Публикации по теме 'transfer-learning'
Итак, вы думаете, что у вас недостаточно данных для машинного обучения
Спросите новичка, почему машинное обучение такое сложное, и вы, скорее всего, получите ответ в виде «математика очень сложна» или «Я не совсем понимаю, что такое все эти слои». делать' . Хотя это очевидно верно, и, безусловно, интерпретация моделей машинного обучения — запутанная тема, правда в том, что машинное обучение сложно, потому что чаще всего имеющиеся у нас данные не соответствуют сложности наших моделей. На практике это очень распространенная проблема, и, поскольку ваши модели..
Как социологи могут использовать трансферное обучение для запуска проекта глубокого обучения
Социологи все чаще применяют методы машинного обучения для анализа больших объемов текста, изображений и других типов данных. Эти методы, которые включают в себя различные типы моделей глубокого обучения , позволяют исследователям оценивать важные концепции и моделировать человеческое поведение и информационные потоки инновационными способами. Однако отсутствие устоявшихся передовых практик в этой быстро меняющейся области может затруднить реализацию этих методов. В этом посте..
Обнаружение карт в Hearthstone с помощью Transfer Learning
У меня была задача для стартапа, цель которой заключалась в обнаружении карт на доске Hearthstone с помощью сверточной модели. Поскольку у меня не было доступного графического процессора, я решил использовать трансферное обучение с некоторой тонкой настройкой, чтобы избежать обучения новой модели. Цель этой статьи — рассказать о моем подходе к решению этой проблемы. Я не буду подробно объяснять различные части.
Создание набора данных
Первой задачей было создать набор данных, так..
Распознавание лиц с помощью VGG16
В этой статье мы увидим распознавание лиц с использованием VGG16 с использованием концепции трансферного обучения.
Перенос обучения — это «перенос» изученных весов на другую задачу. Используем модель, разработанную для одной задачи, в другой аналогичной задаче.
VGG16 — это усовершенствованный алгоритм CNN. Мы загрузим предварительно обученную модель VGG16. VGG работает с данными изображений размером 224*224 пикселя. Здесь мы будем использовать веса imagenet.
Затем замораживаем..
Трансферное обучение - как использовать предварительно обученную модель для ускорения обучения машинному обучению
Автор: Hide Inada
Постановка задачи
Представьте, что вы инженер по машинному обучению, работающий на веб-сайте для обмена фотографиями. Однажды утром ваш менеджер приходит к вам и просит вас разработать функцию, которая классифицирует изображения продуктов питания по категориям, чтобы на веб-сайте вашей компании можно было показывать ближайшие рестораны, где подают еду в категории, изображенной на фотографии на странице. Это повысит доход от рекламы в ресторанах. Вот макет страницы,..
Начало работы с базовыми показателями
СТАТЬЯ
Начало работы с базовыми показателями
Из книги Пола Азунре model.summary()’ 10_20">Перенос обучения для обработки естественного языка
В этой статье обсуждается начало работы с базовыми линиями и обобщенными линейными моделями.
___________________________________________________________
Получите скидку 37 % на model.summary()’ 10_20">Перенос обучения для обработки естественного языка , введя fccazunre в поле кода скидки при оформлении заказа на сайте model.summary()’..
Word2vec: как его тренировать и обновлять
В этом блоге я кратко расскажу о том, что такое word2vec, как обучить свой собственный word2vec, как загрузить предварительно обученный Google word2vec и как обновить предварительно обученную модель Google с помощью пакета gensim в Python.
Что такое word2vec?
Если вы когда-либо участвовали в создании любого текстового классификатора, вы наверняка слышали о word2vec. Word2vec был создан группой исследователей во главе с Томашем Миколовым из Google. Это алгоритм обучения без присмотра, и..
