Публикации по теме 'fastai'


Случайные леса и деревья решений с нуля на Python
Вступление Случайный лес - яркий пример метода ансамблевого машинного обучения. Проще говоря, метод ансамбля - это способ агрегировать менее предсказательные базовые модели для создания более предсказательной модели. Случайные леса, как можно было интуитивно догадаться, объединяют различные деревья решений для создания более обобщенной модели за счет уменьшения пресловутой тенденции к чрезмерной подгонке деревьев решений. И деревья решений, и случайные леса могут использоваться для..
Классификация достопримечательностей Токио с помощью трансферного обучения
Классификация изображений - одна из старейших и разрабатываемых задач компьютерного зрения и глубокого обучения. Фактически, разработано настолько, что любой, у кого есть некоторый опыт программирования, может собирать свои собственные данные, обучать модели с приличной точностью и развертывать их с помощью нескольких строк кода. Что оказало значительное влияние, так это доступность больших наборов данных, таких как ImageNet и CIFAR10, и инструментов разработки, таких как Pytorch и fastai,..
Классификация микробов с использованием глубокого обучения
Классификация 12 видов микробов с помощью библиотеки fast.ai Проблема : идентификация микробов с помощью световой микроскопии может занять много времени и требует хорошо подготовленных микробиологов. Может ли алгоритм глубокого обучения успешно различать 12 различных классов микробов? Данные : DIBaS ( http://misztal.edu.pl/software/databases/dibas/ ) Полный набор данных содержит 660 изображений 33 различных родов и видов. В качестве доказательства концептуального проекта сегодня..
Медицинские изображения — Случаи использования глубокого обучения
абхик джха (@abhikjha) | Twitter Последние твиты от abhik jha (@abhikjha): 'Я только что опубликовал Predicting Sensex https://t.co/aAJIoE8JK1' twitter.com Преамбула За последние несколько лет искусственный интеллект, особенно одна из его подобластей, глубокое обучение, продемонстрировал удивительный потенциал, способный изменить медицинскую науку. Использование глубокого обучения и его приложений не ограничивается прототипом или..
Перенести обучение на практику. Классификация изображений отелей с библиотекой fast.ai
Перенести обучение на практику. Классификация изображений отелей с библиотекой fast.ai В течение некоторого времени мы сосредоточились на расширении наших навыков в области искусственного интеллекта и машинного обучения, поскольку это, несомненно, одни из самых актуальных тем в разработке программного обеспечения. Погрузившись в глубокое обучение, мы решили создать простое, но полезное приложение. Классификация изображений - известная задача в глубоком обучении, но для новых..
Инициализация веса - Почему
Некоторое время назад (точнее, до этой части курса fast.ai ) я думал, что инициализация веса - это просто модное занятие. Веса ведь все равно поменяют? Итак, насколько это должно иметь значение? Ну… МНОГО !! Это может (и будет) разница между полным провалом и успехом (особенно, когда вы засыпаете). Еще не убедили, да? Думаешь, я преувеличиваю? Дайте мне пять минут, и я передумаю, ваши будущие модели будут вам благодарны. Почему это имеет значение? Просто полюбуйтесь на..
Как я создал собственный набор данных для проекта машинного обучения
Моя история создания собственного набора данных В какой-то момент, решая свой следующий большой проект в области машинного обучения, вы могли бы достичь точки, когда вы обнаружили бы, что не существует готового набора данных для постановки задачи, которую вы преследуете. Что ж! Я тоже столкнулся с такой же ситуацией, и вот история того, как я с ней справился. Эта статья адаптирована на урок 2 курса fastai v2. История происхождения Все началось пару дней назад, когда я..