[เกือบ] ทุกสิ่งที่คุณต้องรู้ในปี 2019 การกลั่นกรองความรู้เป็นเทคนิคการบีบอัดแบบจำลองโดยเครือข่ายขนาดเล็ก (นักเรียน) ได้รับการสอนโดยโครงข่ายประสาทเทียมขนาดใหญ่ (ครู) เครือข่ายขนาดเล็กได้รับการฝึกฝนให้ทำงานเหมือนกับโครงข่ายประสาทเทียมขนาดใหญ่ ซึ่งช่วยให้สามารถติดตั้งโมเดลดังกล่าวบนอุปกรณ์ขนาดเล็ก เช่น โทรศัพท์มือถือหรืออุปกรณ์ Edge อื่นๆ ได้ ในคู่มือนี้ เราจะดูเอกสาร 2-3 ฉบับที่พยายามจะรับมือกับความท้าทายนี้ การกลั่นกรองความรู้ในโครงข่ายประสาทเทียม (NIPS, 2014) ในบทความนี้..

การเรียนรู้ของเครื่อง วิธีใช้ Comet Registry เพื่อติดตามโมเดล Machine Learning ของคุณ บทช่วยสอนเกี่ยวกับพลังของ Comet Registry เมื่อเร็วๆ นี้ ฉันสนุกกับการใช้ "Comet" ในการทดลอง และฉันรู้สึกประหลาดใจกับคุณสมบัติใหม่ๆ ที่ฉันค้นพบอยู่เสมอ วันนี้ฉันอยากจะพูดคุยกับคุณเกี่ยวกับความเป็นไปได้ที่ Comet มอบให้ในการติดตามโมเดล Machine Learning เพื่อส่งเข้าสู่การใช้งานจริง สมมติว่าเราทำการทดลองต่างๆ มากมายเพื่อแก้ปัญหาบางอย่าง หลังจากการทดสอบหลายครั้ง เราก็เข้าใจว่ารุ่น X นั้นดีที่สุด..

คู่มือฉบับสมบูรณ์สำหรับการสร้าง Generative Adversarial Network (GAN) เพื่อสร้างตัวละครอนิเมะของคุณเองด้วย Keras ในโพสต์นี้ เราจะเรียนรู้เกี่ยวกับการพัฒนาเครือข่ายปฏิปักษ์เชิงสร้างสรรค์ (GAN) เพื่อสร้างตัวละครมังงะหรืออนิเมะที่สมจริง ฉันประหลาดใจกับแอนิเมชั่นที่สดใสมาโดยตลอด โดยเฉพาะมังงะที่มีรูปลักษณ์และลายเส้นที่โดดเด่น คงจะดีไม่น้อยหากสามารถวาดภาพตัวเองสักสองสามภาพ และสัมผัสประสบการณ์ความตื่นเต้นในการสร้างมันขึ้นมาด้วยความช่วยเหลือของโครงข่ายประสาทเทียมที่พัฒนาขึ้นเอง!..

ใน ตอนที่ 1 ของชุดนี้ เราได้พูดคุยถึงปัญหาความไม่สมดุลของชั้นเรียนคืออะไร และเหตุใดจึงจำเป็นต้องจัดการกับความไม่สมดุลของชั้นเรียน ในส่วนนี้ เราจะเรียนรู้ว่าน้ำหนักของชั้นเรียนคืออะไร และวิธีปรับปรุงความไม่สมดุลของชั้นเรียนโดยใช้น้ำหนักของชั้นเรียน น้ำหนักของชั้นเรียนคืออะไร? ด้วยข้อมูลคลาสที่มีอคติ อัลกอริธึมการเรียนรู้ของเครื่องส่วนใหญ่จึงไม่มีประโยชน์มากนัก อย่างไรก็ตาม เราสามารถปรับเปลี่ยนอัลกอริธึมการฝึกเพื่อคำนึงถึงการกระจายคลาสที่บิดเบือนได้..