Публикации по теме 'generative-model'
Генерация изображений с помощью DDPM: реализация PyTorch
Введение
Вероятностные модели диффузионного шумоподавления ( DDPM ) — это глубокие генеративные модели, которым в последнее время уделяется много внимания благодаря их впечатляющим характеристикам. Совершенно новые модели, такие как генераторы OpenAI DALL-E 2 и Google Imagen , основаны на DDPM. Они обуславливают генератор текстом таким образом, что становится возможным генерировать фотореалистичные изображения на основе произвольной строки текста.
Например, введите « Фотография..
Orca: насколько хороши маленькие модели?
Мы показали значительный прирост производительности (снижение затрат) Orca при работе с крупномасштабными генеративными моделями, такими как GPT 175B, в нашей предыдущей записи в блоге Orca: Как обслуживать крупномасштабные модели-трансформеры . С тех пор мы получаем множество запросов о производительности Orca при обслуживании небольших генеративных моделей (например, моделей с несколькими миллиардами параметров) на одном графическом процессоре.
Да, Orca значительно превосходит..
Изучение искусства генеративного ИИ в Python
Искусственный интеллект (ИИ) изменил различные отрасли, и одной из увлекательных областей ИИ является генеративный ИИ. Генеративный ИИ включает в себя создание моделей, которые могут генерировать новый контент, например изображения, музыку и текст, способствуя творчеству и расширяя границы человеческого воображения.
Генеративный ИИ – это направление искусственного интеллекта, которое фокусируется на создании моделей, способных автономно генерировать исходный контент, имитируя..
Погрузитесь в вариационные автоэнкодеры
Введение
В предыдущих статьях об автоэнкодерах ( Часть 1 и Часть 2 ) мы исследовали интуицию, теорию и реализацию недостаточного и избыточного автоэнкодеров. Автоэнкоды состоят из двух частей: кодировщика и декодера. Кодировщик перемещает ввод в скрытое пространство, в то время как декодер пытается получить представление ввода обратно из представления скрытого пространства.
Проблема с классическими автоэнкодерами
Однако кодировщик в этих случаях является детерминированным по своей..
Что, почему и как использовать генеративные потоковые сети
Руководство по созданию вашего первого GFlowNet в TensorFlow 2
Генеративные потоковые сети (GFlowNets) — это метод машинного обучения для создания составных объектов с частотой, пропорциональной связанному с ними вознаграждению.
В этой статье мы раскроем значение всех этих слов, объясним, чем полезны GFlowNet, поговорим о том, как их обучать, а затем разберем реализацию TensorFlow 2.
Развивайте свою интуицию
GFlowNets были представлены на NeurIPS в 2021 году Эммануэлем Бенджио и..
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..