Публикации по теме 'convolutional-network'


Data Science Nano Degree Capstone Project: использование CNN для прогнозирования породы собак
Обзор проекта Этот пост подводит итог завершающему проекту, который я сделал для программы Udacity Data Science Nano Degree Program. Цель проекта — классифицировать изображения собак в соответствии с их породой. CNN (Сверточная нейронная сеть) — это методология, используемая для достижения цели. Ссылка на Github Repo находится здесь: https://github.com/jl4730/DogBreed . Постановка задачи Основная задача состоит в том, чтобы построить алгоритм, принимающий на вход..
Иллюстрированная сверточная нейронная сеть
Статьи из этой серии: Часть 1/3 — Почему сверточные нейронные сети работают? Часть 2/3 — Как работают сверточные нейронные сети? Часть 3/3 — Как программировать сверточные нейронные сети CNN состоят из слоев, которые включают сверточные слои, объединяющие слои и полносвязные слои. Архитектура CNN предназначена для извлечения признаков (образцов) из информации. Например, архитектуры CNN могут использовать входное изображение, такое как края, углы и текстуры, а затем..
Поиск гиперпараметров случайной модели для сверточных нейронных сетей: пример PyTorch
При поиске в Google «Случайный гиперпараметрический поиск» вы найдете только руководства о том, как рандомизировать скорость обучения, импульс, отсев, снижение веса и т. Д. Что, если вы также хотите поэкспериментировать с гиперпараметрами модели , такими как размер сверточного ядра , шаг, количество ядер и даже количество полностью связанных слоев? Не имея готовых ответов, я решил это самостоятельно. Рандомизация гиперпараметров модели имеет смысл, когда вы решаете проблему, отличную от..
Мультиклассовая классификация изображений — Практика с Keras и TensoFlow
Глубокое обучение Мультиклассовая классификация изображений — практические занятия с Keras и TensorFlow Часть 1 — Восприятие Классификация изображений или компьютерное зрение — это ветвь искусственного интеллекта, задачей которой является проектирование систем, способных распознавать или классифицировать объекты на основе цифровых изображений. Это популярная область из-за огромного количества приложений — классификация изображений может использоваться для таких разнообразных..
Создание и обучение сверточной нейронной сети (CNN) с нуля
В этом посте я собираюсь объяснить, как создать сверточную нейронную сеть с нуля и обучить их, используя однократное кодирование. Сначала вам нужно установить TensorFlow, Keras, OpenCV3 , а затем мы начнем. Мы построим трехуровневую сверточную нейронную сеть, а затем обучим и протестируем ее. Итак, для начала нам нужно продвигаться шаг за шагом в иерархическом порядке. Подготовьте данные для обучения и тестирования. Создайте слои CNN с помощью библиотеки Tensorflow...
Реализация 2D свертки
В этом проекте я реализовал 2D Convolution с нуля. (Ссылка на репозиторий исходного кода на Github) Ниже я записал свой вывод и результаты производительности. Параметры, связанные с каждой из задач, приведены ниже. ЧАСТЬ А Следующие два входных изображения использовались для выполнения двумерных сверток, описанных в задаче А. Мультяшное изображение (1280 x 720) Изображение шахматной доски (1920 x 1080) Результат для части А приведен ниже. Нормализованный вывод для..
БЫСТРОЕ ПУТЕШЕСТВИЕ С ИИ: КУРС V3. ЧАСТЬ 2. УРОК 11.
Документирование моего пути к fast.ai: ОБЗОР БУМАГИ. СОКРАЩЕНИЕ ВРЕМЕНИ ПРЕДТРЕНИРОВКИ BERT С 3 ДНЕЙ ДО 76 МИНУТ. Для проекта Урок 11 я решил погрузиться в статью 2019 года под названием Сокращение времени предварительной подготовки к BERT с 3 дней до 76 минут , написанную Yang You , Jing Li , Джонатан Сю , Сяодань Сун , Джеймс Деммель , Чо-Джуй Се . Как всегда в этих сериях, наша цель — пройти все разделы один за другим, понять и обобщить их. 1. Введение. Авторы..