Публикации по теме 'cnn'


CNN для аудио классификации
Учебник по глубокому обучению для классификации аудио с использованием tensorflow Сверточные нейронные сети CNN или сверточные нейронные сети - это тип алгоритма глубокого обучения, который действительно хорошо распознает изображения. Это потому, что они могут изучать шаблоны, которые являются инвариантными и имеют пространственную иерархию (F. Chollet, 2018). Это означает, что если CNN узнает собаку в левом углу изображения выше, то он сможет идентифицировать собаку..
Интеграция машинного обучения с Jenkins 🤝
Задание Mlops- 3 ☆*: 1. Создайте образ контейнера с Python3 и Keras или numpy, установленным с помощью Dockerfile. 2. Когда мы запускаем этот образ, он должен автоматически запускать обучение модели в контейнере. 3. Создайте цепочку заданий job1, job2, job3, job4 и job5, используя плагин конвейера сборки в Jenkins. 4. Job1: автоматическое получение репозитория Github, когда некоторые разработчики отправляют репозиторий на Github. 5. Job2: просмотрев код или программный файл,..
Введение
Соответствующие технологии обеспечения качества глубокого обучения Это вторая статья из серии из двух частей о системах контроля качества и глубоком обучении. Вы можете прочитать часть 1 здесь . Глубокое обучение — это подраздел машинного обучения, целью которого является использование машин для абстрагирования данных с помощью нескольких уровней обработки и сложных алгоритмов. Хотя глубокое обучение похоже на искусственный интеллект (ИИ) и машинное обучение, оно использует более..
Подсчет толпы и очередей
Regional-CNN (R-CNN) используют скользящее окно для поиска объекта. Толпы с высокой плотностью не подходят для раздвижных окон из-за высокой окклюзии: Неудачная попытка с готовым (без переподготовки) TensorFlow R-CNN Дальнейшее изучение этого подхода привело меня к TensorBox , но у него тоже были проблемы с высокой загруженностью и большим количеством посетителей. Карты плотности спешат на помощь Вместо скользящего окна карты плотности (также известные как тепловые карты)..
Модель классификации пород собак: проект DSND Capstone
Определение проекта Обзор проекта Область машинного обучения (МО), которая всегда была мне очень интересна, — это глубокое обучение и его способности помогать в выполнении повседневных задач. Например, я разговаривал с несколькими специалистами по данным и инженерами по машинному обучению, чтобы использовать возможности Сверточных нейронных сетей (CNN или ConvNet) , чтобы помочь с автоматизацией упаковки еды в компании по заказу еды или помочь определить, сколько объектов..
Введение в глубокое обучение.
Углубленное обучение — увлекательная и очень популярная тема. Как только вы начнете понимать концепции и их применение, вы поймете глубину поля и почему это так популярно! ДЛ изменит мир. Он может быть реализован во многих областях, таких как медицина, бизнес и многие другие. ДЛ - сложная тема. За этим стоит много математики. Сегодня мы не будем слишком сильно зацикливаться на математике. Мы говорим только о вводной части. Мы ответим на часто задаваемые вопросы о DL. Итак, что..
Сверточная нейронная сеть - в двух словах
Ограничение обычной нейронной сети В обычной нейронной сети входные данные преобразуются через серию скрытых слоев с несколькими нейронами. Каждый нейрон связан со всеми нейронами в предыдущем и следующем слоях. Такое расположение называется полностью связанным слоем, а последний слой является выходным слоем. В приложениях компьютерного зрения, где входом является изображение, мы используем сверточную нейронную сеть , потому что обычные полносвязные нейронные сети не работают. Это..