Публикации по теме 'neural-networks'
Контролируемое машинное обучение: классификация с нейронными сетями и без них
Серия машинного обучения № 1 (техническое содержание впереди)
Машинное обучение с учителем — это популярный тип машинного обучения, при котором алгоритм учится на размеченных данных и делает прогнозы на основе новых, невидимых данных. Одной из основных задач контролируемого обучения является классификация, которая включает назначение меток данным на основе выбранных функций.
Классификация играет жизненно важную роль в различных областях, таких как обнаружение спама, распознавание..
Семантический анализ в React Native с использованием Tensorflow
Искусственный интеллект и машинное обучение — чрезвычайно популярные концепции в последнее время. Отсюда и неудивительно, что все больше случаев использования их возможностей непосредственно на мобильных устройствах. Среди библиотек, которые позволяют использовать модели машинного обучения в приложениях React Native, мы можем найти:
Tensorflow.js PyTorch в прямом эфире
В этом случае машинное обучение можно использовать для различных задач, связанных с распознаванием изображений,..
Основные параметры нейронной сети
Параметры относятся к регулируемым значениям, которые используются для оптимизации производительности сети. Эти значения обычно являются весами и смещениями нейронов сети, и они корректируются в процессе обучения, чтобы минимизировать функцию потерь и повысить точность прогнозов сети. Процесс корректировки этих значений известен как оптимизация и обычно выполняется с использованием алгоритма оптимизации, такого как стохастический градиентный спуск (SGD) или метод Адама.
Существует..
Введение в PyTorch (6/7)
Предыдущий ‹‹ Введение в PyTorch (5/7)
В этом модуле мы рассмотрим, как загрузить модель вместе с ее сохраненными состояниями параметров и прогнозами модели вывода. Чтобы загрузить модель, мы определим класс модели, который содержит состояния и параметры нейронной сети, используемой для обучения модели.
%matplotlib inline
import torch
import onnxruntime
from torch import nn
import torch.onnx as onnx
import torchvision.models as models
from torchvision import datasets
from..
Раздача комментариев к статьям с использованием нейронной сети с подкреплением
Не смотрите комментарии . Когда вы позволяете пользователям оставлять комментарии к вашим содержательным страницам, вы сталкиваетесь с проблемой, которую не все из них стоит показывать - проблема, которую трудно решить, отсюда и пословица. В этой статье я покажу, как эта проблема была решена с помощью обучения с подкреплением во время обслуживания на сайтах с контентом Yahoo, используя платформу с открытым исходным кодом Vespa для создания масштабируемого производственного решения...
Тензоры - представление данных в нейронных сетях
Что вы узнаете?
Тензоры Ключевые атрибуты тензора Примеры тензоров из реального мира
Что такое тензор?
Это контейнер данных, который помогает хранить различные измерения данных в нейронных сетях.
Библиотека машинного обучения Google TensorFlow была названа в их честь.
Скалярные тензоры или тензоры ранга 0 или 0-D
Тензор, содержащий только одно число, называется скаляром. Скалярный тензор имеет 0 осей (ndim == 0) Число осей называется рангом тензора.
Код:..
LSTM — Введение простыми словами
LSTM — долговременная кратковременная память — это улучшение по сравнению с рекуррентной нейронной сетью для устранения неспособности RNN обучаться при наличии прошлых наблюдений, превышающих 5–10 дискретных временных шагов между соответствующими входными событиями и целевыми сигналами (проблема исчезающего / взрывающегося градиента). LSTM делает это, вводя единицу памяти, называемую «состоянием ячейки». Давайте посмотрим на диаграмму ниже, чтобы понять основные строительные блоки LSTM...