Публикации по теме 'transfer-learning'


Обнаружение здоровья растений с использованием трансферного обучения
ОГЛАВЛЕНИЕ: Бизнес-проблема М.Л. Постановка задачи. Обзор набора данных Существующие подходы к проблеме Мое улучшение существующего подхода Показатель производительности Исследовательский анализ данных Мой первый подход к проблеме Предварительная обработка функций Функциональная инженерия Моделирование Резюме моделей Заключение Видео, демонстрирующее окончательно развернутую модель: Будущая работа Ссылки Linkedin и Github использованная литература 1. Деловая..
Глубокое трансферное обучение в компьютерном зрении: практическое руководство
Пошаговый подход и советы по созданию и тонкой настройке моделей с использованием PyTorch В этой статье я поделюсь своим практическим опытом и знаниями, полученными в ходе работы над проектом компьютерного зрения с использованием глубокого трансферного обучения. С помощью пошагового подхода и полезных советов я стремлюсь предоставить исчерпывающее руководство по созданию и настройке модели трансферного обучения. В этой статье будут рассмотрены все ключевые аспекты глубокого обучения..
Руководство для начинающих по переносу обучения
Взгляните на то, что на самом деле представляет собой трансферное обучение, на примере кода Введение Трансферное обучение — популярный метод, используемый в машинном и глубоком обучении для использования предварительно обученных моделей для эффективного решения новых задач. Он включает в себя использование знаний, полученных при решении одной проблемы, для решения другой связанной проблемы . Трансферное обучение оказалось успешным во многих областях, включая компьютерное зрение..
Передача обучения с помощью CNN
Экспериментальный процесс Абстрактный В этой статье представлен экспериментальный процесс построения и обучения сверточной нейронной сети (CNN) для классификации изображений из набора данных CIFAR-10. Задача включает в себя использование преимуществ методов трансферного обучения с использованием предварительно обученных весов из приложений Keras, обученных на аналогичном наборе данных, таком как ImageNet. Этот подход включает в себя добавление пользовательских слоев поверх..
XMAS-Project — Часть 5: Обучаемая машина от Google для решения классификации изображений
Во время XMAS я начал читать и экспериментировать с машинным обучением. Вдохновленный yoona.ai, стартапом, который собирается изменить то, как модные компании будут разрабатывать дизайн в будущем, мой проект XMAS сосредоточен на CNN и GAN. ( Часть 1 , Часть 2 , Часть 3 и Часть 4 ). Сегодня случайно наткнулся на AI Experiment от Google Teachable Machine ( Ссылка ). Teachable Machines позволяет вам создать собственную модель машины для обнаружения изображений, звука или позы с..
Улучшение производительности классификации текста с помощью тонкой настройки моделей Electra
Введение В нынешнюю эпоху обработка естественного языка (NLP) становится все более важной, и классификация текста привлекла внимание многих исследователей. В этой статье рассматривается подход к тонкой настройке модели ELECTRA для повышения производительности классификации текста. В статье дается подробное объяснение архитектуры трансформатора, модели ELECTRA, используемого набора данных и различных методов тонкой настройки, включающих предоставляемые функции. В статье также сравниваются..
Трансферное обучение и тонкая настройка
Раскрытие возможностей предварительно обученных моделей для повышения производительности Введение В быстро развивающейся области искусственного интеллекта и машинного обучения трансферное обучение и точная настройка стали мощными методами ускорения разработки моделей и достижения выдающихся результатов. В этой статье рассматриваются тонкости трансферного обучения и тонкой настройки, исследуются принципы их работы, их преимущества и недостатки, практические примеры и последние..