Публикации по теме 'deep-learning'
Разница между openCV и scikit-изображением
Здесь мы обсудим разницу между openCV и scikit-learn.
scikit-image — это библиотека обработки изображений с открытым исходным кодом для языка программирования Python. Он включает в себя алгоритмы сегментации, геометрических преобразований, манипулирования цветовым пространством, анализа, фильтрации, морфологии, обнаружения признаков и многого другого. Он предназначен для взаимодействия с числовыми и научными библиотеками Python NumPy и SciPy.
OpenCV (Библиотека компьютерного зрения с..
Как построить идеальный компьютер для глубокого обучения и сэкономить тысячи долларов
Обновлено 11.12.2019
Вы уже знаете, что создание собственного компьютера для глубокого обучения в 10 раз дешевле, чем использование AWS . Но выбрать правильные детали нетривиально, поэтому давайте подробно рассмотрим то, что вам следует учитывать, плюсы и минусы моей сборки, инструкции по сборке и то, как вы экономите по сравнению с покупкой.
Это часть 2 из 3 серии статей о компьютерах с глубоким обучением. Часть 1 - Почему строительство в 10 раз дешевле, чем аренда в..
Создайте и разверните API классификации изображений с помощью NodeJS, Express и Tensorflow.js MobileNet
Сегодня мы собираемся создать RESTFUL API, который принимает изображение и делает прогнозы с использованием предварительно обученной модели TensorFlow M obileNet .
В TensorFlow.js есть множество предварительно обученных моделей , которые можно использовать в проектах из коробки . Это избавляет разработчиков от необходимости обучать модель с нуля. Здесь мы собираемся изучить предварительно обученную архитектуру MobileNet .
Разработка
Если вы еще не установили NodeJs на свой..
Обучение с временной разницей в обучении с подкреплением
Введение
Обучение с временной разницей (TD Learning) является одной из центральных идей в обучении с подкреплением, поскольку оно находится между методами Монте-Карло и динамическим программированием в спектре различных методов обучения с подкреплением.
В этой статье мы подробно рассмотрим обучение с разницей во времени и увидим, почему оно оказалось одной из самых фундаментальных идей в обучении с подкреплением.
Мы начнем наше исследование с обсуждения проблемы предсказания (оценки..
Решающие соединения: графические нейронные сети и их приложения в различных областях
Графики являются важной структурой данных для представления сложных отношений между сущностями. Графовые нейронные сети (GNN) — это класс нейронных сетей, которые могут работать непосредственно с графами, позволяя изучать сложные отношения между объектами. В этом блоге мы объясним концепции, лежащие в основе GNN, их преимущества перед…
Простой обзор RNN, LSTM и механизма внимания
Объяснение рекуррентных нейронных сетей, долговременной кратковременной памяти и знаменитого подхода, основанного на внимании
Когда вы углубляетесь в текст книги, вы читаете в логическом порядке глав и страниц и не без причины. Идеи, которые вы формируете, ход мыслей — все зависит от того, что вы поняли и сохранили до определенного места в книге. Эта настойчивость или способность иметь некоторую память и внимание помогают нам развивать понимание концепций и мира вокруг нас, позволяя..
Прогресс в физике ускорителей, часть 2 (физика)
Новая схема генерации пучка отрицательных мюонов с помощью MuCF( arXiv)
Автор: Ёсихару Мори
Выдержка: Отрицательные мюоны образуются при распаде отрицательных пионов. Масса 105,6 МэВ, примерно в 200 раз больше, чем у электрона. Время жизни составляет 2,2 мкс. Одной из их важных характеристик является то, что отрицательные мюоны создают мюонные атомы. Поскольку масса мюона в 200 раз больше массы электрона, расстояние от ядра в 200 раз меньше, а энергия связи..
