WedX - журнал о программировании и компьютерных науках

Публикации по теме 'tensorflow'


Цель 3.14 — Совершенно новая домашняя страница!
Привет, команда, Aim 3.14 теперь доступен! Каждые 4–5 недель мы выпускаем новую версию Aim с функциями и исправлениями, внесенными сообществом. Новый выпуск Aim каждые несколько недель . С новыми функциями и исправлениями! 🚀 Мы стремимся демократизировать инструменты разработки ИИ. Спасибо замечательному сообществу Aim за помощь и вклад. Спасибо djwessel и Vahram-aimhub за их первые вклады🔥🔥🔥 Цель 3.14 Обзор Вот что нового в последней версии: Новая домашняя..

Умный способ сериализации / десериализации классов в / из графа Tensorflow
Умный способ сериализации / десериализации классов в / из графа Tensorflow Автоматически привязывать свои поля к графику тензорного потока и обратно Было бы здорово автоматически привязать поля класса к переменным тензорного потока в графе и восстанавливать их, не возвращая вручную каждую переменную? Код для этой статьи можно найти здесь , версию для ноутбука jupyter можно найти здесь Изображение у вас Model класс Обычно вы сначала строите свою модель, а затем..

Максимальное повышение производительности модели за счет эффективного мониторинга модели машинного обучения
Машинное обучение произвело революцию в способах решения сложных задач, от распознавания изображений и обработки естественного языка до прогнозной аналитики. Однако построить модель машинного обучения — это только полдела. Чтобы убедиться, что ваша модель работает оптимально, важно регулярно контролировать ее производительность. В этом сообщении блога мы рассмотрим важность мониторинга модели и обсудим некоторые эффективные стратегии для максимизации производительности модели. Здесь..

Машинное обучение в трейдинге и финансах
Количественные финансы — 10 лучших программ сертификации и обучения (№7) Коллеги, седьмое место в нашей Топ-10 обратного отсчета занимает программа Машинное обучение в трейдинге и финансах от Нью-Йоркского финансового института и Google Cloud. Он поможет вам в количественной торговле, парной торговле и импульсной торговле. Вы сможете разрабатывать базовые количественные торговые стратегии, создавать модели машинного обучения с использованием Keras и TensorFlow, строить модель..

TensorFlow на конференции O’Reilly AI Conference
Этой осенью мы объединились с Google Cloud и O'Reilly Media, чтобы представить полные четыре дня обучения TensorFlow на конференциях O'Reilly по искусственному интеллекту - как в Сан-Франциско (4–7 сентября), так и в Лондоне . (8–11 октября). Мы работали с организатором конференции, чтобы сделать все учебные пособия и занятия открытыми для любого обладателя пропуска на конференцию. обзор программы Мы представим целый ряд сессий, ориентированных на TensorFlow, которые проводят..

Простой шаблон проектирования для повторяющегося глубокого обучения в TensorFlow
tl; dr: вы можете скрыть / инкапсулировать состояние произвольных повторяющихся сетей с помощью одной страницы кода В идеальном мире каждая статья по глубокому обучению, предлагающая новую архитектуру, будет связана с легкодоступным репозиторием Github с реализованным кодом. На самом деле вам часто приходится вручную кодировать переведенные уравнения самостоятельно, делать кучу предположений и много отлаживать, прежде чем вы получите что-то, что может или не может быть связано с..

Вставьте TensorBoard в окно Google Colab при использовании Google Диска с помощью 2 строк кода
Google Colab предоставляет встроенный блокнот Jupyter, который можно интегрировать с вашим Google Диском для доступа к файлам. Его туз-карта — это бесплатное использование графического процессора (GPU), который в противном случае был бы очень дорогой покупкой, если бы он использовался на вашем локальном компьютере. Он обеспечивает идеальную среду для всех ваших проектов машинного обучения / глубокого обучения. Tensorboard — это «глаза и уши» обученной модели нейронной сети. Он..

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..


Для любых предложений по сайту: wedx@cp9.ru