Публикации по теме 'transfer-learning'


Применение трансферного обучения в ResNet с использованием PyTorch
Недавно я написал классификатор, который умеет отличать собак от кошек. Чему я научился: 0. Как использовать предварительно обученную модель 1. Применить трансферное обучение Набор данных: Я обучил модель, используя классический набор данных Kaggle о собаках и кошках. Набор данных можно найти здесь . Ну, я должен сказать, что это не подключи и играй. По крайней мере, не для API ` torchvision `. ` torchvision ` имеет папку ` ImageFolder `, которая (сейчас) является..
Узнать больше с меньшими затратами
Frame исследует трансферное обучение в средах с низким объемом данных с помощью FloydHub, fast.ai и PyTorch Мы все наблюдали удивительный прогресс в применении искусственного интеллекта к огромным наборам данных . Более того, не остались в стороне те из нас, кто не отслеживает миллиарды фотографий или обзоров ресторанов: методы трансферного обучения упрощают улучшение специализированных моделей с данными, собранными для более общих задач. А благодаря таким фреймворкам, как PyTorch ,..
Глава 11: Обучение глубоких нейронных сетей
Обзор практического машинного обучения с помощью Scikit-Learn, Keras и Tensorflow Орельена Жерона Резюме В этой главе основное внимание уделяется глубокому обучению и методам, которые можно использовать для предотвращения выхода нейронных сетей из-под контроля по мере того, как их сложность становится все глубже. Традиционно Deep Learning определяется как нейронная сеть, которая содержит 3 или более слоев. Но с этим добавлением слоев возникает дополнительная сложность, а со..
Что такое трансферное обучение? — Идиот-разработчик
Transfer Learning — это метод машинного обучения, при котором мы повторно используем предварительно обученную модель для решения другой, но связанной проблемы. Это один из популярных методов обучения глубокой нейронной сети. Обычно он используется для задач классификации изображений, когда объем набора данных невелик. В этой статье мы рассмотрим, что такое трансферное обучение, как оно работает и какие преимущества оно предлагает. Кроме того, мы также рассмотрим наиболее распространенные..
Создание классификатора собак и кошек с использованием трансферного обучения
Собака против кошки - это стандартная проблема в машинном обучении и компьютерном зрении, цель которой - построить модель, которая может предсказать, содержит ли изображение собаку или кошку. Благодаря развитию нейронных сетей и фреймворков, таких как Tensorflow и PyTorch, в последние несколько лет эта проблема была эффективно решена. В этой статье мы построим классификатор собак и кошек с использованием трансферного обучения, чтобы разработать модель, которая может предсказать, будет ли..
Я изучил DQN на соревнованиях OpenAI
В апреле компания OpenAI провела двухмесячный конкурс под названием Ретро-конкурс , в ходе которого участники должны были разработать агента, способного хорошо работать на невидимых специально созданных сценах Sonic the Hedgehog . эм>. Агенты были ограничены 100 миллионами шагов на этапе и 12 часами времени на виртуальной машине с 6 ядрами E5–2690v3, 56 ГБ ОЗУ и одним графическим процессором K80. OpenAI предоставил три базовых агента: JERK (Just Enough Retained Knowledge), Rainbow..
Перенос нейронной архитектуры
"Машинное обучение" Перенос нейронной архитектуры NAT может стать следующим большим шагом в глубоком обучении Топология нейронной сети описывает, как нейроны соединяются в сеть. Эта архитектура легко адаптируется, а новые топологии часто приветствуются как прорыв в исследованиях нейронных сетей. От появления персептрона в 1958 году до нейронной сети с прямой связью, моделей долгосрочной / краткосрочной памяти и - совсем недавно - генеративных состязательных сетей, разработанных..