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..