Публикации по теме 'neural-networks'
Ведение журнала с весами и смещениями
Легко контролировать обучение нейронной сети
Регистрация кривых потерь и точности никогда не была легкой задачей. Мы часто сохраняем эти значения в массивах или списках, а затем наносим их на график в конце обучения. Поделиться этими графиками еще сложнее, когда отправка снимков экрана с этими графиками кажется единственным выходом. В этом руководстве мы рассмотрим эту проблему с помощью весов и смещений.
Weights & Biases (WandB) - это пакет Python, который позволяет нам..
Пакетное и онлайн-обучение — в чем разница?
Оглавление:-
· Пакетное обучение ∘ Проблемы с пакетным обучением:- ∘ Недостатки пакетного обучения:- · Онлайн-обучение ∘ Когда использовать ∘ Скорость обучения ∘ Недостатки · Сравнение пакетного обучения и онлайн-обучения
Сегодняшняя растущая культура машинного обучения демонстрирует полезность различных типов машинного обучения, каждый из которых использует разные алгоритмы для работы. Мы уже углубились в объяснения машинного обучения с учителем, без учителя, с..
Визуализация обратного распространения в обучении нейронной сети
Использование HiPlot для создания параллельных графиков координат для визуализации обучения модели глубокого обучения.
Понимание и отладка производительности нейронной сети в наборе данных является важной главой в сквозном жизненном цикле модели машинного обучения (ML). Возможность понять, как обучается модель, может дать ценную информацию о том, где можно сделать улучшения. В этой статье мы рассмотрим создание простого, но эффективного метода визуализации процесса под названием..
Введение в нейронные сети: создание однослойного персептрона в PyTorch
Нейронная сеть представляет собой набор нейронных узлов, которые взаимосвязаны друг с другом. Эти связи распространяются не только на соседние нейроны, но и на удаленные.
Фундаментальная концепция нейронных сетей заключается в том, что каждый нейрон в слое получает входные значения и генерирует выходные значения с помощью определенных математических операций, применяемых к входным данным. Эти выходы затем служат входами для следующего слоя нейронов.
Однослойная нейронная сеть, также..
ОБНАРУЖЕНИЕ И КОЛИЧЕСТВЕННАЯ ОЦЕНКА МАЛЯРИЙНОГО ПАРАЗИТА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
ОБНАРУЖЕНИЕ И КОЛИЧЕСТВЕННАЯ ОЦЕНКА ПАРАЗИТА МАЛЯРИИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
МОИ ОБУЧАЮЩИЕ АРХИВЫ ДЛЯ ЭТОГО ПРОЕКТА
Это процессы построения моего обнаружения малярии и оценки уровня тяжести. Эта документация включает в себя все детали и процедуры, предпринятые для достижения этой идеальной подгонки. Она настолько упрощена и детализирована, что даже новичок в машинном обучении может понять ее и даже внести в нее дополнительные обновления. Этот проект является проектом с..
Визуализация нейронной сети с помощью Visualkeras
Нейронные сети — мощный инструмент машинного обучения, но их сложно понять и визуализировать. К счастью, есть инструменты, облегчающие эту задачу. Одним из таких инструментов является VisualKeras, библиотека Python, которая позволяет интуитивно создавать и визуализировать нейронные сети. В этом блоге мы рассмотрим, как использовать VisualKeras для визуализации нейронной сети.
Во-первых, нам нужно установить VisualKeras. Мы можем сделать это с помощью pip, менеджера пакетов Python...
Векторы и линейные преобразования
линейная алгебра для нейронной сети с одним персептроном
Эта история суммирует мои заметки, основанные на концепциях и методах третьей недели курса deeplearning.ai Линейная алгебра для машинного обучения и науки о данных Луиса Серрано . Кроме того, я включил другие определения и иллюстрации из других источников. Вы можете просмотреть историю Решение системы линейных уравнений для связанных понятий и определений.
Векторы — это стрелки на плоскости или в многомерном..
Новые материалы
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..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..