Публикации по теме 'heartbeat'
Использование сервисов переднего плана для выполнения длительных процессов в Android
В своем последнем блоге я говорил о том, как разработчики могут использовать сопрограммы Kotlin для эффективного решения длительных задач в своих приложениях:
Прекращение поддержки AsyncTask в Android с помощью Kotlin Coroutines R.I.P AsyncTask - вам будет не хватать! heartbeat.comet.ml
Описанный метод хорошо работает, когда пользователь использует ваше приложение, но как только пользователь выходит из приложения, система убивает..
Основные проблемы наборов данных машинного обучения: часть 1
И как с ними бороться
Данные играют ключевую роль в машинном обучении, и чем более качественные и релевантные данные у вас есть, тем точнее будет построенная вами модель. Однако получение идеальных данных по-прежнему остается мечтой многих специалистов по данным. Многие данные поступают из веб-скрапинга, API и других внешних источников, и большинство реальных наборов данных будут выглядеть просто уродливой стопкой информации, по крайней мере, поначалу. Однако данные будут говорить..
Инженерия за свертками
В этом посте я расскажу, как эффективно реализовать CNN в таких средах глубокого обучения, как TensorFlow и PyTorch.
Когда я писал свой собственный фреймворк для бинаризованных CNN на C ++, я ожидал, что он будет работать так же быстро, как PyTorch. Результат - моя реализация Conv была в 100 раз медленнее, чем PyTorch. Я даже сравнил количество FLOP в моем коде с PyTorch. Но счетчик FLOP был таким же.
После нескольких дней оптимизации моего кода на C ++ я понял, что это..
Добавление пользовательского обнаружения объектов в приложение iOS с помощью Turi Create и Fritz AI
Добавление пользовательского обнаружения объектов в приложение iOS с помощью Turi Create и Fritz AI
Версия этого руководства для блокнота Google Colab находится здесь .
В этом руководстве вы узнаете, как обучить пользовательскую модель обнаружения объектов и интегрировать ее в приложение iOS с помощью Turi Create и Fritz AI .
Обнаружение объектов - это задача компьютерного зрения, которая обнаруживает и идентифицирует объекты на изображениях или видео. Модели обнаружения..
Исчезающие/взрывающиеся градиенты в глубоких нейронных сетях
Построение модели нейронной сети может быть очень сложным, а настройка модели нейронной сети может сделать ее еще более запутанной. Одной из наиболее распространенных проблем при работе с глубокими нейронными сетями является исчезающий и/или взрывной градиентный спуск. Чтобы этого не произошло, одним из решений является инициализация весов.
Инициализация весов в нейронных сетях помогает предотвратить исчезновение или взрыв выходных данных активации слоя во время прямой обратной связи...
Алгоритм градиентного спуска
Алгоритмы с нуля
Алгоритм градиентного спуска
Шаги к минимуму
Градиентный спуск — один из наиболее часто используемых алгоритмов оптимизации в машинном обучении. Весьма вероятно, что вы столкнетесь с ним, поэтому стоит потратить время на изучение его внутренней работы. Для начала: оптимизация — это задача минимизации или максимизации целевой функции.
Обычно мы предпочитаем минимизировать целевую функцию в контексте машинного обучения, а градиентный спуск — это эффективный в..
Разработка спам-фильтра с ансамблевым обучением
Фильтрация сообщений в спам / ветчину с использованием классификатора голосования
В связи со стремительным ростом и ростом популярности социальных сетей в Интернете, проблема рассылки спама также прижилась. Эта реальность не только приводит к неконтролируемому распространению вредоносных программ / вирусов, но также включает рекламную рекламу, фишинг и мошенничество, а также потребляет большие объемы пропускной способности сети, что приводит к снижению доходов и значительным финансовым..
