Построение новой модели с минимальным дополнительным кодом Этот пост в блоге является частью мини-серии, в которой рассказывается о различных аспектах создания проекта глубокого обучения PyTorch с использованием вариационных автоэнкодеров. Часть 1 : Математические основы и реализация Часть 2 : Суперзарядка с помощью PyTorch Lightning Часть 3 : Сверточный VAE, наследование и модульное тестирование Часть 4 : Веб-приложение Streamlit и развертывание В этом разделе мы рассмотрим,..

Введение В этой статье мы рассмотрим, что такое MLE, его полезность и как можно получить/найти параметр модели для линейной регрессии. MLE означает оценку максимального правдоподобия, это генеративный алгоритм, который помогает определить параметры модели, которые максимизируют вероятность наблюдения данных, которые мы уже наблюдали. Проще говоря, предположим, что у нас есть данные (D) = {(x1,y1),(x2,y2),(x3,y3)….(xₙ,yₙ)}, взятые из некоторого неизвестного нам распределения. Например, у..

Генеративная модель - это мощный способ изучения любого вида распределения данных с использованием обучения без учителя, и она достигла огромных успехов всего за несколько лет. Все типы генеративных моделей нацелены на изучение истинного распределения данных обучающего набора, чтобы генерировать новые точки данных с некоторыми вариациями. Но не всегда возможно узнать точное распределение наших данных явно или неявно, поэтому мы пытаемся смоделировать распределение, которое максимально..