Публикации по теме 'deep-learning-framework'
Беспроводная связь с машинным обучением: библиотека Sionna Python
Как и во всех других областях, методы машинного обучения и глубокого обучения в последнее время все чаще применяются и используются в исследованиях и разработках в области беспроводной связи. В последнее время растет число публикаций по системам беспроводной связи, в которых изучаются методы машинного обучения для повышения производительности и энергоэффективности систем беспроводной связи или снижения аппаратной и вычислительной сложности этих систем.
Некоторые из популярных методов..
Многозадачные модели НЛП в DeepPavlov
В реальных задачах инженерам машинного обучения часто приходится решать несколько конкретных задач одновременно, а не одну. Для этого они используют модели типа BERT , которые предварительно обучаются на большом объеме данных, а затем настраиваются под каждую конкретную задачу. Итак, это однозадачные модели.
Однако размещение множества однозадачных моделей может потребовать большого количества ресурсов графического процессора и оперативной памяти, что приведет к высоким затратам...
Начало работы с НЛП с использованием фреймворка PyTorch
PyTorch - одна из самых популярных фреймворков глубокого обучения , основанная на Python и поддерживаемая Facebook.
В этой статье мы рассмотрим классы, которые PyTorch предоставляет для помощи в обработке естественного языка (NLP).
В PyTorch есть 6 классов, которые можно использовать для задач, связанных с НЛП, с использованием повторяющихся слоев:
torch.nn.RNN torch.nn.LSTM torch.nn.GRU torch.nn.RNNCell torch.nn.LSTMCell torch.nn.GRUCell
Понимание этих классов, их..
Неизвестная архитектура и алгоритм глубокого обучения, часть 1
Новый алгоритм и архитектура глубокого обучения
Наш мир полон удивительных вещей. Но это не означает, что у нас есть ограниченное количество архитектур в машинном обучении и глубоком обучении, чтобы вы могли проводить исследования только как один из способов. Исследования полны удивительной коллекции архитектуры глубокого обучения. Итак, в этой статье я собрал этот тип архитектуры, который может быть полезен для вашего следующего проекта глубокого обучения.
1. Неявные автоэнкодеры..
Лучшие фреймворки для глубокого обучения №3
Привет, народ,
Глубокое обучение — это подмножество машинного обучения, которое включает искусственные нейронные сети в процесс обучения. Это может быть контролируемым, полуконтролируемым или неконтролируемым. Внедрение моделей глубокого обучения в Python упрощается благодаря встроенным фреймворкам. Это упрощает создание сложных нейронных сетей (NN), помогая сократить время кодирования, необходимое для создания NN с нуля. Давайте рассмотрим третье место среди лучших фреймворков для..
Мое путешествие с открытым исходным кодом со Student Code-IN
Все мы, наверное, хоть раз в жизни сталкивались со словами «Информатика — это будущее». Большинство студентов-инженеров заинтригованы компьютерами и в конце концов немного изучают программирование. Я всегда был убежден, что вы ничему не научились, если не можете применить это на деле. В большинстве случаев люди придумывают свои собственные проекты (например, проекты систем управления базами данных), а в других случаях трудно найти что-то интересное для работы.
Вот тут-то и появляются..
Учебное пособие по обнаружению объектов в TensorFlow - обнаружение объектов в реальном времени
Создание точных моделей машинного обучения, способных идентифицировать и локализовать несколько объектов на одном изображении, оставалось основной задачей компьютерного зрения. Но с учетом последних достижений в области глубокого обучения обнаружение объектов стало проще разрабатывать, чем когда-либо прежде. API обнаружения объектов TensorFlow - это платформа с открытым исходным кодом, построенная на основе TensorFlow, которая упрощает создание, обучение и развертывание моделей..
