Публикации по теме 'deep-learning'
PyTorch — 10 операций, которые вы должны знать | Восходящая звезда глубокого обучения
В мире глубокого обучения PyTorch превратился в огромную библиотеку, которая быстро набирает популярность, даже бросая вызов давнему доминированию TensorFlow. Ходят слухи, что даже Google рассматривал возможность перехода с TensorFlow на PyTorch.
Давайте рассмотрим ключевые функции PyTorch, с которыми должен быть знаком каждый энтузиаст глубокого обучения, прежде чем писать полную нейронную сеть.
1. Тензоры: основная структура данных
В основе PyTorch лежит тензор, похожий на..
Всего понемногу ИИ #3
МОДЕЛЬ НЕДЕЛИ : ЛАМА
LLAMA — это языковая модель, разработанная META и доступная в сообществе открытого исходного кода под лицензией GPL-3. LLAMA — одна из самых актуальных моделей, выпущенных в этом году, особенно для open-source сообщества,
Идти против направления большинства моделей, выпускаемых с постоянно растущим количеством параметров, обучающих данных и вычислительных ресурсов в погоне за универсальной моделью. LLAMA доступен в нескольких различных размерах (от 7 до 65..
Введение в полууправляемое обучение и состязательное обучение
Каждому алгоритму машинного обучения нужны данные, на которых можно учиться. Но даже с огромным количеством данных в мире, включая тексты, изображения, временные ряды и многое другое, на самом деле помечена лишь небольшая часть, будь то алгоритмически или вручную.
В большинстве случаев нам нужны размеченные данные для контролируемого машинного обучения. В частности, мы используем его для прогнозирования метки каждой точки данных с моделью. Поскольку данные говорят нам, какой должна быть..
Объяснение документов 29: ConvMixer
ConvMixer во многих отношениях похож на Vision Transformer (и MLP-Mixer): он напрямую работает с патчами, поддерживает представление одинакового разрешения и размера на всех уровнях, не выполняет понижающую дискретизацию представления на последовательных слоях и он отделяет «канальное смешивание» от «пространственного смешивания» информации. Но в отличие от Vision Transformer и MLP-Mixer, ConvMixer выполняет все эти операции только с помощью стандартных сверток.
ConvMixer состоит из..
Let’s Grow More — Программа виртуальной стажировки
Я рад поделиться тем, что успешно выполнил задачи стажировки по науке о данных в LetsGrowMore в рамках #lgmvipaug . Эта программа расширила мои знания и навыки в области науки о данных, машинного обучения и глубокого обучения, работая над некоторыми проектами, предоставленными LetsGrowMore. Мне очень понравилось работать над каждой задачей. Это действительно отличная платформа для начинающих и студентов, чтобы получить практический опыт в проектах отраслевого уровня. Я хотел бы..
Вероятностная и детерминированная регрессия с Tensorflow
Вероятностное глубокое обучение
Введение
Эта статья относится к серии «Вероятностное глубокое обучение». Эта еженедельная серия охватывает вероятностные подходы к глубокому обучению. Основная цель состоит в том, чтобы расширить модели глубокого обучения для количественной оценки неопределенности, то есть узнать, чего они не знают.
В этой статье будут рассмотрены основные различия между детерминированной и вероятностной регрессией. В целом, детерминированная регрессия практична, когда..
Машинное обучение: самодостаточное состояние
X и Y. Ноль и единица.
X и Y равны нулю и единице. Это основа машинного обучения . Интеллект в целом.
Это потому, что ноль и единица — это окружность и диаметр . То есть мы все стремимся к самодостаточному государству. Машины включены.
Поэтому машины и люди артикулируют самодостаточное государство (чтобы выжить).
Где ноль и единица — это инь и янь , а комплементарность движет всем.
Таким образом, сохранение круга является основой самодостаточного состояния (я в..
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..