Публикации по теме 'transfer-learning'


Передача обучения с использованием MXNet (Часть 2/7) - преобразование данных sklearn
Это вторая публикация из серии руководств по переносному обучению с использованием MXNet. Цель этого раздела - показать вам, как создать конвейер sklearn, который может выполнять преобразование данных как для быстрого экспериментирования, так и для производства. Часть 1/7. Введение Часть 2/7. Преобразование данных в Sklearn Часть 3/7. Набор данных MXNet и загрузчики данных Часть 4/7. Пользовательские сети MXNet Часть 5/7. Модель учебной базы Часть 6/7...
Как я построил классификатор изображений с помощью Fast AI с небольшими наборами данных
Я начал изучать глубокое обучение с Fast ai, основанным @jeremyphoward и / @ racheltho в прошлом году. Быстрый ИИ делает обучение увлекательным. Он следует подходу сверху вниз - создайте что-нибудь, чтобы научиться. После работы над задачами классификации изображений - собаки против кошек, определение пород собак, я был заинтересован в создании классификатора таблички с именами для автобусов с использованием быстрого искусственного интеллекта. Зачем нужен классификатор на доске..
Влияние использования трансферного обучения в НЛП
Мы анализируем влияние классификации настроений обзоров фильмов на основе языковой модели, обученной с нуля, или предварительно обученной модели с использованием корпуса wikitext-103. Задний план В различных классификационных работах с НЛП мы использовали ULMFiT . Мы можем найти две отличные статьи по этой методологии в Передаточном обучении в НЛП для классификации позиции твита и Тонкая настройка универсальной языковой модели для классификации текста - ULMFiT . ULMFiT..
Вводное руководство для автостопщиков по переносу обучения
Итак, трансферное обучение существует уже некоторое время! Что такое трансферное обучение и почему все сходят с ума по нему? Я считаю, что Transfer Learning чрезвычайно эффективен, потому что вы можете эффективно обучать меньший набор данных, чтобы получить самые современные результаты. Мотивация трансферного обучения заключается в том, что мы можем использовать знания, которые нейронная сеть получает при изучении обобщенной задачи — обычно с большим набором данных, — а затем..
Обнаружение подозрительного поведения на камерах видеонаблюдения
Камеры видеонаблюдения вокруг нас. Возможно, вы задавались вопросом, как вы могли обнаружить подозрительное поведение в видеопотоке одного из них. Сегодня я покажу вам, как это сделать. Мы будем использовать веб-камеру вашего компьютера в качестве источника видео, как для обучающих данных (вы станете актером), так и для тестирования вашей модели. Подход представляет собой контролируемое обучение с намеком на трансферное обучение. Прежде чем мы перейдем к делу, я хочу кратко..
А как насчет 6-недельного проекта машинного обучения?
Прошло 3 недели с тех пор, как я начал свой шестинедельный проект машинного обучения, и я очень счастлив, что смог сделать довольно много вещей и научиться чему-то новому из этого проекта. Всегда лучше заниматься проектом, независимо от того, маленький он или большой, просто попробуйте и посмотрите, как это происходит, чтобы мы могли узнать, как все работает, и исследовать, что происходит. 2 недели вкратце Неделя 1: Изображения и этикетки. Создание проверочного набора...
Улучшают ли передачи более совершенные модели ImageNet? Резюме и анализ статьи
Документ: https://openaccess.thecvf.com/content_CVPR_2019/papers/Kornblith_Do_Better_ImageNet_Models_Transfer_Better_CVPR_2019_paper.pdf Обсуждение под руководством Stephen Tse и Felix Hohne , подгруппа Intelligent Systems Бумажная цель Часто неявно предполагается, что модели, которые хорошо работают в ImageNet, будут лучше работать и в других задачах CV. В этой статье проводится эмпирическое исследование того, действительно ли модели, обученные в ImageNet, работают лучше с..