Публикации по теме 'deep-learning'
Состязательные атаки: подробный обзор — Часть 1
В последнее время глубокое обучение зарекомендовало себя как очень эффективный инструмент для решения сложных проблем в различных областях, таких как здравоохранение (компьютерная диагностика, поиск лекарств), финансы (обнаружение мошенничества), автомобили (беспилотные автомобили, робототехника). ), СМИ (агрегация новостей и обнаружение поддельных новостей) и другие повседневные утилиты (такие как виртуальные помощники, языковой перевод, извлечение информации)
Однако теперь известно, что..
Классификация спутниковых изображений с помощью глубокого обучения
В этом руководстве вы узнаете, как создать классификатор спутниковых изображений с помощью Python и Tensorflow. Классификация спутниковых изображений является важной задачей, когда речь идет о сельском хозяйстве, мониторинге урожая/леса или даже в городских сценариях с задачи планирования.
Мы собираемся использовать набор данных EuroSAT, который состоит из спутниковых снимков Sentinel-2, покрывающих…
Как шаг за шагом вывести математическое свойство кольца all-reduce
Автор: Цзиньхуэй Юань; Перевод Цзяли Шен, Юшань Чжан
В нашем предыдущем блоге: Борьба со сложностью программной системы: соответствующий уровень абстракции мы упомянули, что общение в распределенной среде глубокого обучения сильно зависит от регулярных операций коллективного общения, таких как все-уменьшить, уменьшить-рассеять, все-собрать и т. д. на. Поэтому крайне важно реализовать высокооптимизированную коллективную коммуникацию и выбрать идеальный алгоритм, исходя из..
Последние разработки по завершению сети знаний, часть 1 (интеллектуальный анализ данных)
Изучение и использование структуры графа высокого порядка для завершения графа разреженных знаний (arXiv)
Автор: Тао Хэ , Мин Лю , Исинь Цао , Зэкун Ван , Цзыхао Чжэн , Чжэн Чу , Бин Цинь .
Аннотация: Сценарии с разреженным графом знаний (KG) создают проблему для предыдущих методов завершения графа знаний (KGC), то есть производительность завершения быстро снижается с увеличением разреженности графа. Эта проблема также усугубляется из-за широкого распространения разреженных КГ в..
Нейронные сети с нуля с Numpy - Часть 2: Линейная регрессия
В этом руководстве вы подробно узнаете, как реализовать линейную регрессию для прогнозирования с помощью Numpy, а также визуализировать, как алгоритм учится эпоху за эпохой. В дополнение к этому вы изучите двухслойные нейронные сети.
В предыдущем уроке вы получили очень краткий обзор перцептрона.
Нейронные сети с нуля с Numpy: Введение В этом руководстве вы получите краткое представление о том, что такое нейронные сети и как они были разработаны. В…..
Как далеко мы продвинулись? Методы распознавания лиц, часть 2 (компьютерное зрение + машинное обучение)
Улучшение анализа цветных изображений с использованием нового гибридного алгоритма распознавания лиц на основе дискретных вейвлетов и полиномов Чебышева (arXiv)
Автор: Хасан Мохамед Мухи-Алдин , Маха Аммар Мустафа , Асма А. Абдулрахман , Джаббар Абед Элейви , Фуад С. Тахир , Юрий Хлапонин .
Аннотация: Эта работа уникальна тем, что использует дискретные вейвлеты, которые были построены или получены из полиномов Чебышева второго и третьего рода, фильтруют дискретное второе..
Как развернуть модель Pytorch: Scaleway Cloud VS VPS
Все готово, и ваша модель сияет, но теперь вы хотите поделиться ею.
В этой статье вы узнаете, как:
создать API, используя структуру FastAPI для вашей модели контейнеризируйте свой API с помощью Docker разверните свой контейнерный API на облачном провайдере или VPS
Давайте погрузимся!
Кстати: если у вас нет модели глубокого обучения, которой вы хотите поделиться, вы можете прочитать статью ЧАСТЬ 1:
ЧАСТЬ 1. Как улучшить процесс тонкой настройки с..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..