Статьи по теме deep-learning

Публикации по теме 'deep-learning'

Подход глубокого обучения для разделения быстрых и медленных компонентов

Некоторая предыстория (Слайд-колоду для этой работы можно найти https://speakerdeck.com/jchin/decomposing-dynamics-from-different-time-scale-for-time-lapse-image-sequences-with-a-deep-cnn ) Я оставил свою работу научным сотрудником в PacBio после 9-летнего предприятия, которое помогало сделать секвенирование отдельных молекул полезным для научного сообщества (см. Мой рассказ о первой паре лет в PacBio ). Большая часть моей научно-технической работы была связана с последовательностями..

Реализация глубоких сверточных нейронных сетей на C без внешних библиотек

Пример использования видео сверхвысокого разрешения YUV В этом посте мы обсудим, как реализовать вывод предварительно обученной глубокой сверточной нейронной сети (CNN) на C без каких-либо внешних библиотек. Этот код разработан для приложения сверхвысокого разрешения видео YUV. Однако функции являются модульными, и их можно применять к другим приложениям и сетевым структурам с небольшими изменениями. Поскольку этот код написан на чистом C без каких-либо внешних библиотек, его можно..

Логистическая регрессия: руководство для новичков

Сегодня мы поговорим о логистической регрессии очень простым интуитивно понятным способом, чтобы изучить ее внутренний механизм. Я разделю этот блог на серию вопросов и ответов. И постараюсь ответить на этот вопрос, пока мы узнаем, что такое логистическая регрессия. Теперь, прежде чем мы туда перейдем, я предполагаю некоторые вещи, которые должны стать основой для понимания этого раздела блога. Это: 1. У вас есть базовое представление о том, что такое двоичная классификация. 2...

Sony побила рекорд обучения ResNet-50 на ImageNet

Исследователи из японского гиганта электроники Sony обучили модель нейронной сети ResNet-50 в ImageNet за рекордные 224 секунды - на 43,4 процента лучше, чем в предыдущий самый быстрый тест для задачи. Масштабное обучение глубокому обучению может привести к нестабильности в большом мини-пакетном обучении, в то время как синхронизация градиента также обременительна, поскольку для связи между графическими процессорами требуется большая пропускная способность. ResNet-50 - это архитектура..

Разработка конвейера глубокого обучения для классификации болезней листьев маниоки

Изучение компонентов эффективной модели CNN: от извлечения и очистки данных до переноса обучения и архитектурного проектирования до настройки гиперпараметров и многого другого… Реинтродукция Как обсуждалось в нашем первоначальном сообщении в блоге , наша текущая цель — создать CNN, которая позволит фермерам, ведущим натуральное хозяйство в странах Африки к югу от Сахары, загружать фотографии своих культур и узнавать, здоровы ли их растения или больны, и, если они больны, чем они..

Контейнер VS Code и удаленного Docker

Visual Studio Code - это усовершенствованный редактор кода с поддержкой таких операций разработки, как отладка, выполнение задач и контроль версий. Благодаря наличию широких расширений разработка становится простой и плавной. Его можно использовать для работы с контейнерами docker , которые представляют собой отдельную рабочую среду, чтобы обеспечить возможности разработки с локальным качеством , включая полный код IntelliSense. навигация и отладка. Можно открыть и..

Классификация текста BERT в 3 строки кода с использованием Keras

2019–08–17: Демонстрация кода в статье опубликована в Google Colab . BERT ( Представления двунаправленного кодировщика от трансформаторов ) - это модель глубокого обучения, разработанная Google. Он стал одним из главных достижений в области машинного обучения за год, поскольку позволил достичь самых современных результатов в 11 различных задачах обработки естественного языка (NLP). Более того, Google открыл исходный код кода и сделал предварительно обученные модели доступными для..