Публикации по теме 'fastai'
fast.ai Урок 5: Модель с нуля
Когда ReLU впервые представлен в Главе 4 фастбука , Джереми Ховард делает следующий комментарий:
Глубокое обучение использует огромное количество жаргона, включая такие термины, как выпрямленная линейная единица . Подавляющее большинство этого жаргона не сложнее, чем может быть реализовано в короткой строке кода, как мы видели в этом примере. Реальность такова, что для того, чтобы ученые опубликовали свои статьи, они должны сделать так, чтобы они звучали как можно более впечатляюще..
Интеграция Fastai с BERT
ПРОЛОГ
Нет сомнений в том, что трансферное обучение в области глубокого обучения оказалось чрезвычайно полезным и произвело революцию в этой области. Однако, в отличие от задач, связанных с распознаванием и обработкой изображений, для задач обработки естественного языка (NLP), которые в основном связаны с текстами и документами, до недавнего времени не было достигнуто большого успеха.
В этой статье я буду использовать две новейшие современные техники обработки естественного языка..
Все еще улучшаем классификацию изображений
Краткий обзор третьего урока Fast AI
Расскажите о том, как студенты размещают полезные материалы (руководства, блоги) на вики-сайте Fast AI и в других местах. Как отправить результаты на конкурс Kaggle Почему PyTorch лучше Keras Введение в сверточные нейронные сети — CNN ( примеры Excel ) Активация — это расчетное число, полученное после применения фильтра ( ReLu -> MAX(0,X) в Excel ) В PyTorch фильтр/ядро ( чаще всего матрица 3x3 — 9 чисел ) называется тензором Функция..
Понимание обратного распространения через линейную регрессию
Введение:
Линейная регрессия — это фундаментальный алгоритм машинного обучения, который широко используется в различных приложениях, таких как финансы, маркетинг и инженерия. Это метод прогнозирования непрерывной выходной переменной на основе одной или нескольких входных переменных путем нахождения линейной зависимости между ними. В этом сообщении блога мы рассмотрим, как реализовать линейную регрессию с помощью библиотеки Python NumPy.
import numpy as np
# Generate some random..
Глубокое обучение для программистов — Глава 3. Ключевые выводы
Недавно Джереми Ховард и его команда выпустили несколько уроков из серии Практическое глубокое обучение для кодеров 2022 . На протяжении многих лет мне нравилось, как он слушал некоторые из его выступлений и читал некоторые его материалы. Хотя я уже прошел свою часть лекций и курсов, связанных с ML, я решил пройти его Серию лекций и книгу 2022 года в качестве своего рода переподготовки. Я буду писать о некоторых из моих ключевых выводы из каждой главы.
Тема этики ИИ довольно..
Как я использовал Deep Learning для классификации медицинских изображений с помощью Fast.ai
Сверточные нейронные сети (CNN) за последние два года быстро продвинулись вперед, помогая в классификации медицинских изображений. Как мы можем, даже будучи любителями, использовать эти последние достижения и применить их к новым наборам данных? Мы собираемся пройти через этот процесс, и он на удивление более доступен, чем вы думаете.
Когда наша семья переехала в Омаху, моя жена (которая занимается педиатрической гастроэнтерологией) пришла домой и сказала, что хочет использовать..
Глубокое обучение для табличных данных?
Несмотря на всю шумиху вокруг глубокого обучения, по моему опыту, более 95% времени мы должны иметь дело с простыми файлами csv, другими словами, с табличными данными. Итак, вопрос для меня: Можем ли мы использовать глубокое обучение для табличных данных?
Чтобы ответить на этот вопрос, я использовал Набор данных об удовлетворенности клиентов Sandander от Kaggle . Я выбрал этот набор, потому что он очень похож на наборы данных, с которыми обычно работают наши клиенты. И похоже,..
