Публикации по теме 'convolutional-network'
Введение в нейронные сети - от человека к искусственному
Нейронная сеть - самый популярный алгоритм машинного обучения на сегодняшний день. Он значительно превосходит другие алгоритмы, когда дело касается скорости, точности и точности.
Для начала, есть несколько вариантов нейронных сетей (NN), основные из которых следующие:
CNN: сверточные нейронные сети - особый тип искусственной нейронной сети (ИНС), в которой используется алгоритм модуля машинного обучения под названием перцептроны , позволяющий осуществлять контролируемое обучение и..
CNN против RNN против ANN - анализ трех типов нейронных сетей в глубоком обучении
Обзор
Ознакомьтесь с 3 различными типами нейронных сетей в глубоком обучении Понять, когда какой тип нейронной сети использовать для решения проблемы глубокого обучения. Мы также сравним эти разные типы нейронных сетей в удобном для чтения табличном формате!
Почему именно глубокое обучение?
Это уместный вопрос. Нет недостатка в алгоритмах машинного обучения , так почему же специалистам по данным следует тяготеть к алгоритмам глубокого обучения? Что нейронные сети предлагают, чего..
Понимание «быстрой свертки Винограда»
Глубокое обучение зависит от скорости. Более быстрое обучение позволяет создавать более крупные и сложные сети. Нам всегда нужны более быстрые сети, чтобы быстрее обнаруживать пешеходов в автономных автомобилях, а также для включения сетей на встроенных устройствах с ограниченными ресурсами и по бесконечному множеству других причин. В архитектурах CNN большую часть времени используют слои свертки. Сегодня мы поговорим о алгоритме Винограда , который может уменьшить количество..
Испытание Kaggle «Собаки против кошек» - Полное пошаговое руководство - Часть 2
# Использование сверточной нейронной сети (CNN) - Керас
Благодаря наличию огромного объема данных и вычислительной мощности алгоритмы глубокого обучения работают все лучше и лучше. Алгоритмы глубокого обучения способны достичь высочайшего уровня производительности в задачах компьютерного зрения, во многих случаях превосходя производительность человека.
В этой серии статей «Keras Dogs vs.Cats Challenge» я постараюсь дать вам общее представление о решении любой проблемы..
Обнаружение падения с помощью PyTorch
Введение
Сегодня обнаружение падений является серьезной проблемой в секторе здравоохранения, поскольку оно приводит как к физическим, так и к металлическим повреждениям людей, особенно пожилых людей. По мере того как наше общество превращается в стареющее, оно становится еще более обеспокоенным. Сегодня для его предотвращения разрабатывается множество технологий (подробнее читайте в этом обзоре ).
То, что мы собираемся сделать, - это всего лишь одна альтернатива, которую мы можем..
Сверточные нейронные сети — Часть 4: Объединение и полносвязный уровень
Это четвертая часть моей серии статей о сверточных нейронных сетях. Вот необходимые части для этого поста:
Часть 1. Обнаружение границ Часть 2. Заполнение и пошаговые свертки Часть 3: свертки над объемом и сверточный слой
Заключительная часть серии объясняет, почему использовать свертки в нейронной сети может быть отличной идеей:
Часть 5. Зачем нужны свертки ?
1. Слой объединения
Помимо сверточных слоев, ConvNets часто также используют слои пула, чтобы..
Анатомия высокопроизводительной свертки
Этот пост был первоначально опубликован на https://sahnimanas.github.io 26 августа 2019 г.
На моем не слишком потрепанном процессоре ноутбука я могу запускать самые распространенные модели CNN за (максимум) 10–100 миллисекунд с такими библиотеками, как TensorFlow. В 2019 году даже смартфон может запускать «тяжелые» модели CNN (например, ResNet) менее чем за полсекунды. Представьте себе мое удивление, когда я рассчитал свою простую реализацию сверточного слоя и обнаружил, что для..