Публикации по теме 'tensorflow'
Извлечение сигналов из временных рядов с шумами с помощью кодеров RNN и Seq2vec (в комплекте батарейки)
Я только что опубликовал эту объединенную среду для быстрого экспериментирования с глубоким обучением. Среда содержит образец рекуррентной нейронной сети и кодировщик seq2vec, используемый для извлечения сигналов из синтетических временных рядов с шумом. Пакет также доступен на DockerHub в виде образа .
К счастью, вам не придется возиться со всеми болезненными деталями, касающимися версий пакетов, отсутствующих компонентов, несовместимых дистрибутивов - «батарейки включены» здесь..
ОСНОВЫ TENSORFLOW/KERAS — ЧАСТЬ 1
Я полагаю, что любой, кто интересуется AI/ML, слышал о TensorFlow/Keras, и многие из вас, возможно, даже работали с ним для создания и обучения нейронных сетей.
Это серия из нескольких частей для начинающих, в которой я постараюсь максимально подробно и просто осветить основы TensorFlow. Без лишних слов, давайте начнем с изучения основ тензоров в этой части.
ТЕНЗОРЫ
Проще говоря, тензоры — это контейнеры или структуры данных. Почти всегда они используются для хранения чисел,..
Генератор пословиц йоруба с использованием нейронной сети
Генерация пословиц с использованием двухслойных моделей LSTM
Введение
Пословицы – это мудрые изречения, дающие советы о жизни. Они жемчужины мудрости. Иногда мы можем не понимать большую лекцию, но мы очень легко понимаем небольшую пословицу, потому что истина, которую они говорят, может охватывать весь земной шар. Они также могут придать большую силу тому, что передается.
Генератор пословиц — это идея заставить ваше устройство генерировать пословицы для вас, давая ему слово, и..
Улучшите производительность вашей модели глубокого обучения с помощью алгоритмов оптимизации
В предыдущей статье мы обсуждали, как размер пакета повышает производительность модели, в частности InceptionV3. Это показывает, что по мере увеличения размеров пакетов модель лучше учится на обучающих данных, которые вы вводили в модель, и делает более обобщенные прогнозы и результаты.
С тех пор мы прошли весь путь от Простая реализация InceptionV3 для классификации изображений до Поиск разницы между размерами пакетов для производительности модели . Теперь мы можем проверить, есть..
Обучение нейронных сетей прогнозированию цен с помощью TensorFlow
Узнайте, как сделать вашу DNN более эффективной при решении задач регрессии: практическое руководство с TensorFlow и Keras.
Использование глубоких нейронных сетей для задач регрессии может показаться излишним (и довольно часто), но в некоторых случаях, когда у вас есть значительный объем многомерных данных, они могут превзойти любые другие модели машинного обучения.
Когда вы изучаете нейронные сети, вы обычно начинаете с некоторой проблемы классификации изображений, такой как набор..
Создание CNN с нуля с использованием Tensorflow (набор данных MNIST)
Мои прошлые блоги TensorFlow освещали основы Tensorflow , построение классификатора с использованием TensorFlow и TensorFlow-lite . Теперь я расскажу, как создать сверточную нейронную сеть (CNN) из скретч для набора данных MNIST .
Надеюсь, вы знакомы с базовой структурой CNN. Если нет, просто исследуйте здесь .
Это блог, в котором весь код !!
Этот блог разделен на следующие основные части:
Определение функций для ваших слоев Создание вашей модели, добавление..
Введение в TensorFlow для искусственного интеллекта, машинного обучения и глубокого обучения: часть 3
Улучшение зрения с помощью сверточных нейронных сетей
Задача классификации моды. Первоначальное обсуждение посвящено использованию нейронной сети для классификации моды. Задача включает в себя обучение глубокой нейронной сети (DNN) для классификации предметов моды на основе их изображений. Цель состоит в том, чтобы повысить точность классификации путем изучения различных подходов. Сверточные нейронные сети (CNN): CNN представлены как потенциальное решение для улучшения задачи..
