Публикации по теме 'convolutional-network'
Матч в клетке для глубокого обучения: максимальный пул против сверток
В то время как CNN Есть много вариантов. Давайте сравним Max Pooling с Convolutions в контексте построения автокодировщика для сжатия образов Atari.
Операция Max Pooling обычно реализуется как ядро 2x2 с шагом 2, которое принимает максимальное значение и записывает его в карту функций.
Но подождите, а зачем вообще Max Pooling? Поскольку у нас уже есть свертки, почему бы просто не использовать ядро 2x2 с шагом 2? Теоретически это было бы лучше, потому что он мог бы..
Трансформаторы зрения или сверточные нейронные сети? Оба!
Изучение различных способов создания гибридных архитектур с использованием сверточных нейронных сетей и преобразователей изображения.
В области компьютерного зрения на протяжении многих лет доминируют сверточные нейронные сети (CNN). Благодаря использованию фильтров эти сети могут создавать упрощенные версии входного изображения, создавая карты функций, которые выделяют наиболее важные части. Эти особенности затем используются многослойным персептроном для выполнения желаемой..
В чем разница между CNN и RNN?
Сегодня в машинном обучении широко используются сверточные нейронные сети и рекуррентные нейронные сети. Однако они часто используются для совершенно разных случаев использования.
В машинном обучении каждый тип искусственной нейронной сети адаптирован к определенным задачам. В этой статье будут представлены два типа нейронных сетей: сверточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN). Используя популярные видеоролики Youtube и наглядные пособия, мы объясним разницу..
Распознавание лиц с использованием Python
Создайте простое распознавание лиц, используя библиотеки Python и face_recognition .
Распознавание лиц становится полезной тенденцией в разработке программного обеспечения. Это помогает идентифицировать лица и делает приложение более надежным. В этом уроке мы создадим простое распознавание лиц, используя библиотеки python и face_recognition .
Для среды разработки мы будем использовать Visual Studio Community Edition. Если он еще не установлен на вашем компьютере, вы можете..
Сверточная нейронная сеть для набора данных MNIST
Импорт зависимостей
import pandas as pd
import numpy as np
import tensorflow
import keras
from tensorflow.keras.layers import BatchNormalization,Flatten,Dropout,Dense,Conv2D,MaxPooling2D
from sklearn.metrics import confusion_matrix
from keras.models import Sequential
import matplotlib.pyplot as plt
import seaborn as sns
Загрузите набор данных
Набор данных, который мы используем, не нуждается в представлении. Набор данных MNIST содержит 60 000 рукописных изображений цифр от 0 до 9..
Визуализация CNN
Эта статья охватывает содержание, обсуждаемое в модуле Визуализация CNN Курса глубокого обучения , и все изображения взяты из одного и того же модуля.
До сих пор мы видели несколько стандартных CNN . В этой статье мы попытаемся ответить на следующий вопрос: какие образы вызывают срабатывание определенных нейронов, что изучает фильтр, насколько хороши скрытые представления
Рецептивное поле нейрона:
Давайте рассмотрим сценарий, в котором у нас есть трехслойная CNN, и мы используем..
Мой первый проект в качестве программиста.
Чтобы стать программистом, нужно не только изучить синтаксис и концепции языка программирования, но и понять, как использовать эти знания для создания программ. Вы сделали кучу программ в этом курсе, в задачах и проектах, но теперь вам нужно придумать идеи для новых программ — идеи, которые лично вам очень нравятся — и попытаться превратить их в настоящие программы.
Итак, моим первым проектом было Хирургическое Фазовое Распознавание ( SurgicalAI/Surgical-Phase-Recognition- (github.com)..
