IT <code> - Tag học sâu [Bài viết]
278
bài viết
8
hữu ích
11k xem
Học máy với Deeplearning4j và Hướng đạo Eclipse
Học máy và học sâu, đặc biệt, đang phát triển với tốc độ đáng kinh ngạc. Ngày nay, học máy có thể được sử dụng để giải quyết các nhiệm vụ phức tạp hơn bao giờ hết được coi là không thực tế chỉ một vài năm…
5
hữu ích
9.2k xem
Xử lý ảnh với Deep Learning
Máy tính ngày nay không thể chỉ tự động phân loại ảnh, nhưng chúng cũng có thể mô tả các yếu tố khác nhau trong ảnh và viết các câu ngắn mô tả từng phân đoạn với ngữ pháp tiếng Anh thích hợp. Điều này…
![Mạng lưới thần kinh sâu với Python [Help 1]?](https://cdn.helpex.vn/upload/ar/2017/06/20/mang-luoi-than-kinh-sau-voi-python-help-1-070403943.jpg)
7
hữu ích
4.6k xem
Mạng lưới thần kinh sâu với Python [Help 1]?
Xác định mạng lưới thần kinh sâu với Python?
Trước khi tìm hiểu mạng nơ-ron sâu trong Python là gì, hãy tìm hiểu về Mạng nơ-ron nhân tạo.
Mạng lưới thần kinh nhân tạo
Một ANN (Mạng nơ ron nhân tạo) được…
0
hữu ích
7.5k xem
2 video không thể bỏ lỡ trên AI không người lái
Kiểm tra các video này để tìm hiểu về kỹ thuật tính năng tự động với AI không có trình điều khiển và khả năng hiểu máy học với AI không có trình điều khiển.
1. Kỹ thuật tính năng tự động với AI không người…
5
hữu ích
9.7k xem
Hiểu ma trận nhầm lẫn
Ma trận nhầm lẫn là một trong những kỹ thuật đo lường hiệu suất phổ biến nhất và được sử dụng rộng rãi cho các mô hình phân loại. Mặc dù nó rất dễ hiểu, thuật ngữ của nó có thể hơi khó hiểu.
Do đó,…
1
hữu ích
8.4k xem
Lặn sâu vào học sâu
Jen-Hsun Huang, CEO của nhà lãnh đạo xử lý đồ họa Nvidia cho biết, về cơ bản bạn có phần mềm viết phần mềm.
Trọng tâm của bài viết này là bắt đầu với việc tạo một mô hình bằng thuật toán Deep Learning.…
3
hữu ích
10k xem
Tại sao bạn không cần AI để quản lý dự án
Bạn có nên nhảy vào bandwagon AI? Không cần thiết.
Một cuộc khảo sát gần đây của MIT / Sloan về các giám đốc điều hành cao cấp của công ty cho thấy họ thấy trí tuệ nhân tạo (AI) là công nghệ mới đột phá…
3
hữu ích
2.5k xem
Các khung học tập sâu nguồn mở và phân tích trực quan
Deep Learning đã và đang ngày càng có nhiều lực kéo. Nó tập trung vào một phần của Machine Learning: Mạng nơ ron nhân tạo. Bài viết này giải thích tại sao Deep Learning là công cụ thay đổi trò chơi trong phân…
1
hữu ích
9.4k xem
Giới thiệu rất cơ bản về mạng nơ ron chuyển tiếp thức ăn
Trước khi bắt đầu với hướng dẫn của mình, chúng ta hãy đề cập đến một số thuật ngữ chung mà chúng ta cần biết.
Kiến trúc tổng hợp
Nút : Đơn vị tính toán cơ bản (được biểu thị bằng một vòng tròn)…
2
hữu ích
4.3k xem
Các thuật toán học máy hàng đầu bạn nên biết để trở thành một nhà khoa học dữ liệu
Giới thiệu về thuật toán học máy
Có hai cách để phân loại thuật toán Machine Learning mà bạn có thể gặp trong lĩnh vực này.
Đầu tiên là một nhóm các thuật toán theo phong cách học tập.
Thứ hai…
6
hữu ích
10k xem
Nắm bắt các kết quả học tập sâu của Apache MXNet Glamon qua MQTT và Apache NiFi
Tóm lược
Chúng tôi đang sử dụng một mô hình được đào tạo trước trong mã Apache MXNet Glamon Python 3 để phân loại hình ảnh webcam được chụp và xử lý bằng OpenCV. Trong tập lệnh Python của chúng tôi, chúng…
6
hữu ích
8.0k xem
Ví dụ về Deep Learning With R và Keras
Người dùng R từ lâu đã không có cơ hội tham gia phong trào học tập sâu trong khi vẫn giữ nguyên ngôn ngữ lập trình. Với việc phát hành MXNet , tình hình bắt đầu thay đổi, nhưng việc cập nhật thường xuyên vào…
3
hữu ích
8.6k xem
Học máy có thể dự đoán nghèo đói?
Nguồn: Wikimedia
Ngân hàng Thế giới đã tổ chức một cuộc thi dự đoán nghèo trên trang web lưu trữ cạnh tranh drivendata.org. Chúng tôi quyết định thử các kỹ năng học máy của chúng tôi trên bộ dữ…
7
hữu ích
5.3k xem
4 lý do để phân phối xử lý kéo căng giữa các đối tượng hàng ngày
TensorFlow có ở khắp mọi nơi. Nó được mở rộng từ chỉ sử dụng trên các máy chủ, đến các thiết bị di động và giờ đây nằm trong các đối tượng phổ biến như máy ảnh. Tại một cuộc họp của nhà phát triển máy ảnh 360…
11
hữu ích
2.5k xem
Phát hiện buồn ngủ bằng cách sử dụng khai thác mốc mặt và mạng lưới thần kinh sâu
Giới thiệu
Mục tiêu của bài viết này là để giải thích làm thế nào bạn có thể phát hiện một người buồn ngủ bằng cách sử dụng các mốc trên khuôn mặt làm đầu vào của mạng thần kinh, mạng thần kinh tích chập…
