и используется База данных диабета индейцев пима от Kaggle . Коллектив Google блокнот с кодом доступен на GitHub .
Исследовательский анализ данных
Набор данных состоит из 8 числовых функций, каждая из которых не..
Чат-бот с TensorFlow 2.0 - веселее
Примечание: все файлы кода будут доступны по адресу: https://github.com/ashwinhprasad/Chatbot-GoingMerry
Going Merry - чат-бот, который я создал для набора пиратов . Это помогает в вербовке пиратов по всему миру. это ответ на простые вопросы пользователя о процессе найма, предварительных требованиях и т. д. Эту же модель можно использовать для создания чат-ботов для любой организации.
Введение
Чат-бот - это программное приложение, используемое для ведения текстового общения в..
Вывод модели Tensorflow Lite быстрый и экономичный!
Эта статья предназначена для того, чтобы больше рассказать о том, как TFLite быстро и экономично выполняет логические выводы по всем различным типам периферийных устройств.
У нас есть другой набор периферийных устройств, таких как устройства IoT, мобильные устройства, встроенные устройства и т. д. Как TFLite делает логические выводы плавно и элегантно. Чтобы понять это, давайте погрузимся в это.
Что такое переводчик?
Как мы знаем, TFLite состоит из набора инструментов, а TFLite..
