Глубокое обучение: первая модель. Набор данных Fashion MNIST. 2019. |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2020-07-31 20:00 основы теории нейронных сетей, Нейронные сети для начинающих Tensorflow обучение: введение в глубокое обучение Глубокое обучение: первая модель. Набор данных Fashion MNIST. Введение в глубокое обучение: первая модель, Fashion MNIST, набор данных для тренировки и обучения. Введение в глубокое обучение: пишем нейронную сеть для классификации изображений Fashion MNIST Введение в глубокое обучение: регрессия, классификация, свёрточные нейронные сети. 2019. Свёрточные нейронные сети: свёртка, операция подвыборки (max-pooling) + примеры. 2019. Что такое bias-variance tradeoff? Погружение в свёрточные нейронные сети. Часть 5. Свёрточные нейронные сети: dropout, image / data augmentation. Борьба с переобучением. Свёрточные нейронные сети: классификация кошек и собак, ImageDataGenerator, переобучение. Свёрточные нейронные сети: валидационный набор данных, image augmentation, dropout. Комментарии: |
|