Сегодня нейронные сети стали заголовками во многих областях, таких как классификация изображений раковых тканей, создание текста или даже оценка кредитоспособности. Тем не менее, одна большая проблема, которую редко решают с помощью этих моделей, - это неопределенность прогноза. Когда мы, люди, учимся, одна из наших самых сильных сторон - знать свои слабости, а не действовать в условиях слишком большой неопределенности. Однако это не относится к большинству моделей машинного обучения,..

Эта статья точно нацелена на важные аспекты обучающих изображений для семантической сегментации, а также на сравнение fastai с фреймворком Caffe. Caffe , Pytorch и TensorFlow в наши дни считаются наиболее популярными фреймворками для выполнения операций глубокого обучения. Тем не менее, Pytorch, будучи более надежным и гибким, широко используется в исследованиях благодаря большому количеству хорошо совместимых алгоритмов оптимизации. С другой стороны, у Caffe также есть способ быстрее..

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..