Публикации по теме 'keras'


Создание модели распознавания изображений с использованием библиотек TensorFlow и Keras в Python
Модели распознавания изображений чрезвычайно полезны в широком спектре приложений, от автономных транспортных средств и медицинской диагностики до анализа социальных сетей и электронной коммерции. Обучив компьютер идентифицировать и классифицировать изображения на основе определенных признаков, таких как цвет, форма и текстура, мы можем автоматизировать задачи, которые людям было бы трудно или невозможно выполнить в больших масштабах. Например, модель распознавания изображений можно..
Настройте свои показатели Keras
Метрики, предоставляемые Keras, позволяют нам оценить производительность нашей модели глубокого обучения. Учитывая тот факт, что Keras предоставляет огромное количество метрик, сложно выбрать идеальную для модели, которую вы пытаетесь запустить в производство. Однако из того, что я заметил из своего опыта глубокого обучения, в некоторых ситуациях вам может потребоваться настроить свою метрику, потому что Keras просто не предоставляет метрику, которую вы ищете, и это повлияет на конечную..
Анализ тональности в python с использованием встраивания слов Twitter Keras, GloVe и Deep RNN на комбинированном…
В этом руководстве мы собираемся провести анализ настроений в большом корпусе, содержащем твиты, обзоры фильмов, обзоры книг и просмотренные обзоры с различных торговых сайтов. Мы будем использовать вложения слов, такие как GloVe twitter, который можно скачать здесь , и ConceptNet Numberbatch, который можно скачать здесь . Причина использования Numberbatch заключается в том, что он может похвастаться удалением различных смещений из набора данных, которые, как мы увидим, помогут нам..
Машинное обучение с помощью Quantiacs
Примечание: эта статья указывает на устаревшую версию Quantiacs. Пожалуйста, ознакомьтесь с более свежими материалами о новой версии Quantiacs : начать работу , простой алгоритм биткойнов , пример машинного обучения и оптимизатор . В предыдущих статьях мы показали, как реализовать простые торговые стратегии в Quantiacs. Здесь мы описываем реализацию алгоритма, использующего методы машинного обучения. Набор инструментов Python Quantiacs позволяет использовать методы машинного..
Многоканальный CNN для текста
Вот реализация статьи Kim et al. для классификации предложений с использованием многоканальных CNN. Я не буду вдаваться в подробности этапов ввода текста / предварительной обработки и т. Д., Поскольку это стандартные конвейеры, уже доступные в нескольких блогах, а также примеры Кераса. [Отметьте этот пост ] Многоканальная архитектура создает 2 канала встраивания слов с использованием Glove / Word2Vec для входных предложений. На одном канале используются предварительно обученные..
Классификация дорожных знаков
В следующем сообщении блога я покажу, как создать нейронную сеть для классификации различных дорожных знаков. Нейронная сеть Проблемы классификации изображений обычно решаются с помощью сверточных нейронных сетей (CNN). В следующем разделе я покажу, как я использовал Keras с TensorFlow для создания и обучения CNN с высокой точностью на наборе пользовательских дорожных знаков. Данные Первой задачей было найти достаточно данных для тренировок, поскольку мне очень мало удалось найти..
Текущие тензоры и параметры кучи в глубоком обучении
Формулы для подсчета обучаемых параметров разработаны для нескольких популярных слоев в зависимости от параметров слоя и входных характеристик. Затем результаты сверяются с тем, что сообщает Keras при запуске модели… Модели глубокого обучения - это параметр, удовлетворяющий требованиям. Можно с уверенностью сказать, что они никогда не встречали параметр, который им не нравился! Модели, использующие миллионы параметров, слишком распространены, а некоторые также исчисляются миллиардами...