Публикации по теме 'transfer-learning'


Передача стилей изображений с помощью CNN в PyTorch
Этот пост описывает стиль передачи изображений. Передача стилей - это перенос стиля с одного изображения на другое. В этом процессе рассматриваются два изображения, изображение содержимого и изображение стиля, цель состоит в том, чтобы перенести стиль из изображения стиля на изображение содержимого. Передача стилей извлекает содержимое из изображения содержимого, а стиль из изображения стиля для формирования нового третьего изображения с извлеченным содержимым / стилем. Пример ниже,..
Мнения Mining для понимания тенденций клиентов: часть 1 из 2
Тонкая настройка предварительно обученных трансформаторов с помощью PyTorch Благодаря обилию информации, доступной в Интернете, анализ мнений, позволяющий понять, что клиенты думают о вашем бренде, продуктах и ​​услугах, стал важным показателем успеха. Компании не сдерживаются, вкладывая средства в ИИ, чтобы получить от клиентов ценные идеи. «Ваши самые недовольные клиенты - ваш лучший источник знаний» ~ Билл Гейтс. Чтобы узнать мнение клиентов, компании часто используют..
Использование трансферного обучения для построения классификатора изображений
Обучение модели с нуля требует большого количества обучающих данных и времени с точки зрения вычислительной мощности даже с графическим процессором. Зачем обучать модель с нуля, если есть способ извлечь слои нижнего уровня из уже предварительно обученной модели и повторно использовать их в новой модели. Трансферное обучение - это повторное использование уже предварительно обученной модели в новом наборе обучающих данных, и это один из самых популярных подходов в области машинного..
Поиск туалета: использование трансферного обучения для создания конвейера быстрой классификации изображений
Не поймите меня неправильно. С туалетами у меня проблем нет. Это одно из лучших изобретений в истории, но на самом деле это не самые лучшие изображения для продажи недвижимости! Итак, вот проблема: у нас есть сотни тысяч объявлений, и наша замечательная маркетинговая команда сообщила, что время от времени изображение туалета будет появляться в нашем маркетинговом фиде для кампаний CPC и электронных писем, что на самом деле не идеально для нас. продвижение списков наших клиентов...
Новые методы для победы в хакатоне по классификации изображений (часть 1)
В этой серии постов я расскажу о некоторых современных приемах, разработанных в последнее время, чтобы выиграть хакатон по классификации изображений. Традиционно мы всегда полагались на ванильные архитектуры CNN для выполнения классификации изображений. Однако это займет у вас лишь полпути в таблице лидеров. Чтобы добраться до вершины, потребуется что-то особенное. Если вы недавно просматривали списки лидеров Kaggle, первые 10 процентилей сражались в диапазоне 0,0001–0,001 балла...
Урок 4: точность 99 +% на собаках и кошках за одну эпоху
Предварительное условие: Учебник 0 (настройка Google Colab, времени выполнения TPU и облачного хранилища) Трансферное обучение - обязательный навык для практиков глубокого обучения. Классическим набором данных для демонстрации эффективности трансферного обучения является соревнование Kaggle Собаки против кошек , в котором каждая запись данных представляет собой изображение кошки или собаки: Решение Кераса . В официальном блоге Кераса есть старый учебник о собаках против..
Большая проблема в небольшом количестве данных
Советы по работе с небольшими данными в науке о данных Большие проблемы с небольшими данными Небольшие данные есть повсюду, и они очень полезны на начальном этапе изучения различных методов науки о данных. В некоторых условиях, например в исследованиях, для ответа на очень целевые исследовательские вопросы доступны лишь небольшие данные. Фактически, небольшие данные могут даже присутствовать в очень больших наборах данных, когда мы заинтересованы в лучшем понимании небольшой..