Публикации по теме 'deep-learning'
Как обновить ОЗУ до 25 ГБ в Google Colab, возможно, с графическим процессором Tesla P100 бесплатно
Я сохраню это простым и милым
Откройте этот блокнот в Colab and Run: https://github.com/satyajitghana/TSAI-DeepVision-EVA4.0/blob/master/Utils/Colab_25GBRAM_GPU.ipynb
Вот и все, у вас есть сеанс с высокой оперативной памятью 25 ГБ 🤩 в Colab, Go Crazy!
Если вы откроете файл .ipynb с помощью блокнота, вы увидите эти метаданные.
"machine_shape": "hm"
что позволяет исполнять High Memory в Colab
Я чувствую, что сеанс с высокой памятью имеет..
Всеобъемлющий обзор «Внимание — это все, что вам нужно»
Новаторская статья «Внимание — это все, что вам нужно» Васвани и др. представила модель Transformer, которая произвела революцию в области обработки естественного языка (NLP). В документе продемонстрирована мощь механизма внимания как автономной архитектуры, которая устраняет необходимость в рекуррентных или сверточных сетях. В этом сообщении блога я подробно расскажу о ключевых концепциях, механизме внимания и общей архитектуре модели Transformer.
1. История
До модели Transformer..
Видеоанализ для детектирования Atividade Suspeita на базе глубокого обучения
Видеоанализ для детектирования подозрительных действий на основе глубокого обучения
Это экспликация может быть реализована классификацией видео. Nosso objetivo é explicar como of fizemos e os resultados obtidos para que vêssa aprender com isso.
Ao longo dessa publicação, Você encontrará uma descrição geral da arquitetura da solução, da metodologia que seguimos, do конъюнто де дадос usados, da implementationação e dos resultados alcançados.
Sinta-se vontade para usar essa..
Что такое регрессия опорных векторов (SVR) ?
Введение в алгоритмы машинного обучения
Регрессия опорных векторов – это популярная машинная модель обучения модель . Сегодня в этой статье я хотел бы дать вам подробное объяснение и как работает эта модель.
регрессия опорных векторов используется в области обучения с учителем .
Машина опорных векторов и регрессия
Опора вектор модель может использоваться как для задач регрессии , так и для классификации и он разделен на 2 части. Машина опорных векторов (SVM)..
Лучшие статьи для чтения по алгоритму среднего сдвига
Асимптотическая эквивалентность алгоритма среднего сдвига и ClusterTree ( arXiv )
Автор: Эри Ариас-Кастро , Ваньли Цяо
Аннотация . Два важных непараметрических подхода к кластеризации появились в 1970-х годах: кластеризация по наборам уровней или кластерному дереву, как было предложено Хартиганом, и кластеризация по градиентным линиям или градиентному потоку, как предложили Фукунага и Хостелер. В недавней статье мы аргументируем тезис о том, что эти два подхода..
Простейшая реализация модели Pytorch для мультиклассовой классификации
используя msdlib
Вступление:
Pytorch — это самый гибкий инструмент разработки на основе Python для создания моделей глубокого обучения. Сегодня мы собираемся обсудить самый простой способ построить модель классификации в Pytorch и обучить + проверить производительность модели для задачи классификации нескольких классов.
Задача многоклассовой классификации:
Мультиклассовая классификация — это тип задачи классификации, в которой мы хотим классифицировать образцы или примеры по..
Последние исследования на основе нейронных сетей ReLU, часть 8 (машинное обучение)
Изучение функций Липшица с помощью обученных GD неглубоких сверхпараметризованных нейронных сетей ReLU (arXiv)
Автор : Илья Кузборский , Чаба Шепешвари
Аннотация: мы исследуем способность перепараметризованных неглубоких нейронных сетей ReLU обучаться липшицевым, недифференцируемым, ограниченным функциям с аддитивным шумом при обучении методом градиентного спуска (GD). Чтобы избежать проблемы, заключающейся в том, что в присутствии шума нейронные сети, обученные почти с нулевой..
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..