Публикации по теме 'cnn'
ВРЕМЕННЫЕ КОНВОЛЮЦИОННЫЕ СЕТИ
Эффективное и действенное обучение последовательностей
До недавнего времени выбором по умолчанию для задачи моделирования последовательности были RNN из-за их большой способности фиксировать временные зависимости в последовательных данных. Существует несколько вариантов RNN, таких как LSTM, GRU, способных фиксировать долгосрочные зависимости в последовательностях и достигших современного уровня производительности в задачах моделирования seq2seq.
Недавно специалисты по глубокому обучению..
Рукописные уравнения в LaTeX
Во время моего класса по распознаванию объектов и пониманию изображений мне пришлось выбрать свой собственный окончательный проект, и преобразование рукописных уравнений в реальный код LaTeX было одной из моих целей в течение длительного времени.
В основном преобразование таких вещей:
to
$\frac{977}{312}\lambda^3-580\neq 458$
который компилируется в:
$\frac{977}{312}\lambda³-580\neq 458$
Эта статья в блоге должна дать вам общее представление о том, как решить эту проблему,..
Глубокое обучение с Keras — классификация кошек и собак (часть 2)
Предыдущая статья достигла примерно 79–80% точности проверочного набора. Теперь мы можем улучшить это, включив отсев, а также еще один сверточный слой 2D.
# Импорт библиотек и пакетов Keras
from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
from keras.layers import Dropout
from keras import optimizers
# Инициализация CNN
classifier = Sequential()
# Шаг 1 — Свертка..
Какие полезные советы по выбору и настройке архитектуры сверточной нейронной сети и…
В Книге глубокого обучения для этого есть отдельная глава . Я порекомендую вам пройти через то же самое, поскольку в нем упоминается много вещей, которые я усвоил на собственном горьком опыте, то есть проведя несколько экспериментов.
Вот несколько вещей, которым я стараюсь следовать:
Почти наверняка выберите предварительно обученную модель (обычно AlexNet или VGGNet ) для запуска первого эксперимента. Почему? Это связано с тем, что эти модели были обучены на действительно..
HDSC Stage F OSP: Прогнозирование сорта вина с использованием НЛП
Построение модели, которая может предсказывать сорта вин, чтобы упростить выбор и покупку вин
Вино - это алкогольный напиток, приготовленный из сброженного сока винограда. Существуют разные сорта винограда, и из-за этих различий вкусы вина различаются. Самое раннее известное происхождение вина восходит к Китаю. С тех пор такая репутация завязана на знании качества вина. Это может показаться немного сложным, особенно если кто-то имеет представление о качествах, необходимых в вине,..
Модели CNN
LeNet
Модель LeNet - одна из самых простых моделей архитектуры. Мы начинаем с двухмерного ввода, поскольку LeNet обучается на черно-белых входах. Все слои свертки в LeNet используют свертку 5x5 без заполнения с момента заполнения. Для объединения слоев в модели используется среднее объединение. После последнего уровня объединения к нему присоединяется полностью связанный слой и, наконец, еще один полностью связанный слой для прогнозирования выходных данных.
Мы видим, что..
Выявление Covid-19 и пневмонии с помощью трансферного обучения
ResNet50 Transfer Learning с оптимизированными параметрами поиска по сетке для обнаружения Covid-19 и пневмонии
В предыдущих сообщениях мы создали несколько сетей CNN для решения бизнес-задач, начиная от дизайна одежды, обнаружения рака и обнаружения животных и т. Д. В этом сообщении мы вернемся к теме CNN. Но вместо создания модели с нуля мы воспользуемся трансфертным обучением и построим сеть на основе известной архитектуры CNN: ResNet50.
«Если я и видел дальше, то стоя на плечах..