Публикации по теме 'tensorflow'
Набор хитростей для эффективной классификации текста
Общие мысли: Хорошо написанный, воспроизводимый, строгий анализ по сравнению с сильными исходными данными.
Справочная информация
Нейронные сети обычно являются хорошим выбором для задач классификации текста в НЛП. Они, как правило, работают очень хорошо, однако они медленно обучаются, так как их полезность на больших наборах данных ограничена. Линейные классификаторы могут очень хорошо справиться с проблемами классификации текста, если выбраны правильные функции. Однако эти..
Этап 1: Начало работы с глубоким обучением — узнать, как учиться
Этап 1. Начало работы с глубоким обучением — научиться учиться
Когда Covid-19 был классифицирован как пандемия, Анжела и я почти закончили наш первый год обучения биомедицинской инженерии в Университете Ватерлоо. Внезапно мы перешли от сидения в классе 5 дней в неделю к внезапному возвращению домой и появлению большего количества свободного времени. Для Анжелы и меня это звучало как прекрасная возможность развить наши навыки и погрузиться во что-то новое — глубокое обучение.
Мы..
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..
5 обязательных проектов Python для веб-разработки, машинного обучения и многого другого
Python — один из самых популярных языков программирования в мире, и его популярность только растет. Благодаря своей простоте и универсальности Python — отличный выбор для широкого круга приложений, от веб-разработки и машинного обучения до разработки игр и анализа данных. Здесь мы представляем пять самых популярных проектов Python, на которые стоит обратить внимание, если вы только начинаете изучать язык.
Django: Django — это веб-фреймворк высокого уровня для Python, который упрощает..
Нейронная сеть в TensorFlow.NET
В этой статье мы узнаем, как построить граф модели нейронной сети на C#. Ключевое преимущество нейронной сети по сравнению с линейным классификатором заключается в том, что она может разделять данные, которые не могут быть разделены линейно. Мы реализуем эту модель для классификации изображений рукописных цифр из набора данных MNIST.
Структура нейронной сети, которую мы собираемся построить, выглядит следующим образом. Изображения рукописных цифр данных MNIST, которые имеют 10 классов..
Классификация изображений с использованием глубоких нейронных сетей - удобный для новичков подход с использованием TensorFlow
tl;dr
Мы построим глубокую нейронную сеть, которая сможет распознавать изображения с точностью 78,4%, объясняя при этом методы, используемые на протяжении всего процесса.
Вступление
Последние достижения в области глубокого обучения сделали возможными такие задачи, как распознавание изображений и речи.
Глубокое обучение: подмножество алгоритмов машинного обучения, которое очень хорошо распознает шаблоны, но обычно требует большого количества данных.
Глубокое обучение превосходно..
Освоение проверки данных с помощью TensorFlow
TensorFlow, популярная библиотека машинного обучения с открытым исходным кодом, предлагает мощный инструмент под названием TensorFlow Data Validation (TFDV) для облегчения проверки и предварительной обработки данных. В этой статье мы углубимся в TFDV и рассмотрим, как его можно использовать для повышения надежности конвейера машинного обучения.
Понимание проверки данных TensorFlow (TFDV)
Проверка данных TensorFlow (TFDV) — это библиотека, разработанная, чтобы помочь вам проверять,..
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..