Публикации по теме 'python'
PyTorch — 10 операций, которые вы должны знать | Восходящая звезда глубокого обучения
В мире глубокого обучения PyTorch превратился в огромную библиотеку, которая быстро набирает популярность, даже бросая вызов давнему доминированию TensorFlow. Ходят слухи, что даже Google рассматривал возможность перехода с TensorFlow на PyTorch.
Давайте рассмотрим ключевые функции PyTorch, с которыми должен быть знаком каждый энтузиаст глубокого обучения, прежде чем писать полную нейронную сеть.
1. Тензоры: основная структура данных
В основе PyTorch лежит тензор, похожий на..
Mojo: развитие потенциала Python и преодоление трудностей 🔥
Что такое моджо🔥? Введение в язык программирования Mojo.
Моджо🔥
Язык Mojo ставит перед собой амбициозные цели. Он направлен на достижение полной совместимости с экосистемой Python, обеспечивая плавный переход для пользователей Python. Он также отдает приоритет предсказуемой низкоуровневой производительности, предоставляя разработчикам детальный контроль. Кроме того, Mojo стремится разрешить развертывание определенных подмножеств кода для ускорителей.
Разработчики Mojo полны..
Как пройти через интерпретатор CPython
Если вы читали мои предыдущие сообщения, вы знаете, что мне нравится возиться с внутренними компонентами CPython, чтобы попытаться понять, как на самом деле работает python. Чтение исходного кода CPython помогает, но чтобы действительно понять, как работает python (или любой фрагмент кода), я считаю, что нужно пошагово выполнить код и понять поток управления. В этом посте я опишу процесс, которым я обычно следую, чтобы глубже изучить аспекты языка программирования python, которые меня..
Журнал причинно-следственных связей (день 3–5)
Ежедневные заметки для изучения, изучения и понимания структуры ПРИЧИННОГО ВЫВОДА. [после Causal Inference and Discovery in Python , написанного Александром Молаком ]
День 3
Регрессия и причинная интерпретация
Когда вы видите простое уравнение регрессии, такое как Y = AX + B, что вы неявно думаете? Разве вы не думаете таким образом? Если значение X изменить на одну единицу, значение Y изменится на A. И, честно говоря, такая интерпретация сбивает людей с толку, думая, что..
5 причин использовать FastAPI для создания веб-сервисов REST
Распространенным способом развертывания наших моделей машинного обучения является предоставление их через API веб-службы REST. И поскольку наша цель не создание веб-инструментов, мы предпочитаем использовать хорошо протестированную, готовую к использованию структуру, чтобы сократить время выхода на рынок.
При выборе фреймворка мы хотим получить правильный баланс между производительностью и производительностью. Обычно, если инструмент более специфичен и ближе к голому металлу, он будет..
Python и ремонтопригодность: отслеживание констант
Жестко закодированные строковые значения, которые присутствуют в вашем проекте, негативно влияют на вашу способность к изменениям, но есть простой способ обойти это.
Но, во-первых, что не так с волшебными струнами ?
Мы собираемся продемонстрировать использование статических классов для отслеживания констант в двух сценариях:
Объявление маршрутов в приложении FastAPI Отслеживание метрик и артефактов в конвейере машинного обучения
Словари
Вам просто нужно передавать данные...
Вероятностная и детерминированная регрессия с Tensorflow
Вероятностное глубокое обучение
Введение
Эта статья относится к серии «Вероятностное глубокое обучение». Эта еженедельная серия охватывает вероятностные подходы к глубокому обучению. Основная цель состоит в том, чтобы расширить модели глубокого обучения для количественной оценки неопределенности, то есть узнать, чего они не знают.
В этой статье будут рассмотрены основные различия между детерминированной и вероятностной регрессией. В целом, детерминированная регрессия практична, когда..
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..