遷移學習的原理，基于Keras實現(xiàn)遷移學習

我面對的大多數(shù)計算機視覺問題沒有非常大的數(shù)據(jù)集（5000-40000圖像）。即使使用極端的數(shù)據(jù)增強策略，也很難達到像樣的精確度。而在少量數(shù)據(jù)集上訓練數(shù)百...

2018-05-09 標簽：機器學習深度學習 1.5萬 1

構(gòu)建一個決策樹并查看它如何進行預測

正如你所看到的，決策樹非常直觀，他們的決策很容易解釋。 這種模型通常被稱為白盒模型。 相反，正如我們將看到的，隨機森林或神經(jīng)網(wǎng)絡通常被認為是黑匣子模型。...

2018-07-16 標簽：神經(jīng)網(wǎng)絡機器學習決策樹 1.5萬 0

三種回歸算法及其優(yōu)缺點，將會為我們理解和選擇算法提供很好的幫助

在這一簡單的模型中，單變量線性回歸的任務是建立起單個輸入的獨立變量與因變量之間的線性關系；而多變量回歸則意味著要建立多個獨立輸入變量與輸出變量之間的關系。

2018-03-23 標簽：神經(jīng)網(wǎng)絡機器學習 1.5萬 0

如何才能高效地進行深度學習模型訓練？

分布式深度學習框架中，包括數(shù)據(jù)/模型切分、本地單機優(yōu)化算法訓練、通信機制、和數(shù)據(jù)/模型聚合等模塊?，F(xiàn)有的算法一般采用隨機置亂切分的數(shù)據(jù)分配方式，隨機優(yōu)化...

2018-07-09 標簽：加速器機器學習深度學習 1.4萬 0

LSTM和GRU的動態(tài)圖解

根據(jù)上圖公式：新權(quán)重=權(quán)重-學習率×梯度。已知學習率是個超參數(shù)，當梯度非常小時，權(quán)重和新權(quán)重幾乎相等，這個層就停止學習了。由于這些層都不再學習，RNN就...

2018-10-27 標簽：可視化機器學習 1.4萬 0

Qdrant不只是高性能向量數(shù)據(jù)庫

在機器學習和深度學習中，向量通常被用作表示數(shù)據(jù)的形式，其中每個向量的維度代表了不同的特征或?qū)傩?。例如，在圖像分類任務中，一個圖像可以被表示為像素值組成的...

2023-05-11 標簽：API數(shù)據(jù)庫機器學習 1.4萬 0

語言模型、RNN、LSTM以及NLP數(shù)據(jù)預處理流程

我使用了知名的BeautifulSoup包，我花了5分鐘，看了Justin Yek寫的How to scrape websites with Pytho...

2018-06-30 標簽：機器學習python自然語言 1.4萬 0

機器學習的可解釋性為何如此重要？

而對于自底向上的模式，將商業(yè)模型中的一部分委派給機器學習，甚至從機器學習中得到全新的商業(yè)想法。自底向上的數(shù)據(jù)科學一般與手工勞作的自動化過程相關。例如制造...

2018-04-11 標簽：機器學習深度學習 1.4萬 0

經(jīng)典的采樣方法有哪些？

可以看到蒙特卡洛法其實就是按一定的概率分布中獲取大量樣本，用于計算函數(shù)在樣本的概率分布上的期望。其中最關鍵的一個步驟就是如何按照指定的概率分布 p 進行...

2018-07-09 標簽：函數(shù)采樣機器學習 1.4萬 1

從神經(jīng)網(wǎng)絡入門嵌入式視覺應用的機器學習

目前嵌入式視覺領域最熱門的話題之一就是機器學習。機器學習涵蓋多個行業(yè)大趨勢，不僅在嵌入式視覺 (EV) ，而且在工業(yè)物聯(lián)網(wǎng)和云計算中均發(fā)揮著極為顯赫的作...

2018-01-07 標簽：嵌入式神經(jīng)網(wǎng)絡機器學習 1.4萬 0

機器學習的含義、術(shù)語、以及重要性的解析

機器學習”在最近雖可能不至于到人盡皆知的程度、卻也是非?；馃岬脑~匯。機器學習是英文單詞“Machine Learning”（簡稱ML）的直譯，從字面上便...

2018-01-19 標簽：人工智能機器學習 1.4萬 0

深度學習與機器學習有什么差異你知道嗎？

如果你經(jīng)常想讓自己弄清楚機器學習和深度學習的區(qū)別，閱讀該文章，我將用通俗易懂的語言為你介紹他們之間的差別。

2017-10-31 標簽：機器學習深度學習 1.4萬 1