59 историй о Tensorflow, которые стоит узнать
12 января 2024 г.Давайте узнаем о Tensorflow из этих 59 бесплатных историй. Они упорядочены по времени чтения, созданного на HackerNoon. Посетите /Learn Repo, чтобы найти самые читаемые истории о любой технологии.
1. Квантовое машинное обучение с использованием TensorFlow Quantum
2. Что означает Facebook Hydra для будущего Python
С момента своего создания в 1089 году Гвидо Ван Россумом язык программирования Python ушел далеко вперед. Шелдон знал, что его создатель знал, что Python в современном мире будет использоваться для различных целей, таких как исследования, разработки, создание сценариев и многих других. Созданный как преемник языка ABC, Python находит применение не только в разработке программного обеспечения, но и в исследованиях.
3. Система рекомендаций YouTube: объяснение
Каждый успешный технологический продукт, по самому определению, является результатом некоторых технологических чудес, работающих с безупречным пользовательским опытом для решения ключевой проблемы пользователей. Одним из таких чудес является система рекомендаций YouTube.
4. Введение в фильтр NSFW: создание более безопасного Интернета с помощью искусственного интеллекта
Фильтрация изображений NSFW с помощью веб-расширения, созданного с использованием TensorFlow JS.
5. Почему машинное обучение в производстве (все еще) не работает и как мы можем это исправить
Развитие машинного обучения и глубокого обучения в производстве все еще было нарушено. ZenML – расширяемая платформа MLOps с открытым исходным кодом для готовых к использованию конвейеров машинного обучения.
6. Развертывание первой модели TensorFlow в приложении Android
Простая линейная регрессия полезна для поиска связи между двумя непрерывными переменными. Одна из них является предиктором или независимой переменной, а другая — откликом или зависимой переменной. Он ищет статистические отношения, а не детерминированные отношения. Связь между двумя переменными называется детерминированной, если одна переменная может быть точно выражена другой. Например, используя температуру в градусах Цельсия, можно точно предсказать градусы Фаренгейта.
7. Как запускать модели машинного обучения в браузере с помощью ONNX
Узнайте, как использовать ONNX Runtime Web для развертывания моделей машинного обучения прямо в браузере.
8. Обучение ваших моделей на облачных TPU за 4 простых шага в Google Colab
У вас есть старая добрая модель TensorFlow, которая слишком затратна в вычислительном отношении, чтобы ее можно было обучать на обычном рабочем ноутбуке. Я понимаю. Я тоже был там, и, если честно, смотреть, как мой ноутбук ломается дважды подряд после попытки обучения на нем модели, больно смотреть.
9. 10 инструментов с открытым исходным кодом, которые стоит попробовать
Машинное обучение — это будущее. Но вымрут ли когда-нибудь машины людей?
10. Эффективная реализация алгоритмов обнаружения объектов MobileNet и YOLO для аннотаций изображений
Цель задачи — реализовать алгоритмы классификации и локализации для достижения высокой точности классификации и маркировки объектов, а также легко обучать модели с минимальными затратами данных и времени. Решение проблемы рассмотрено в следующем блоге.
11. Алхимия коктейлей: создание новых рецептов с помощью трансформеров
Создайте модель-трансформер с обработкой естественного языка для создания новых рецептов коктейлей из базы данных коктейлей.
12. Автоматическое создание текстов с помощью TensorFlow и машинного обучения: практическое руководство
Создание бота, который по стартовой фразе будет генерировать собственные тексты на основе модели машинного обучения, которая будет учиться на существующих песнях.
13. Как перенести художественный стиль на любое изображение
Машинное обучение и искусственный интеллект уже много лет находятся в моем поле зрения, но скорее как концепции и «вещи, о которых мне следует знать». Я не чувствовал, что у меня есть свободное время или навыки, чтобы вникать в это. Однако за последние несколько месяцев мое отношение к машинному обучению изменилось. Я видел, как новые и более простые инструменты стали доступны публике. В этом посте я расскажу вам, как перенести художественный стиль на любое изображение с помощью некоторых из этих инструментов.
14. Перенос стилей с помощью TensorFlow
Передача стиля — это метод, основанный на компьютерном зрении в сочетании с обработкой изображений. Узнайте о переносе стилей с помощью Tensorflow, известной платформы в области искусственного интеллекта и искусственного интеллекта. МЛ
15. Прогнозирование временных рядов с помощью TensorFlow.js
Получайте цены на акции из онлайн-API и делайте прогнозы с помощью рекуррентной нейронной сети. Долгосрочная краткосрочная память (LSTM) с платформой TensorFlow.js
16. Управление тензорами в PyTorch. ¡Начните с глубокого обучения!
*Примечание: свяжитесь с Омаром Эспежелем (omar@tsc.ai) для более удобного наблюдения. Ответственность за ошибку лежит на авторе.
17. Основные моменты недели информационного бюллетеня TLDR от 5 августа
18. Flax: подход Google с открытым исходным кодом для обеспечения гибкости машинного обучения
Говоря о машинном обучении, первыми фреймворками, которые приходят на ум, являются Tensorflow и PyTorch, которые на данный момент являются самыми современными фреймворками, если вы хотите работать с глубокими нейронными сетями. Технологии быстро меняются, и требуется больше гибкости, поэтому исследователи Google разрабатывают новую высокопроизводительную платформу для сообщества открытого исходного кода: Flax.
19. Топ-3 набора данных о лицах и как с ними работать
Набор данных изображений содержит специально отобранные цифровые изображения, предназначенные для обучения, тестирования и оценки искусственного интеллекта (ИИ) или машинного обучения (МО)
20. PyTorch против TensorFlow: у кого больше предварительно обученных моделей глубокого обучения?
Учитывая важность предварительно обученных моделей глубокого обучения, какая платформа глубокого обучения - PyTorch или TensorFlow - имеет больше таких моделей, доступных пользователям
21. Редкие наборы данных для компьютерного зрения, с которыми должен работать каждый эксперт по машинному обучению
Вам когда-нибудь приходилось угадывать возраст другого человека? Ну может быть ДА!! Как насчет того, чтобы поиграть в такие игры, как поиск вещей за минимальное время? или о том, как найти букву, которую ваш врач написал в рецепте, когда вы больны?
22. Как я создал искусственный интеллект для обнаружения регистрации номерного знака (ANPR)
Этот автомобильный мод — кошмар конфиденциальности! (Считыватель номерных знаков AI с Python, Tensorflow, OpenCV, OpenALPR)
23. Как точно настроить модель-трансформер 🤗 (обнимающее лицо)
Как точно настроить модель Hugging Face Transformer для классификации последовательностей
24. 10 лучших библиотек обработки данных на Python
Библиотеки обработки данных, которые будут блистать в этом году.
25. Что нейронные сети говорят нам о шизофрении
Предварительно обученные искусственные нейронные сети раньше работали как черный ящик: вы передаете им входные данные, и они прогнозируют выходные данные с определенной вероятностью, но мы не знаем внутренних процессов того, как они пришли к своему прогнозу. Нейронная сеть для распознавания изображений обычно состоит примерно из 20 слоев нейронов, обученных на миллионах изображений для настройки параметров сети для обеспечения высококачественной классификации.
26. Классифицируйте рукописные цифры с помощью глубокого обучения с помощью Tensorflow
27. Искусственный интеллект и машинное обучение: в чем разница?
Искусственный интеллект и машинное обучение — преобладающие термины, вызывающие много шума в мире технологий. Эти термины часто можно использовать как синонимы, но это не так: искусственный интеллект и машинное обучение значительно отличаются друг от друга своим подходом, алгоритмами и логическим мышлением.
28. Как создать детектор ссылок, который сделает ссылки в вашей книге кликабельными
Как я создал детектор ссылок для вашего смартфона, чтобы просматривать ссылки, напечатанные в книгах.
29. Компьютерное зрение может улучшить здоровье и безопасность на рабочем месте
Недавние разработки в области обучения нейронных сетей (глубокое обучение) и передовых платформ обучения алгоритмов, таких как TensorFlow от Google и аппаратные ускорители от Intel (OpenVino), Nvidia (TensorRT) и т. д., дали разработчикам возможность обучать и оптимизировать сложные нейронные сети на малых перифериях. такие устройства, как смартфоны или одноплатные компьютеры.
30. От TF к TFLite: развертывание моделей машинного обучения на мобильных устройствах [Часть 2]
Это вторая часть статьи, состоящей из двух частей, о развертывании моделей машинного обучения на мобильных устройствах. Здесь мы увидели, как конвертировать наши модели ML в формат TfLite. Тем из вас, кто пришел сюда первым, я рекомендую нажать на ссылку выше, чтобы получить полную картину. Если вам просто нужна часть Android, демонстрационное приложение, которое мы создаем, имеет модель GAN, генерирующую рукописные цифры, и модель классификатора, предсказывающую сгенерированную цифру.
31. От TF к TFLite: развертывание моделей машинного обучения на мобильных устройствах [Часть 1]
tl;dr — Ссылка на код: модель TensorFlow GAN.
Итак, на днях я разговаривал со своей резиновой уточкой о том, как G-Board предсказывает мое следующее слово, даже если эти слова полностью придуманы мной, и именно так он на самом деле учится на устройстве. Как удивительно Netflix, Amazon, Google Maps используют машинное обучение в своих приложениях. Как вообще работает машинное обучение в приложениях? Обучается ли модель даже после развертывания? Могу ли я развернуть модель GAN на мобильном телефоне?
32. Как использовать TensorFlow в Python: библиотека Google с открытым исходным кодом для глубокого обучения
Возможно, вы не всегда это знаете, но глубокое обучение повсюду. Мы объясняем, как использовать TensorFlow, библиотеку Google для глубокого обучения, в Python.
33. Создайте свою собственную модель распознавания голоса с помощью Tensorflow
Хотя я обычно увлекаюсь JavaScript, есть множество вещей, которые Python упрощает выполнение. Распознавание голоса с помощью машинного обучения – одно из них.
34. C++ в WebAssembly с использованием Bazel и Emscripten
35. Подходите к предварительно обученным моделям глубокого обучения с осторожностью
Предварительно обученные модели просты в использовании, но не упускаете ли вы детали, которые могут повлиять на производительность вашей модели?
36. Тензорный поток против. Керас: сравнение путем построения модели классификации изображений
Да, как следует из названия, среди специалистов по обработке данных (даже вас!) это обычное явление: некоторые говорят, что TensorFlow лучше, а некоторые говорят, что Keras намного хорош! Давайте посмотрим, как это работает на практике в случае классификации изображений.
37. Система обнаружения людей с использованием RaspberryPi, тепловизионной камеры и машинного обучения
Запуск надежных событий, основанных на присутствии людей, какое-то время был мечтой многих компьютерных фанатов и мастеров DIY-автоматизации. Например, интересное применение — возможность включать и выключать свет, когда вы входите в гостиную или выходите из нее. Большинство существующих решений для решения подобных проблем, даже более продвинутые решения, такие как датчики Philips Hue, обнаруживают движение, а не фактическое присутствие людей — это означает, что свет выключится, как только вы ляжете на диван, как ленивец. .
38. Как блокчейн & Интеграция искусственного интеллекта меняет бизнес-среду?
Потенциал блокчейна не уступает искусственному интеллекту. Если вы ознакомились с ними, значит, вы уже знаете, какое влияние эти технологии оказывают на различные отрасли.
39. Уроки повышения эффективности обучения. Часть 1
Часть 1. Более низкая точность и усиление; больший размер партии теперь является стандартным
40. [Взлом Tinder] Научите ИИ автоматически смахивать за вас 🖖
Auto-tinder был создан для обучения ИИ с использованием Tensorflow и Python3, который изучает ваши интересы к другому полу и автоматически запускает за вас игру смахивания Tinder.
41. Фабио Манганьелло о самодельном компьютерном зрении, Интернете вещей, автоматизации, искусственном интеллекте
Фабио Манганьелло пишет о решениях, которые он обнаружил при создании платформы, библиотеки плагинов и API для подключения и управления любым устройством и сервисом через любой бэкэнд, что позволяет пользователям легко настраивать любые виды автоматизации. Фабио живет в Амстердаме, Нидерланды. Он был номинирован на #Noonie 2020 года за исключительный вклад в категорию тегов IoT на сайте Hacker Noon.
42. Эффективное обучение моделей в облаке с помощью Kubernetes, TensorFlow и Alluxio с открытым исходным кодом
43. Полная история сверточных нейронных сетей и лежащая в их основе математика
Сверточные нейронные сети стали по-настоящему популярны после 2010 года, поскольку они превзошли любую другую сетевую архитектуру при обработке визуальных данных, но концепция CNN не нова. На самом деле, оно во многом вдохновлено зрительной системой человека. В этой статье я стремлюсь очень подробно объяснить, как исследователи пришли к идее CNN, как они структурированы, как работает лежащая в их основе математика и какие методы применяются для улучшения их производительности.
[44. Дифференциальная конфиденциальность с Tensorflow 2.0 : Многоклассовая классификация текста
Конфиденциальность](https://hackernoon.com/ Differential-privacy-with-tensorflow-20-multi-class-text-classification-privacy-yk7a37uh)
Введение
45. Что такое Edge AI?
46. Отчет Мюллера для ботаников! Spark встречает НЛП с TensorFlow и BERT (Часть 1)
Фото Майкла на Unsplash
47. [Учебник] Создание гендерного классификатора для прямой трансляции с веб-камеры с помощью Tensorflow и OpenCV
Обучение нейронной сети с нуля сталкивается с двумя основными проблемами. Во-первых, необходим очень большой классифицированный набор входных данных, чтобы нейронная сеть могла изучить различные функции, необходимые для классификации.
48. Классификация объектов с использованием модели на основе CNN
— Все изображения (сюжеты) генерируются и модифицируются Автором.
49. Могу ли я оценить кредиты лучше, чем LendingClub?
Если вы пропустили это, я построил нейронную сеть для прогнозирования кредитного риска, используя общедоступный набор данных от LendingClub. Затем я создал общедоступный API для обслуживания прогнозов модели. Это хорошо и все такое, но… насколько хороша моя модель?
50. C++ в WebAssembly с использованием Bazel и Emscripten
Как заставить Bazel и Emscripten скомпилировать C++ в WebAssembly или JavaScript
51 . Обучение собственной модели классификации текста с нуля с помощью Tensorflow проще простого
52. Модель RethNet: пообъектное обучение для выявления проблем с кожей лица
В августе 2019 года группа исследователей из lululab Inc предложила современную концепцию использования метода семантической сегментации для точного выявления наиболее распространенных проблем с кожей лица. Работа принята на мастер-класс ICCV 2019.
53. Старший научный сотрудник Uber AI Labs рассказывает о TensorFlow 2.0 [Интервью]
54. Обучение моделей машинного обучения с использованием TensorFlow или PyTorch
Я покажу вам, как работает градиентный спуск, который находится в самой глубине машинного обучения.
55. Создание моделей машинного обучения с помощью TensorFlow
В этой статье я поделюсь с вами некоторыми полезными советами и рекомендациями, которые вы можете использовать для создания более эффективных моделей глубокого обучения.
56. Создайте умную радионяню с помощью RaspberryPi и Tensorflow
Некоторые из вас, возможно, заметили, что прошло много времени с момента моей последней статьи, несмотря на то, что я получил награду IoT Noonies в этом году (кстати, спасибо всем, кто голосовал, это очень много значит для меня!).
57. #Switch2Swift для глубокого обучения
Если вам интересно, что недавний расширенный и закрытый класс глубокого обучения на fast.ai сказал о проекте Google Swift для Tensorflow, этот пост может показаться вам интересным. Даже если вы посещали курс, мы надеемся, что вы найдете здесь хороший обзор (со ссылками на курс, презентации и дополнительные материалы), что такое Swift для Tensorflow и почему это может быть актуально.
58. Масштабные преобразователи зрения (ViT) не только обнимают лицо
Ускорьте работу современных моделей ViT в Hugging Face 🤗 до 2300 % (в 25 раз быстрее) с помощью Databricks, Nvidia и Spark NLP 🚀
59. Прогнозирование кредитного риска с помощью нейронных сетей
Пошаговое руководство (с хорошей дозой очистки данных)
Спасибо, что ознакомились с 59 самыми читаемыми историями о Tensorflow на HackerNoon.
Посетите репозиторий /Learn, чтобы найти самые читаемые статьи о любой технологии.
Оригинал