Публикации по теме 'keras'
Клонирование стиля вождения с помощью Keras и симулятора, похожего на видеоигру
Клонирование стиля вождения с помощью Keras и симулятора, похожего на видеоигру
Один из ранних проектов программы Self-Driving Car Engineer от Udacity заключался в создании и обучении сверточной нейронной сети для непрерывного вождения на симуляторе. Обученная сеть выводит угол поворота для автономного транспортного средства с учетом изображения с камеры в качестве входных данных. Эта обученная сеть должна была быть использована и протестирована в программе симулятора вождения,..
Глубокое встраивание категориальных переменных (Cat2Vec)
Использование глубокого обучения для табличных данных
В этом блоге я расскажу вам, как создать встраивание категориальных переменных с использованием сети глубокого обучения поверх keras. Первоначально эта концепция была представлена Джереми Ховардом в его курсе fastai. Пожалуйста, перейдите по ссылке для более подробной информации.
Традиционное вложение
В большинстве источников данных, с которыми мы работаем, мы будем сталкиваться в основном с двумя типами переменных:..
Распределенное обучение с Tensorflow.
Показатель
Вступление Типы парадигм Синхронизация против. Асинхронное обучение Типы распределенной стратегии Заключение
Вступление
Обучение модели машинного обучения - очень трудоемкая задача. По мере увеличения размера наборов данных становится очень трудно обучать модели в течение ограниченного периода времени. Для решения этого типа задач используются подходы распределенного обучения. Используя распределенное обучение, мы можем обучать очень большие модели и сокращать..
Использование мобильных устройств для глубокого обучения
Ключевым средством развертывания моделей глубокого обучения является мобильное устройство. Преимущество запуска моделей в мобильных приложениях вместо их отправки в облако - сокращение задержки и возможность обеспечить конфиденциальность данных для пользователей. Несмотря на разнообразие библиотек глубокого обучения и инструментов искусственного интеллекта, успешное внедрение модели глубокого обучения в мобильное приложение может оказаться сложной задачей. Анируд Коул, руководитель..
GANMole для создания изображений меланомы с использованием Keras
Я использовал генеративно-состязательную сеть (GAN) для создания изображений меланомы и назвал код GANMole. Вы можете найти код в репозитории GANMole GitHub .
Я использовал 374 изображения для обучения GAN и изменил размер изображений до 32x32 из-за исчерпания ресурсов, с которым я столкнулся на графическом процессоре, который я использую при работе с изображениями с более высоким разрешением. Вы можете загрузить изображения отсюда, здесь . Я хотел бы отметить, что я..
Создание компактных сетей для мобильных роботов
Мобильные роботы накладывают множество ограничений на системный уровень. Каждая унция эффективности оборудования имеет значение, поскольку единственным источником энергии является аккумулятор. Если мы стремимся создать ИИ на мобильных роботах, нам также нужны энергоэффективные графические процессоры и компактные сетевые архитектуры.
Например, в своей работе по оценке глубины на основе зрения я обнаружил, что современные методы (SOTA) используют методы глубокого обучения, но требуют..
Обучение с подкреплением с Keras + OpenAI: DQN
Краткий обзор
В прошлый раз в нашем руководстве по Keras / OpenAI мы обсудили очень простой пример применения глубокого обучения в контекстах обучения с подкреплением. Оглядываясь назад, это было невероятное зрелище! Если вы посмотрите на данные обучения, то модели случайного шанса обычно будут способны выполнять только 60 шагов в среднем. И все же, обучаясь на этих, казалось бы, очень посредственных данных, мы смогли «превзойти» среду (т. Е. Получить производительность ›200 шагов)...
