Publikasi tentang topik tersebut 'tensorflow'


Peringkat Personalisasi Bayesian Implisit (dalam Tensorflow)
Pemberi rekomendasi BPR implisit (di Tensorflow) Ini adalah ringkasan dan implementasi Tensorflow dari konsep yang dikemukakan dalam makalah BPR: Bayesian Personalized Ranking from Implicit Feedback oleh Steffen Rendle, Christoph Freudenthaler, Zeno Gantner, dan Lars Schmidt-Thieme. Isi: Pendahuluan Peringkat Personalisasi Bayesian Model Tensorflow Kumpulan data Oke, ayo tulis! (kode) Ringkasan Referensi Perkenalan Posting ini sangat bergantung pada..
Grafik asiklik berarah
Grafik asiklik terarah Grafik Asiklik Berarah (DAG) adalah jenis grafik yang tidak memungkinkan untuk kembali ke titik yang sama dengan melintasi sisi-sisinya. Directed: Berarti arah (arah tertentu) Acyclic : Artinya Tidak dalam siklus Grafik : Diagram yang menunjukkan hubungan antar besaran variabel Dalam teori graf, graf adalah struktur yang terdiri dari simpul yang dihubungkan oleh tepi . Anda dapat menganggap simpul sebagai titik dan tepinya sebagai garis yang..
Cara memvisualisasikan vektor fitur dengan sprite dan TensorBoard TensorFlow
Perkenalan Postingan ini akan menunjukkan kepada Anda cara mengambil sekumpulan gambar dan vektor gambar, dan mempersiapkannya untuk visualisasi di TensorBoard TensorFlow. Bayangkan saya sedang bekerja dengan kumpulan data gambar (tidak memerlukan banyak imajinasi…). Mungkin menggunakannya untuk klasifikasi, mungkin menggunakannya untuk melatih model generatif, atau mungkin menggunakannya untuk memprediksi curah hujan harian di Antigonish, Nova Scotia. Untuk postingan ini, tidak..
Menggunakan GPU TensorFlow pada kartu grafis Compute 3.0 di Windows
Bagi pengguna kartu grafis lama, mungkin terasa sulit untuk menguji algoritme pembelajaran mesin secara lokal di komputer Anda. Selalu ada opsi seperti instans GPU AWS P3, namun akan sangat membantu jika Anda dapat menguji model Anda terlebih dahulu di komputer Anda sendiri — tidak peduli seberapa lambat pelatihan dengan kartu grafis lama. Bagi orang-orang dengan “kartu grafis lama yang tidak mendukung CUDA Compute 3.5”, mungkin terasa sulit untuk menyiapkan TensorFlow dengan akselerasi..
Lima Kasus Penggunaan Tensorflow Teratas
Meskipun kami masih kagum dengan penerapan awal teknologi pembelajaran mesin, teknologi ini terus berkembang dengan pesat, memperkenalkan kami pada algoritma dan cabang yang lebih canggih seperti Deep Learning . Pembelajaran mendalam menggunakan algoritme yang dikenal sebagai Neural Networks , yang terinspirasi oleh cara sistem saraf biologis, seperti otak, memproses informasi. Hal ini memungkinkan komputer untuk mengidentifikasi setiap data yang diwakilinya dan mempelajari polanya...
Panduan Metadata ML yang komprehensif untuk Tensorflow Extended
Mengapa ini ada dan bagaimana penggunaannya dalam Komponen Beam Pipeline ML Metadata (MLMD) adalah perpustakaan untuk merekam dan mengambil metadata yang terkait dengan alur kerja pengembang ML dan ilmuwan data. "TensorFlow Extended (TFX) adalah platform menyeluruh untuk menerapkan pipeline ML produksi" Versi Metadata ML saat ini pada saat artikel ini diterbitkan adalah v0.22 (tfx juga v0.22). API ini cukup matang untuk memungkinkan penggunaan dan penerapan umum di cloud..
“Keras Core: Melepaskan Kekuatan Pembelajaran Mendalam Multi-Framework dan Mengguncang Game ML!”
Perkenalan Hai, rekan-rekan ahli data! Bersiaplah untuk terjun langsung ke dunia Keras Core yang mencengangkan, tempat impian pembelajaran mendalam menjadi kenyataan. Dalam postingan blog yang menarik ini, kita akan menjelajahi fitur-fitur menakjubkan dan manfaat luar biasa dari Keras Core — sebuah perpustakaan yang membalikkan keadaan pada pembelajaran mendalam tradisional. Jadi ambillah secangkir cairan petir, kenakan jubah data scientist Anda, dan bersiaplah untuk melakukan perjalanan..