Публикации по теме 'pytorch'
Обучение классификатора изображений в Pytorch
В этом блоге мы будем использовать набор данных CIFAR10, определим модель CNN, затем обучим модель и, наконец, протестируем модель на тестовых данных.
Импорт библиотек
import torch
import torchvision
import torchvision.transforms as transforms
Проверьте версию torchvision
torchvision.__version__
Вывод: ‘0.9.1+cu102’
Загрузите набор данных CIFAR10
Создайте преобразование изображений
Выходными данными наборов данных torchvision являются изображения PILImage диапазона [0,..
Теория линейной регрессии и применяется для начинающих с кодом на питоне
Определение линейной регрессии
Линейная регрессия — это модель, которая предполагает линейную связь между входными переменными (x) и одним выходом (y). Если входная переменная только одна, то это называется простой линейной регрессией. Если входных переменных больше одной, то это называется многомерной линейной регрессией. Линейная регрессия используется в области машинного обучения и статистики для понимания связи между входными и выходными переменными. Линейная регрессия очень..
Введение в PyTorch
Переход с TensorFlow
Недавно я читал несколько научных статей о машинном обучении. Я обнаружил, что во многих исследованиях, которые я читал, модели написаны в PyTorch.
Что такое ПиТорч? Почему PyTorch так важен?
PyTorch — это платформа машинного обучения, разработанная Meta. Это основной конкурент TensorFlow.
В результате небольшого дальнейшего исследования я обнаружил, что многие исследования ML/AI проводятся с использованием PyTorch, но компании предпочитают использовать..
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..
Простое управление моделями глубокого обучения с помощью конфигураций TOML
Возможно, вам никогда не понадобятся эти длинные аргументы CLI для вашего train.py.
Управление моделями глубокого обучения может быть затруднено из-за огромного количества параметров и настроек, которые необходимы для всех модулей. Учебному модулю могут потребоваться такие параметры, как batch_size или num_epochs , или параметры для планировщика скорости обучения. Точно так же модулю предварительной обработки данных могут потребоваться train_test_split или параметры для..
YoloV3 с пользовательским набором данных ? да.
Что такое YOLOv3?
YOLOv3 (You Only Look Once, Version 3) — это алгоритм обнаружения объектов в реальном времени, который идентифицирует определенные объекты в видео, прямых трансляциях или изображениях. YOLO использует функции, изученные глубокой сверточной нейронной сетью, для обнаружения объекта. Версии 1–3 YOLO были созданы Джозефом Редмоном и Али Фархади. Первая версия YOLO была создана в 2016 году, а версия 3, которая широко обсуждается в этой статье, была создана двумя годами..
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..
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..