Публикации по теме 'transfer-learning'


Серия DeepLearning: Как структурировать проекты машинного обучения
В этом блоге я объясню, как структурировать проект машинного обучения и некоторые полезные методы для глубокого обучения, такие как трансферное обучение, многозадачность и сквозное обучение. В предыдущем блоге я упоминал, сколько стратегий и параметров задействовано в проекте машинного обучения. В частности, когда мы хотим оптимизировать результаты нашего алгоритма, у нас есть несколько вариантов, таких как: Соберите больше данных Иметь более разнообразный тренировочный набор..
Как реализовать задачи Transfer Learning on Computer Vision с помощью PyTorch
Введение Трансферное обучение — это мощная техника машинного обучения и глубокого обучения, где предварительно обученные нейронные сети используются в качестве отправной точки для обучения новых моделей различным задачам или областям. Вместо обучения нейронной сети с нуля, для чего требуется большой объем размеченных данных и вычислительных ресурсов, трансферное обучение позволяет нам использовать знания, полученные в одной задаче или области, и применять их к другой связанной или..
Перенос обучения с Pytorch
Недавно я прошел курс Стэнфордского CNN cs231n и хотел применить то, что я узнал, в проекте и погрузиться во внутреннюю работу Pytorch. Мне нравится разрабатывать программное обеспечение и создавать инструменты автоматизации, поэтому я решил создать гибридный инструмент между программной инженерией и глубоким обучением. Я очень упростил использование инструмента командной строки Transfer Learning ( pyclassify ) https://github.com/zeyadyasser/pyclassify . использование Под..
Практическое введение в трансферное обучение
Примечание редактора. Тамогна будет спикером на ODSC West 2022 , которая пройдет с 1 по 3 ноября. Обязательно ознакомьтесь с его докладом «Практическое введение в трансферное обучение » здесь! Чтобы изучить новую задачу, нам, людям, не всегда нужно начинать заново, а скорее применять ранее полученные знания. Точно так же «Перенос обучения» (TL) позволяет модели машинного обучения переносить знания, полученные во время обучения одной задаче, на новую задачу. TL в основном..
Распознавание лиц с использованием трансферного обучения
В этом проекте я создал сеть для обнаружения лиц в прямом эфире с помощью нашей веб-камеры методом трансферного обучения. Здесь, в этом проекте, я буду использовать одну из лучших сетей — Inception-ResNet-V2. Inception-ResNet-v2 — это сверточная нейронная сеть, обученная на более чем миллионе изображений из базы данных ImageNet. Сеть состоит из 164 слоев и может классифицировать изображения по 1000 категориям объектов, таким как клавиатура, мышь, карандаш и многие животные. В..
🎉 Открытая бета-версия 🎉 - Панель инструментов компьютерного зрения на основе Pytorch
Мы рады представить на рынке самый эффективный набор инструментов для компьютерного зрения и аннотации изображений. За последние несколько месяцев наша команда разработала масштабируемую и производительную сквозную платформу для приложений компьютерного зрения. Мы рады перейти в открытую бета-версию с отличными бесплатными возможностями, доступными для каждого пользователя, и предоставить нашим клиентам обучение наиболее эффективным моделям данных. Создание Концепции В 2017 году на..
Классификация пород собак  — проект Udacity Capstone с использованием сверточной нейронной сети.
Сверточная нейронная сеть CNN (Сверточная нейронная сеть) — это распространенный тип искусственной нейронной сети, используемой для классификации изображений и предназначенной для обработки данных пикселей. Архитектура CNN состоит из нескольких слоев искусственных нейронов, которые будут принимать большой набор данных помеченных изображений, обрабатывать данные через скрытые слои и выводить класс изображения. В этой статье будет рассмотрен пример приложения CNN для определения породы..