Публикации по теме 'deep-learning'
Переход на Sage Maker
Структурирование, отладка и обучение пользовательских моделей в FireVisor с использованием AWS SageMaker
Почти все, что мы видим вокруг себя сегодня, производится на фабриках. Однако производство в том виде, в каком мы его видим сегодня, в основном устарело. Производители тратят до 15–20% выручки от продаж за счет затрат на низкое качество (COPQ) [ ссылка ]. Сюда входят затраты на обнаружение и предотвращение отказов продукта. Чем позже обнаружен дефект, тем больше ресурсов было..
Создание приложения-классификатора текста с помощью Hugging Face, BERT и Comet
Реализация комплексных проектов глубокого обучения никогда не была проще с этими замечательными инструментами.
LLM, такие как GPT, BERT и Llama 2, меняют правила игры в области искусственного интеллекта. Используя эти модели, вы можете создавать инструменты искусственного интеллекта, такие как ChatGPT и Bard. Но вам необходимо точно настроить эти языковые модели при выполнении проектов глубокого обучения. Именно здесь на помощь приходят платформы искусственного интеллекта.
Сегодня..
Как используется направленный ациклический граф, часть 3 (машинное обучение)
DPU-v2: энергоэффективное выполнение нерегулярных ориентированных ациклических графов (arXiv)
Автор : DPU-v2: Энергоэффективное выполнение нерегулярных ориентированных ациклических графов
Аннотация . Растущее число приложений, таких как вероятностное машинное обучение, разреженная линейная алгебра, роботизированная навигация и т. д., демонстрируют нерегулярные вычисления потоков данных, которые можно моделировать с помощью ориентированных ациклических графов (DAG). Неравномерность..
Инновационные исследовательские работы по компьютерной графике, часть 2
На пути к дифференцированному рендерингу изображений сонара бокового обзора ( arXiv )
Автор: Ипин Се , Нильс Боре , Джон Фолкессон
Аннотация: Недавние достижения в дифференцируемом рендеринге, которые позволяют вычислять градиенты значений 2D-пикселей по отношению к моделям 3D-объектов, могут применяться для оценки параметров модели с помощью оптимизации на основе градиента только с наблюдением 2D. Глубокие нейронные сети легко включить в такой конвейер оптимизации, что..
Варианты использования стохастической оптимизации, часть 1 (машинное обучение)
Push-LSVRG-UP: распределенная стохастическая оптимизация в несбалансированных направленных сетях с несогласованными инициируемыми вероятностями (arXiv)
Автор: Цзинхуэй Ху , Го Чэнь , Хуацин Ли , Цысян Шэнь , Вэйдун Чжан .
Аннотация: Распределенная стохастическая оптимизация, возникающая в результате пересечения и интеграции традиционной стохастической оптимизации, распределенных вычислений и хранения данных, а также науки о сетях, имеет преимущества высокой эффективности и низкой..
N-студенческое обучение
Архитектура, помогающая бороться с переоснащением и неопределенностью модели.
Переобучение является фундаментальной проблемой в области машинного обучения и особенно важно в контексте обучения с зашумленными данными. По мере того, как мы масштабируем наши наборы данных, количество шума естественным образом увеличивается из-за невозможности тщательной маркировки человеком.
В следующей статье мы представим основные идеи, лежащие в основе N-Student Learning, многосетевой архитектуры,..
Глубокое обучение — введение
Глубокое обучение — это исследование моделей обучения с многоуровневыми представлениями:
Многослойная (прямая) нейронная сеть Многослойная графическая модель (сеть глубокого доверия, глубокие машины Больцмана)
Каждый слой соответствует «распределенному представлению» (векторы единиц, каждая из которых представляет наличие определенного признака).
Единицы в слое не являются взаимоисключающими Каждая единица является отдельной функцией ввода Два устройства могут быть «активными»..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
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..