Публикации по теме 'deeplearing'
Функции активации для нейронных сетей
При построении нейронной сети нам необходимо выбрать функцию активации для слоев нейронной сети. Основная цель функции активации состоит в том, чтобы ввести нелинейность в выходной сигнал нейрона. Без использования функций активации слои нейронной сети будут просто линейно преобразовывать входные данные, что никогда не даст желаемых результатов, за исключением, возможно, некоторых задач линейной регрессии.
Здесь я собираюсь обсудить четыре наиболее распространенные функции активации,..
Amazon SageMaker — Принесите свой собственный алгоритм
Первоначально опубликовано на https://thelastdev.com 1 апреля 2020 г.
В предыдущих сообщениях мы исследовали Amazon SageMaker’s AutoPilot , который был потрясающим, и мы узнали, как использовать свой собственный алгоритм с Docker , что было прекрасно, но немного запутанно. В этом посте мы увидим, как легко создать собственный алгоритм, используя режим сценария в SageMaker. Мы снова будем использовать новую SageMaker Studio!
Давайте посмотрим на ресурсы, которые мы будем..
Используйте взвешенную функцию потерь для решения проблем несбалансированной классификации данных
Несбалансированные наборы данных — распространенная проблема в задачах классификации, когда количество экземпляров в одном классе значительно меньше, чем количество экземпляров в другом классе. Это приведет к предвзятым моделям, которые плохо работают с классом меньшинства.
Взвешенная функция потерь — это модификация стандартной функции потерь, используемой при обучении модели. Веса используются для назначения более высокого штрафа за неправильную классификацию класса меньшинства...
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..
Овладение языками: раскрывая силу нейронного машинного перевода с вниманием
В мире, где языки объединяют людей из разных культур, способность преодолевать языковые барьеры стала как никогда важной. Откройте для себя нейронный машинный перевод (NMT), передовой подход, который позволяет машинам переводить текст с одного языка на другой с поразительной точностью. За кулисами NMT сочетает в себе мощь глубокого обучения и искусственного интеллекта, позволяя нам стать свидетелями впечатляющего слияния человеческого понимания языка и вычислительного мастерства.
В..
Пакетная нормализация в Deep Lean
Что такое нормализация партии?
Обычной практикой является нормализация данных перед их подачей на входной слой нейронной сети. С другой стороны, нормализация не ограничивается только входным слоем. В нейронной сети у нас также есть возможность применить нормализацию к выходным данным скрытых слоев. После нормализации эти выходные данные будут использоваться в качестве входных данных для скрытого слоя, следующего за ними. Следовательно, процесс нормализации в равной степени полезен..
Получите ценную корпоративную информацию из 10-тысячного отчета за 5 простых шагов с плотным поиском отрывков
В этой статье мы собираемся помочь менеджеру по продажам Филу извлечь полезные знания из pdf-файлов корпоративного годового отчета с помощью глубокого обучения (мы используем поиск с плотным проходом (DPR) и экстрактивные ответы на вопросы (eQA)).
Оглавление
Настройка : подход менеджера по продажам к холодным звонкам Начнем с конца : взгляд на окончательный результат Внедрение инструмента для автоматического извлечения информации из 10 000 годовых отчетов за 5 шагов...
