Поиск по сайту:

Машинное обучение

Члены ЮНЕСКО приняли глобальное соглашение по этике и искусственному интеллекту_1 Члены ЮНЕСКО приняли глобальное соглашение по этике и искусственному интеллекту -

ИИ должен рассматриваться как «положительный вклад в человечество», согласны все 193 государства-члена. Организация ООН по вопросам образования, науки и культуры (ЮНЕСКО) опубликовала на прошлой неделе сообщение в блоге, в котором говорится, что все члены подписались под кодексом здорового развития систем искусственного интеллекта. В мире технологий мы часто с энтузиазмом приветствуем новые разработки, не задумываясь о возможных нежелательных побочных эффектах, но всегда будут существовать сомнительные сущности, ищущие новые способы мошенничества, обмана или чего-то еще хуже – с использованием любыхЧитать далее… >

8 способов автоматизации вашего блога WordPress с помощью искусственного интеллекта 8 способов автоматизации вашего блога WordPress с помощью искусственного интеллекта -

Знаете ли вы, что более трети опрошенных блоггеров говорят, что их самая большая проблема – это постоянное создание качественного контента? Неудивительно, что ведение последовательного блога WordPress требует много тяжелой работы. К счастью, с помощью искусственного интеллекта (ИИ) многие рутинные задачи ведения блогов можно автоматизировать. Ведение блога WordPress можно разбить на четыре основных этапа: Тематическое исследование и идентификация Написание, редактирование и публикация Продвижение Обновления и улучшения Каждый из этих шагов может увеличиваться или уменьшаться по времени и усилиям в зависимости от объемаЧитать далее… >

Как установить TensorFlow на CentOS 7 Рекомендации по обучению нейронной сети -

В этой главе мы поймем различные аспекты обучения нейронной сети, которые могут быть реализованы с использованием фреймворка TensorFlow. Ниже приведены десять рекомендаций, которые можно оценить:   Обратное распространение Обратное распространение – это простой метод вычисления частных производных, который включает базовую форму композиции, наиболее подходящую для нейронных сетей.   Стохастический градиентный спуск В случае стохастического градиентного спуска (gradient descent), пакет – это общее количество примеров, которое пользователь использует для вычисления градиента за одну итерацию. До сихЧитать далее… >

Как установить TensorFlow на CentOS 7 Распознавание изображений с использованием TensorFlow -

TensorFlow включает в себя специальную функцию распознавания изображений, и эти изображения хранятся в определенной папке. С относительно одинаковыми изображениями будет легко реализовать эту логику в целях безопасности. Структура папок реализации кода распознавания изображений показана ниже:   Dataset_image включает в себя связанные изображения, которые необходимо загрузить. Мы сосредоточимся на распознавании изображений с нашим логотипом, определенным в нем. Изображения загружаются с помощью скрипта «load_data.py», который помогает вести заметки о различных модулях распознавания изображений внутри них. import pickle from sklearn.model_selection importЧитать далее… >

Как установить TensorFlow на CentOS 7 TensorFlow – Формирование графиков -

Дифференциальное уравнение в частных производных (PDE) – это дифференциальное уравнение, которое включает в себя частные производные с неизвестной функцией нескольких независимых переменных. Что касается дифференциальных уравнений в частных производных, мы сосредоточимся на создании новых графиков. Предположим, есть пруд размером 500 * 500 кв. N = 500   Теперь мы вычислим уравнение в частных производных и сформируем соответствующий граф, используя его. Рассмотрим шаги, приведенные ниже для вычисления графа. Шаг 1 – Импорт библиотек для симуляции. import tensorflow as tfЧитать далее… >

Как установить TensorFlow на CentOS 7 TensorFlow – Оптимизация градиентного спуска -

Оптимизация градиентного спуска считается важной концепцией в науке о данных. Рассмотрим шаги, показанные ниже, чтобы понять реализацию оптимизации градиентного спуска:   Шаг 1 Включите необходимые модули и объявление переменных x и y, с помощью которых мы собираемся определить оптимизацию градиентного спуска. import tensorflow as tf x = tf.Variable(2, name = ‘x’, dtype = tf.float32) log_x = tf.log(x) log_x_squared = tf.square(log_x) optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(log_x_squared)   Шаг 2 Инициализируйте необходимые переменные и вызовите оптимизаторыЧитать далее… >

Как установить TensorFlow на CentOS 7 TensorFlow – реализация XOR -

В этой главе мы узнаем о реализации XOR с использованием TensorFlow. Прежде чем начать с реализации XOR в TensorFlow, давайте посмотрим значения таблицы XOR. Это поможет нам понять процесс шифрования и дешифрования. A В A XOR B 0 0 0 0 1 1 1 0 1 1 1 0 Метод шифрования XOR в основном используется для шифрования данных, которые трудно взломать методом грубой силы, т. е. путем генерации случайных ключей шифрования, которые соответствуют соответствующему ключу. Концепция реализации с XORЧитать далее… >

Как установить TensorFlow на CentOS 7 TensorFlow – оптимизаторы -

Оптимизаторы – это расширенный класс, который включает дополнительную информацию для обучения конкретной модели. Класс оптимизатора инициализируется с заданными параметрами, но важно помнить, что тензор не нужен. Оптимизаторы используются для повышения скорости и производительности при обучении конкретной модели. Основной оптимизатор TensorFlow – это tf.train.Optimizer   Этот класс определен в указанном пути файла tenorflow /python/training/optimizer.py. Ниже приведены некоторые оптимизаторы в Tensorflow: Стохастический градиентный спуск Стохастический градиентный спуск с градиентным отсечением Momentum Nesterov momentum Adagrad Adadelta RMSProp Adam Adamax SMORMS3Читать далее… >

Как установить TensorFlow на CentOS 7 TensorFlow – скрытые слои персептрона -

В этой главе мы сосредоточимся на сети, которую нам нужно будет изучить из известного набора точек, называемых x и f (x). Один скрытый слой создаст эту простую сеть. Код для объяснения скрытых слоев персептрона, показан ниже: #Импорт необходимых модулей import tensorflow as tf import numpy as np import math, random import matplotlib.pyplot as plt np.random.seed(1000) function_to_learn = lambda x: np.cos(x) + 0.1*np.random.randn(*x.shape) layer_1_neurons = 10 NUM_points = 1000 #Параметры для тренировки batch_size = 100 NUM_EPOCHS =Читать далее… >

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам:

Заполните форму и наш менеджер перезвонит Вам в самое ближайшее время!

badge
Обратный звонок 1
Отправить
galka

Спасибо! Ваша заявка принята

close
galka

Спасибо! Ваша заявка принята

close