Публикации по теме 'tensorflow'
БЫСТРОЕ ПУТЕШЕСТВИЕ С ИИ: КУРС V3. ЧАСТЬ 2. УРОК 14.2.
Документирование моего пути к fast.ai: ОБЗОР КОДА. SWIFT ДЛЯ TENSORFLOW (S4TF) ПРОЕКТ ГЛУБОКОГО ПОГРУЖЕНИЯ. СВЕТОЧНЫЕ НЕЙРОННЫЕ СЕТИ.
Для проекта «Урок 14.2» я решил глубже погрузиться в реализацию простой сверточной нейронной сети с использованием Swift For TensorFlow (S4TF) .
Мы будем использовать Официальную документацию API Swift для библиотеки глубокого обучения TensorFlow и Пример модели классификации MNIST , представленный в Официальном репозитории S4TF Models Github , в..
Команда Yahoo Big ML (машинное обучение) выпускает TensorFlowOnSpark
Команда Big ML (машинного обучения) Yahoo!, в которую входят Ли Ян, Джун Ши, Бобби Черн и Энди Фенг, подтвердила, что они предлагают сообществу TensorFlow OnSpark. Это новейшая платформа с открытым исходным кодом для распределенного глубокого обучения в кластерах больших данных.
Команда говорит, что она обнаружила, что для того, чтобы получить представление о больших объемах данных, им необходимо развернуть распределенное глубокое обучение. Но (и вот причина для нового выпуска) они..
Линейная регрессия в Керасе
В этой статье я объясню, как выполнить одиночную линейную регрессию в Python с использованием Keras и TensorFlow .
Полиномы
В старших классах учащиеся получают довольно точное представление о том, что такое многочлены; однако давайте вспомним их основные характеристики и поведение:
Знак старшего коэффициента многочлена показывает его конечное поведение. Степень полиномиальной функции предоставляет информацию о форме, поворотных точках и нулях графика. Максимальное количество..
Оптимизация кода TensorFlow для повышения производительности и возможности экспорта
Введение
Добро пожаловать в нашу постоянную серию «Изучаем TensorFlow для машинного обучения», в которой мы глубже погружаемся в увлекательный мир машинного обучения с использованием фреймворка TensorFlow. В нашей предыдущей статье мы представили основы TensorFlow и его важность в области искусственного интеллекта и машинного обучения. Сегодня мы продолжим наше путешествие, изучив еще несколько тем, которые еще больше улучшат ваше понимание и навыки работы с TensorFlow.
В мире..
Создайте свое первое мобильное приложение для машинного обучения
В этой статье мы расскажем, как обучить модель машинного обучения (ML) с помощью Teachable Machine , интегрировать модель с веб-приложениями и мобильными приложениями и, наконец, создать простую камень-ножницы-бумагу. игра для компьютера. В частности, мы будем строить модель классификации изображений, в которой мы показываем свою руку камере, и модель будет предсказывать, является ли рука «камнем», «бумагой» или «ножницами».
Что такое обучаемая машина?
Teachable Machine — это..
Машинное обучение с тензорным потоком #2
Логистическая регрессия
Логистическая регрессия — это статистический подход, используемый для моделирования вероятности определенного бинарного события, такого как «годен/не годен». Эта форма является основным принципом, который позже будет использоваться в распознавании изображений и других задачах классификации. Для классификации существует фактор точности, в отличие от регрессии, которая является всего лишь приближением. Логистическая регрессия используется для аппроксимации..
Сборка TensorFlow из исходников для инструкций SSE / AVX / FMA: стоит ли затраченных усилий?
Сообщение изначально опубликовано на casey.li/tensorflow-from-source
tl; dr: Да. Я получил ~ 40% более быстрое обучение только для ЦП на небольшой CNN, построив TensorFlow из исходников для использования инструкций SSE / AVX / FMA. Посмотрите несколько примеров флагов сборки . Затем сделать его"!
MNIST - это Привет, мир машинного обучения, а MNIST для начинающих TensorFlow - довольно удобный способ начать работу. Во всяком случае, настолько удобным, насколько может быть ML...
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..