สิ่งตีพิมพ์ในหัวข้อ 'pytorch'
เริ่ม PyTorch ใน 3 นาที!
อย่าทำให้มันซับซ้อนเกินไปและดำเนินการอย่างรวดเร็ว… นี่เป็นการเริ่มต้นง่ายๆ สำหรับ PyTorch :D
เวิร์กโฟลว์ ML เกี่ยวข้องกับ:
ข้อมูล การสร้างแบบจำลอง การเพิ่มประสิทธิภาพพารามิเตอร์โมเดล บันทึกโมเดลที่ได้รับการฝึก
1. ข้อมูล
สอง พื้นฐานในการทำงานกับข้อมูล :
torch.utils.data.DataLoader torch.utils.data.ชุดข้อมูล
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import..
ความรู้เบื้องต้นเกี่ยวกับโครงข่ายประสาทเทียม: ความท้าทายด้านทุนการศึกษา Pytorch
การเรียนรู้เชิงลึกคืออะไร? มันใช้ทำอะไร?
ก่อนอื่น Deep Learning ใช้ทำอะไร?
มีหลายสิ่งที่ Deep Learning สามารถทำได้ แต่แอปพลิเคชันล่าสุดมีสิ่งต่างๆ เช่น:
เอาชนะมนุษย์ในเกมเช่น Jeopardy, Go, หมากรุก ฯลฯ การตรวจจับสแปมในอีเมล คาดการณ์ราคาหุ้น การรับรู้ภาพในภาพ วินิจฉัยโรคได้แม่นยำยิ่งกว่ามนุษย์ รถยนต์ไร้คนขับ ที่กำลังมาแรงในปัจจุบัน
แต่หัวใจของ Deep Learning คืออะไร?
โครงข่ายประสาทเทียม!
โครงข่ายประสาทเทียมเลียนแบบกระบวนการทำงานของสมอง น่าอัศจรรย์ใช่ไหมล่ะ..
การจำแนกภาพโดยใช้การเรียนรู้เชิงลึกและ PyTorch: กรณีศึกษาพร้อมข้อมูลภาพดอกไม้
“การเรียนรู้เชิงลึก”, “การเรียนรู้ของเครื่อง”, “Python”
การจำแนกภาพโดยใช้การเรียนรู้เชิงลึกและ PyTorch: กรณีศึกษาพร้อมข้อมูลภาพดอกไม้
การจำแนกภาพดอกไม้โดยใช้ Convolutional Deep Neural Network พร้อมไลบรารี PyTorch
การจัดประเภทข้อมูลรูปภาพเป็นหนึ่งในการใช้งานเทคนิค Deep Learning ที่ได้รับความนิยมอย่างมาก ในบทความนี้ เราจะหารือเกี่ยวกับการระบุภาพดอกไม้โดยใช้โครงข่ายประสาทเทียมแบบ deep convolutional
สำหรับสิ่งนี้ เราจะใช้ไลบรารี PyTorch, TorchVision และ PIL ของ Python..
“Keras Core: ปลดปล่อยพลังของการเรียนรู้เชิงลึกแบบหลายเฟรมเวิร์กและเขย่าเกม ML!”
การแนะนำ
สวัสดีเพื่อนนักเวทย์มนตร์ข้อมูล! เตรียมพร้อมดำดิ่งสู่อาณาจักร Keras Core อันน่าเหลือเชื่อ ที่ซึ่งความฝันแห่งการเรียนรู้เชิงลึกกลายเป็นจริง ในบล็อกโพสต์ที่น่าตื่นเต้นนี้ เราจะสำรวจฟีเจอร์ที่น่าทึ่งและคุณประโยชน์ที่ขยายใหญ่ขึ้นของ Keras Core ซึ่งเป็นไลบรารีที่พลิกสคริปต์จากการเรียนรู้เชิงลึกแบบดั้งเดิม ดังนั้นคว้าถ้วยสายฟ้าเหลว สวมเสื้อคลุมนักวิทยาศาสตร์ข้อมูลของคุณ แล้วรัดเข็มขัดให้พร้อมสำหรับการผจญภัยสุดมันส์!
การเพิ่มขึ้นของ Keras Core
รอก่อนเถอะแฟม! จำ Keras..
การรู้จำภาพโดยใช้กราฟ
การแนะนำ
โครงข่ายประสาทเทียมแบบ Convolution ประสบความสำเร็จอย่างมากในงานจดจำภาพ บทความนี้เน้นไปที่การแบ่งส่วนความหมายเป็นพิเศษ เหตุผลเบื้องหลังการใช้ CNN คือรูปภาพมีความรู้สึกถึงท้องถิ่น กล่าวคือ พิกเซลที่อยู่ใกล้กันจะมีความสัมพันธ์กันมากกว่า ซีเอ็นเอ็นสามารถบันทึกสิ่งนี้ได้โดยการดำเนินการแบบ Convolution และภูมิภาคท้องถิ่นที่นำมาพิจารณา (เรียกอย่างเป็นทางการว่าฟิลด์เปิดกว้าง) ขึ้นอยู่กับขนาดเคอร์เนล นอกจากนี้ยังมีการพึ่งพาระยะยาวในรูปภาพซึ่งสามารถช่วยในงานจดจำภาพได้..
สร้างโมเดล 3 มิติจากภาพถ่ายเพียงภาพเดียวด้วยการสาธิต PIFuHD
ฉันไม่รู้ว่ามันทำงานอย่างไร แต่คุณทำได้ตรงตามชื่อของฉัน
วิดีโอผลลัพธ์ 3 มิติ (GoogleDrive):
マイムービー 22.mp4 แก้ไขคำอธิบาย drive.google.com
การสาธิตสมุดบันทึก Colab
เพียงเรียกใช้เซลล์ในการสาธิตอย่างเป็นทางการของโครงการ
มีเซลล์ให้อัปโหลดภาพของคุณเองระหว่างทาง
เมื่อดำเนินการเสร็จสิ้น ไฟล์ result_{image_file_name}.obj จะถูกสร้างขึ้นในไดเร็กทอรีผลลัพธ์ หากคุณใช้ Mesh Lab (โปรแกรมดู 3 มิติฟรี) คุณสามารถปล่อยให้มันหมุนวนในแบบ 3..
หัวข้อข่าว การวัดความคล้ายคลึงกันโดยใช้แบบจำลอง BERT ที่ผ่านการฝึกอบรม
การใช้การทำนายประโยคถัดไป ไม่จำเป็นต้องปรับแต่งแบบละเอียด
ในโพสต์นี้ เราได้สร้างการวัดความคล้ายคลึงกันของหัวข้อในบทความข่าวที่รวบรวมจาก "ฟีด RSS ของ New York Times" วัตถุประสงค์หลักคือเพื่อทำความคุ้นเคยกับการใช้งาน BERT (PyTorch) และแบบจำลองที่ได้รับการฝึกล่วงหน้า
เบิร์ตคืออะไร?
BERT ย่อมาจาก B ในทิศทาง E ncoder R การนำเสนอจาก T ransformers มาจากบทความที่ตีพิมพ์โดย Google AI Language ในปี 2018[1]..