Глубокое обучение на Python. 2-е межд. издание
Қосымшада ыңғайлырақҚосымшаны жүктеуге арналған QR
goole playappstore
RuStore · Samsung Galaxy Store
Huawei AppGallery · Xiaomi GetApps

автордың кітабынан сөз тіркестері  Глубокое обучение на Python. 2-е межд. издание
Франсуа Шолле

Алексей Семенихин
Алексей Семенихиндәйексөз келтірді3 апта бұрын
import matplotlib.pyplot as plt digit = train_images[4] plt.imshow(digit, cmap=plt.cm.binary) plt.show()
Комментарий жазу
Алексей Семенихин
Алексей Семенихиндәйексөз келтірді3 апта бұрын
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
Комментарий жазу
Алексей Семенихин
Алексей Семенихиндәйексөз келтірді3 апта бұрын
from tensorflow.keras.datasets import mnist
Комментарий жазу
Илья Васильев
Илья Васильевдәйексөз келтірді1 ай бұрын
машинное обучение — это поиск значимого представления и правил по некоторым входным данным в предопределенном пространстве возможностей с использованием сигнала обратной связи
Комментарий жазу
Илья Васильев
Илья Васильевдәйексөз келтірді1 ай бұрын
Главная задача моделей машинного обучения как раз заключается в поиске соответствующего представления входных данных — преобразований, которые сделают данные более пригодными для решения конкретной проблемы.
Комментарий жазу
Илья Васильев
Илья Васильевдәйексөз келтірді1 ай бұрын
Некоторые задачи трудно решаются с данными в одном представлении, но легко — в другом.
Комментарий жазу
Пономаренко Вера
Пономаренко Верадәйексөз келтірді1 ай бұрын
сбалансированная задача бинарной классификации, соответственно, мерой успеха может служить точность классификации.
Комментарий жазу
Пономаренко Вера
Пономаренко Верадәйексөз келтірді1 ай бұрын
модели глубокого обучения по своей природе очень гибкие: можно, к примеру, обучить модель для классификации изображений или распознавания речи на очень большом наборе данных и затем использовать ее для решения самых разных задач с небольшими модификациями. В частности, в распознавании образов многие предварительно обученные модели (обычно на наборе данных ImageNet) теперь доступны всем желающим для загрузки и могут применяться как основа для создания очень мощных моделей распознавания образов на небольших объемах данных. Возможность повторного использования признаков — одна из самых замечательных особенностей глубокого обучения.
Комментарий жазу
Пономаренко Вера
Пономаренко Верадәйексөз келтірді1 ай бұрын
верточные нейронные сети изучают локальные признаки, инвариантные в отношении переноса, они обладают высокой эффективностью в решении задач распознавания. Обучение сверточной нейронной сети с нуля на очень небольшом наборе изображений дает вполне неплохие результаты, несмотря на относительную нехватку данных, без необходимости конструировать признаки вручную
Комментарий жазу
Tro
Troдәйексөз келтірді1 ай бұрын
Keras), которые делают работу с глубоким обучением таким же простым делом, как манипулирование кубиками лего.
Комментарий жазу