Публикации по теме 'convolutional-neural-net'
Набор данных MNIST - TensorFlow
Набор данных MNIST - один из самых популярных наборов данных, который дает практические навыки работы с изображениями. В этой статье мы:
Используйте сверточные нейронные сети для данных изображений Создайте простую модель в TensorFlow
Давайте настроим нашу среду, импортировав библиотеки:
import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import..
Введение в сверточные нейронные сети
В этом посте мы собираемся пойти дальше и узнать, как работают сверточные нейронные сети, изучая все концепции, связанные со свёрточными нейронными сетями, мы также узнаем, как построить простую свёрточную нейронную сеть для классификации изображений на десять различных классов. Давайте начнем
Настройки, которые нам нужны
Для начала нам нужно установить пару библиотек. В этом посте я предполагаю, что вы уже знакомы с языком программирования Python для начала работы. Я также..
ResNet: основные выводы
На основе глубокого остаточного обучения для распознавания изображений He et al., 2015 г.
Обзор
Вопрос. Как мы можем добавить слои в нейронные сети, чтобы сделать их более точными?
Что они сделали, чтобы ответить на этот вопрос. Авторы сравнили, как добавление слоев в «простые» сети повлияло на их точность, и как добавление слоев в остаточные сети повлияло на их точность.
Мотивация/обоснование. Предыдущее исследование показало, что по мере увеличения глубины сети точность..
Глубокое обучение для диагностики изображений кожи с помощью fastai
Научитесь определять рак кожи и другие заболевания по дерматоскопическим изображениям.
Мы покажем, как использовать fast.ai для решения задачи Анализ поражения кожи на пути к обнаружению меланомы 2018 года и автоматического определения семи видов кожных патологий.
Автор: Альдо фон Вангенхайм - [email protected]
Это основано на следующем материале:
TowardsDataScience :: Классификация поражений кожи с помощью сверточных нейронных сетей - руководство и введение в глубокое..
Получение свертки из первых принципов
Основы глубокого обучения
Получение свертки из первых принципов
Вы когда-нибудь задумывались, что такого особенного в свертке? В этой статье я выведу свертку из первых принципов и покажу, что она естественным образом возникает из трансляционной симметрии.
Знание определенных принципов предлагает легкость а ля знание определенных фактов. (Клод Адриан Гельвециус)
Во время учебы в бакалавриате, которую я изучал по специальности «Электротехника» в Технионе в Израиле, меня всегда..
Обнаружение протекающего крана: решение проблемы, вызванной человеком, с помощью машинного обучения
Некоторое время назад я написал статью, в которой анализировал масштабы кризиса водоснабжения и санитарии во всем мире в разгар глобальной пандемии. Результаты были шокирующими. Такие страны, как Либерия, изо всех сил стараются обеспечить надлежащими санитарными станциями даже 1% своего населения, в то время как такие страны, как Туркменистан, имеют привилегию предоставить всем своим гражданам доступ к надлежащим средствам для мытья рук. В качестве попытки показать, что даже..
CNN фильтрует сходство — фильтры изучают одни и те же вещи?
Сверточные нейронные сети (CNN) — мощный инструмент для решения различных реальных задач. Для их обучения требуется гораздо меньше параметров, чем для сетей с прямой связью, из-за предположения о локальности: только соседние объекты должны обрабатываться вместе. Это предположение отлично работает, когда функции имеют естественный порядок или взаимное расстояние, такие как последовательности финансовых данных или матрицы изображений. Тем не менее, последние современные архитектуры требуют..
