Публикации по теме 'convolution-neural-net'
Классификация изображений: сверточная нейронная сеть
В предыдущем посте я говорил о классификации изображений с помощью нейронных сетей, но сегодня я хочу подробнее остановиться на этом. Итак, давайте посмотрим, как работает CNN и как вы реализуете его самостоятельно.
Данные
Прежде всего, давайте кратко рассмотрим данные, которые я использовал для этого проекта:
Мода MNIST: этот набор данных содержит 70 000 черно-белых изображений различных предметов одежды, от обуви и сумок до платьев и рубашек. Эти изображения имеют размеры 28x28 и..
Что такое микроскоп OpenAI?
Сборник визуализации значимых слоев 8 популярных моделей CNN.
Микроскоп систематически визуализирует каждый нейрон в нескольких обычно изучаемых моделях зрения и делает все эти нейроны связанными. может поддерживать следующие способы:
Визуализации можно получить с помощью библиотеки с открытым исходным кодом Lucid ( объяснено с помощью кода ниже ), созданной с поддержкой TensorFlow с помощью OpenAI. Связывание моделей и нейронов позволяет немедленно изучить и изучить результаты..
Классификация CIFAR-10 с использованием простой CNN
В этой статье мы просто обсудим, что такое глубокое обучение, что такое сверточные нейронные сети (CNN) и как мы можем создать простую модель CNN. В этой статье предполагается, что у вас есть базовые знания в области искусственного интеллекта, машинного обучения и программирования на Python.
Что такое глубокое обучение?
Глубокое обучение - одна из составляющих машинного обучения и искусственного интеллекта. Методы глубокого обучения пытаются имитировать функцию человеческого мозга при..
Расшифровано: быстрое глубокое обучение ИИ для программистов, урок 1
Цель серии: Прохождение урока 1 курса глубокого обучения fast.ai
Курс глубокого обучения Fast.ai — один из лучших и бесплатных ресурсов для начала работы с глубоким обучением. Их цель — помочь нанять экспертов в предметной области, предпринимателей и других лиц для решения широкого круга проблем с использованием глубокого обучения.
Чтобы достичь этого, они использовали подход «сверху вниз», чтобы люди могли испачкать руки, как только они погрузились в курс, вместо того, чтобы..
Как сверточные нейронные сети видят мир (серия ИНС # 1)
Эту серию я начал с исследования и изучения различных нейронных сетей. Я надеюсь поделиться тем, что я узнал, а также принять участие в обсуждениях, вращающихся вокруг этого. Делитесь своими взглядами / мнениями!
CNN не страдают от« проклятия размерности !»
CNN - это попытка заставить компьютерную / вычислительную систему смотреть на мир так же, как это делает человек. Сверточные сети были вдохновлены биологическими процессами в том смысле, что паттерн связи между нейронами..
Обнаружение кирпичных печей на спутниковых снимках с использованием глубокого обучения
Обзор
Индийская промышленность по производству кирпича является вторым по величине производителем кирпича в мире, насчитывая более 100 000 действующих единиц и производя около 250 миллиардов кирпичей в год. Кирпичные печи ежегодно потребляют около 25 миллионов тонн угля — они являются основным источником выбросов в атмосферу твердых частиц и вредных газов, таких как окись углерода и двуокись серы. По оценкам, в период с 2005 по 2030 год строительство зданий в Индии будет расти на..
Использование извилистого, полностью подключенного бассейна, чтобы наполнить вашу бутылку с водой
что такое CNN?
Нет, но вот кое-что еще, что вы хотите увидеть:
А теперь скажи мне, что ты видишь?
Ага, собака. Это может быть очень обычной задачей для вас, но переход от просмотра изображения к определению того, что изображение говорит вам, включает в себя сложную цепочку реакций внутри вашего тела, начиная с передачи изображения на фоторецепторы (колбочки и палочки) на спине. ваших глазных яблок к распространению светового сигнала по сети нейронов в нескольких областях..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..