- 博客(36)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 基于TensorFlow2.x的实时多人二维姿势估计
作者|Marcelo Rovai编译|VK来源|Towards Data Science介绍正如Zhe Cao在其2017年的论文中所述，实时多人二维姿势估计对于机器理解图像和视频中的人至关重要。然而，什么是姿势估计顾名思义，它是一种用来估计一个人身体位置的技术，比如站着、坐着或躺下。获得这一估计值的一种方法是找到18个“身体关节”或人工智能领域中命名的“关键点(Key Points)”。下面的图像显示了我们的目标，即在图像中找到这些点：关键点从0点（上颈部）向下延伸到身体关节，然后回到头
2020-08-31 21:38:56
1492
原创 用code2vec、glow和spaCy进行词嵌入
作者|Maria Malitckaya编译|VK来源|Towards Data Science改进机器学习模型的一个有效方法是使用词嵌入。使用词嵌入，你可以捕获文档中单词的上下文，然后找到语义和语法上的相似之处。在这篇文章中，我们将讨论词嵌入技术的一个不寻常的应用。我们将尝试使用OpenAPI的规范作为数据集在其中找到最好的词嵌入技术。作为OpenAPI规范的一个例子，我们将使用OpenAPI specifications(https://swagger.io/specification/)提供的O
2020-08-31 15:05:35
1301
原创 图解随机森林算法
作者|PythosLabs编译|VK来源|Towards Data Science这篇文章是关于什么的在本文中，我们将了解随机森林算法是如何在内部工作的。为了真正理解它，了解一下决策树分类器可能会有帮助。但这并不完全是必需的。注意：我们不涉及建模中涉及的预处理或特征工程步骤，只查看当我们使用sklearn的RandomForestClassifier包调用.fit()和.transform()方法时，算法中会发生什么。随机森林随机森林是一种基于树的算法。它是多种不同种类的随机树的集合。模型的
2020-08-30 23:46:28
3719
2
原创 如何进行数据科学竞赛？（EDA）
作者|Kemal Erdem编译|VK来源|Towards Data Science本文基于我在Driventa平台上参加DengAI（登革热）竞赛的文章。我的排名在前0.2%（截至2020年6月2日为14/9069）。我在这里提出的一些想法是严格为这样的比赛设计的，可能在现实生活中不是特别有用。在开始之前，我必须警告你，对于更高级的数据工程师来说，有些部分可能是显而易见的，这是一篇非常长的文章。你可以一节一节地读，只需选出你感兴趣的部分。问题描述首先，我们需要讨论竞赛本身。DengAI的目标
2020-08-30 23:31:09
906
原创 Python性能分析技巧
作者|Ujjwal Dalmia编译|VK来源|Towards Data Science当我们开始精通编程语言时，我们不仅希望实现最终目标，而且希望使我们的程序高效。在这个教程中，我们将学习一些Ipython的命令，这些命令可以帮助我们对Python代码进行时间分析。注意，在本教程中，我建议使用Anaconda。1.分析一行代码要检查一行python代码的执行时间，请使用%timeit。下面是一个简单的例子来了解它的工作原理：#### magics命令%timeit的简单用法%timei
2020-08-29 19:12:09
2006
3
原创 PyTorch中基于TPU的FastAI多类图像分类
作者|PRUDHVI VARMA编译|VK来源|Analytics Indiamag计算机视觉因其广泛的应用而成为人工智能领域中最具发展趋势的子领域之一。在某些领域，甚至它们在快速准确地识别图像方面超越了人类的智能。在本文中，我们将演示最流行的计算机视觉应用之一-多类图像分类问题，使用fastAI库和TPU作为硬件加速器。TPU，即张量处理单元，可以加速深度学习模型的训练过程。本文涉及的主题：多类图像分类常用的图像分类模型使用TPU并在PyTorch中实现多类图像分类我们使用
2020-08-29 11:46:02
947
原创 GitHub上的AutoML
作者|Moez Ali编译|VK来源|Towards Data Science你可能会想知道，GitHub是从什么时候开始涉足自动机器学习业务的。好吧，它其实没有，但你可以像有一样的使用它。在本教程中，我们将向你展示如何构建个性化的AutoML软件，并将其托管在GitHub上，以便其他人可以免费使用或付费订阅。我们将使用pycaret2.0，一个开源的、少代码行数的Python机器学习库来开发一个简单的AutoML解决方案，并使用GitHub Action将其部署为Docker容器。如果你以前没
2020-08-28 22:26:38
1748
1
原创 Keras vs PyTorch vs Caffe：CNN实现对比
作者|PRUDHVI VARMA编译|VK来源|Analytics Indiamag在当今世界，人工智能已被大多数商业运作所应用，而且由于先进的深度学习框架，它非常容易部署。这些深度学习框架提供了高级编程接口，帮助我们设计深度学习模型。使用深度学习框架，它通过提供内置的库函数来减少开发人员的工作，从而使我们能够更快更容易地构建模型。在本文中，我们将构建相同的深度学习框架，即在Keras、PyTorch和Caffe中对同一数据集进行卷积神经网络图像分类，并对所有这些方法的实现进行比较。最后，我们将看
2020-08-27 20:15:40
2794
1
原创 深度学习的学习率调节实践
作者|Luke Newman编译|VK来源|Towards Data Science多层感知器多层感知器（MLP）是由一个输入层、一个或多个隐藏层和一个称为输出层的最终层组成的人工神经网络（ANN）。通常，靠近输入层的层称为较低层，靠近输出层的层称为外层。除输出层外的每一层都包含一个偏置神经元，并与下一层完全相连。当一个ANN包含一个很深的隐藏层时，它被称为深度神经网络（DNN）。在这项调查中，我们将在MNIST时尚数据集上训练一个深度MLP，并通过指数增长来寻找最佳学习率，绘制损失图，并找到
2020-08-26 21:45:06
1636
原创 处理帧数不等的视频的批处理代码
作者|Rahul Varma编译|VK来源|Towards Data Science训练和测试一个有效的机器学习模型最重要的一步是收集大量数据并使用这些数据对其进行有效训练。小批量（Mini-batches）有助于解决这个问题，在每次迭代中使用一小部分数据进行训练。但是，随着大量的机器学习任务在视频数据集上执行，存在着对不等长视频进行有效批处理的问题。大多数方法依赖于将视频裁剪成相等的长度，以便在迭代期间提取相同数量的帧。但在我们需要从每一帧获取信息来有效地预测某些事情的场景中，这并不是特别有用，
2020-08-25 19:53:20
1230
原创 线性回归：Sklearn与Excel
作者|Kaushik Choudhury编译|VK来源|Towards Data Science大约13年前，David Cournapeau的Scikit learn作为Google Summer of Code项目的一部分开始。随着时间的推移，Scikit learn成为Python中最著名的机器学习库之一。它提供了几种分类、回归和聚类算法，在我看来，它的关键优势是与Numpy、Pandas和Scipy无缝集成。在本文中，我将用excel比较Scikit-learn多元线性回归的预测精度。Sc
2020-08-24 20:32:23
1670
1
原创 Torch：从特征提取到模型的语音识别
作者|Ayisha D编译|VK来源|Towards Data Science这篇文章中，我们探讨从语音数据中提取的特征，以及基于这些特征构建模型的不同方法。语音数字(Spoken digits)数据集是Tensorflow语音数据集的一个子集，它包括数字0-9之外的其他录音。在这里，我们只关注识别口语数字。数据集可以按如下方式下载。data = download_url("http://download.tensorflow.org/data/speech_commands_v0.
2020-08-23 23:01:49
2211
原创 用PyTorch重新创建Keras API
作者|Bipin Krishnan P编译|VK来源|Towards Data Science介绍Francois Chollet写的《Deep Learning with Python》一书让我进入了深度学习的世界。从那时起我就爱上了Keras的风格。Keras是我的第一个框架，然后是Tensorflow，接着进入PyTorch。老实说，在Keras的模型训练中，我很兴奋这个进度条，真是太棒了。那么，为什么不尝试把Keras训练模型的经验带到PyTorch呢？这个问题让我开始了工作，最后
2020-08-22 23:04:44
981
原创 在30分钟内创建你的深度学习服务器
作者|Rahul Agarwal编译|Flin来源|towardsdatascience每当我开始一个新的项目时，我发现自己一次又一次地创建一个深度学习机器。从安装Anaconda开始，最后为Pytorch和Tensorflow创建不同的环境，这样它们就不会相互干扰。而在这中间，你不可避免地会搞砸，从头开始。这种情况经常发生多次。这不仅是对时间的巨大浪费，它也是令人恼火的。通过所有的堆栈溢出线程，我们经常想知道究竟出了什么问题。那么，有没有一种方法可以更有效地做到这一点呢？在这个博客中，我将
2020-08-22 14:57:38
1053
原创 使用OpenCV和Python构建自己的车辆检测模型
作者|PRATEEK JOSHI编译|Flin来源|analyticsvidhya概述你对智慧城市的想法感到兴奋吗？如果是的话，你会喜欢这个关于建立你自己的车辆检测系统的教程的在深入实现部分之前，我们将首先了解如何检测视频中的移动目标我们将使用OpenCV和Python构建自动车辆检测器介绍我喜欢智慧城市的理念。自动智能能源系统、电网、一键接入端口的想法等等。这是一个令人着迷的概念！老实说，这是一个数据科学家的梦想，我很高兴世界上很多城市都在朝着更智能的方向发展。智能城市的核心组
2020-08-21 14:37:55
2691
2
原创 使用TensorFlow Hub进行神经风格迁移
作者|Richmond Alake编译|Flin来源|towardsdatascience我不会绘画，但是机器学习可以…介绍我不是艺术鉴赏家，但是我觉得上面的画看起来不错。我也不是画家，但是到本文结尾，我将创建一个图像，其绘画风格与上图相似。本文将介绍以下内容：神经风格迁移的描述神经风格迁移如何工作风格迁移的代码实现什么是神经风格迁移神经风格迁移（NST）是一种技术，涉及利用深度卷积神经网络和算法从一幅图像中提取内容信息并从另一幅参考图像中提取风格信息。在提取风格和内容之后，将
2020-08-21 09:55:42
1603
3
原创 数据科学速成班：解释逻辑回归
作者|Mandy Gu编译|Flin来源|towardsdatascienceLogistic回归，通过估计事件发生的对数概率来对事件发生的概率进行建模。如果我们假设对数比值和 j 个自变量之间存在线性关系，那么我们可以将事件发生的概率p建模为：你可能注意到未指定对数底。对数的底数其实并不重要，回想一下，如果我们把两边都乘以logk b，我们可以把底数b改成任何新的底数k。这使我们可以灵活地假设左侧的底数。当然，底数会影响对结果和系数值的解释。分离概率如果我们有估计系数，就很容易分离出p。注
2020-08-19 11:07:22
597
原创 图SLAM：Noob的同时本地化和映射指南
作者|Krunal Kshirsagar编译|Flin来源|Medium什么是SLAM？即时定位与地图构建（simultaneous localization and mapping，简写成SLAM），用于环境模型（map）的并行构建，以及在其中移动的机器人的状态估算。换句话说，SLAM为你提供了一种实时跟踪机器人在世界上的位置、并识别地标（例如建筑物，树木，岩石和其他世界特征）的位置的方法。除了本地化之外，我们还希望建立机器人环境的模型，这样我们就有了一个物体的概念，以及围绕机器人的地标，以便我
2020-08-18 20:53:34
634
原创 为图像识别模型构建图像采集接口应用程序
作者|Andre Ye编译|Flin来源|towardsdatascience通常，数据科学家会建立一个图像识别模型，观察其准确性，如果足够高，就表示工作完成了。自从我13岁开始学习机器学习，我就一直不明白这一点。为什么要花费所有的时间来建立最好的模型——只是为了满足于一个数字?在本文中，我将提供代码并指导你如何通过构建与模型交互的拍照接口来真正完成项目。安装cv2（OpenCV）我们将使用的图像库是cv2。因为cv2不能在Kaggle这样的在线平台上工作，所以它必须在你的计算机上本地完成。然
2020-08-17 23:50:04
750
原创 用PyTorch对Leela Zero进行神经网络训练
作者|Peter Yu编译|Flin来源|towardsdatascience最近，我一直在寻找方法来加快我的研究和管理我的实验，特别是围绕着写训练管道和管理实验配置文件这两个方面，我发现这两个新项目叫做PyTorch Lightning和Hydra。PyTorch Lightning可以帮助你快速编写训练管道，而Hydra可以帮助你有效地管理配置文件。 PyTorch Lightning：https://github.com/PyTorchLightning/pytorch-lightn
2020-08-16 14:25:29
2999
原创 在深度学习中对正则化的直观认识
作者|Kelvin Lee编译|Flin来源|towardsdatascience获得对正则化的直观认识在机器学习中，正则化是一种用来对抗高方差的方法——换句话说，就是模型学习再现数据的问题，而不是关于问题的潜在语义。与人类学习类似，我们的想法是构建家庭作业问题来测试和构建知识，而不是简单的死记硬背：例如，学习乘法表，而不是学习如何乘。这种现象在神经网络学习中尤为普遍——学习能力越强，记忆的可能性就越大，这取决于我们这些实践者如何引导深度学习模型来吸收我们的问题，而不是我们的数据。你们中的许多人
2020-08-15 22:32:18
673
原创 在AWS上部署、监控和扩展机器学习模型
作者|Aparna Dhinakaran编译|Flin来源|towardsdatascience部署健壮的、可扩展的机器学习解决方案仍然是一个非常复杂的过程，需要大量的人力参与，并做出很多努力。因此，新产品和服务需要很长时间才能上市，或者在原型状态下就被放弃，从而降低了行业内的对它的兴趣。那么，我们如何才能促进将机器学习模型投入生产的过程呢?Cortex是一个将机器学习模型部署为生产网络服务的开源平台。它利用强大的AWS生态系统，根据需要部署、监视和扩展与框架无关的模型。其主要特点概括如下:框
2020-08-15 12:26:25
978
原创 机器学习模型的度量选择一
作者|Alvira Swalin编译|VK来源|Medium第一部分主要讨论回归度量在后现代主义的世界里，相对主义以各种各样的形式，一直是最受欢迎和最受诟病的哲学学说之一。相对主义认为，没有普遍和客观的真理，而是每个观点都有自己的真理。在这篇文章中，我将根据目标和我们试图解决的问题来讨论每个错误度量的用处。当有人告诉你“美国是最好的国家”时，你应该问的第一个问题是，这种说法是基于什么。我们是根据每个国家的经济状况，还是根据它们的卫生设施等来判断它们？类似地，每个机器学习模型都试图使用不同的数据
2020-08-13 21:23:55
1000
原创 Tableau技巧：将单个值与其他值进行比较
作者|GUEST编译|VK来源|Analytics Vidhya介绍我们有多少次尝试将一个值与一个范围进行比较，结果却不令人满意？Excel是最常用的数据可视化工具，因为全球有超过12亿人在使用Excel。尽管如此，Excel在数据可视化方面有局限性。解决这些局限性的方法是Tableau。在本文中，我们将构建一个有效的图表，将单个值与一系列值进行比较。问题陈述假设我们有在特定商店（A、B、C、D、E、F）销售的不同产品（桌子、椅子、灯、沙发、床）的价格。范围是比较A店和其他店（B、C、D、
2020-08-13 11:54:15
1490
原创 5个实用的Pandas技巧
作者|RAM DEWANI编译|VK来源|Analytics Vidhya介绍效率已成为及时完成工作的关键因素。一个人不应该花超过合理的时间去完成事情。尤其是当任务涉及基本编码时。使用Pandas库能节省你的时间。Pandas是一个开源包。它有助于用Python语言执行数据分析和数据操作。此外，它还为我们提供了灵活的数据结构。目录Pandas技巧1–行的条件选择Pandas技巧2–数据的存储Pandas技巧3–分组数据Pandas技巧4–Pandas mapPandas技巧
2020-08-12 16:40:55
832
1
原创 自然语言处理中的语言模型简介
作者|Devyanshu Shukla编译|Flin来源|medium在这篇文章中，我们将讨论关于语言模型（LM）的所有内容什么是LMLM的应用如何生成LMLM的评估介绍NLP中的语言模型是计算句子（单词序列）的概率或序列中下一个单词的概率的模型。即句子的概率：下一个单词的概率：语言模型 v/s 字嵌入语言模型常常与单词嵌入混淆。主要的区别在于，在语言模型中，单词顺序很重要，因为它试图捕捉单词之间的上下文，而在单词嵌入的情况下，只捕捉语义相似度(https://en.wi
2020-08-11 22:22:04
1284
原创 20个Pandas函数详解
作者|Soner Yıldırım编译|VK来源|Towards Data SciencePandas是一个python数据分析库。它提供了许多函数和方法来加快数据分析过程。pandas之所以如此普遍，是因为它具有强大的功能，以及他简单的语法和灵活性。在这篇文章中，我将举例来解释20个常用的pandas函数。有些是很常见的，我敢肯定你以前用过。有些对你来说可能是新的。所有函数都将为你的数据分析过程增加价值。import numpy as npimport pandas as pd1.query
2020-08-10 22:19:39
3915
1
原创 用Python构建个性化智能闹钟
作者|Kumar Shubham编译|VK来源|Towards Data Science你可能之前有见过有人使用Python语言构建闹钟，帮助他唤醒或提醒他一个重要的会议。这些都是很简单，没有任何智能，他们所做的只是播放你设置的闹钟音乐，或者随机选择一个YouTube视频或歌曲来播放。所以，让我们更上一层楼，做一些更聪明，更个性化的东西，它能理解你，帮助你更快更好地醒来。我们将在本文中构建的个性化闹钟系统将从过去的事件中学习并理解它们，以便在下一个闹钟中获得更好的性能。每次使用它都会变得更好。
2020-08-10 00:58:05
946
原创 基于Python的决策树分类器与剪枝
作者|Angel Das编译|VK来源|Towards Data Science介绍决策树分类器是一种有监督的学习模型，在我们关心可解释性时非常有用。决策树通过基于每个层次的多个问题做出决策来分解数据决策树是处理分类问题的常用算法之一。为了更好地理解它，让我们看看下面的例子。决策树通常包括：根节点-表示被进一步划分为同质组的样本或总体拆分-将节点分为两个子节点的过程决策节点-当一个子节点根据某个条件拆分为其他子节点时，称为决策节点叶节点或终端节点-不进一步拆分的子节点信息增
2020-08-06 13:46:44
1221
原创 使用Scikit Learn的分类器探索Iris数据集
作者|Dehao Zhang编译|VK来源|Towards Data Science暂时，想象一下你不是一个花卉专家（如果你是专家，那对你很好！）。你能区分三种不同的鸢尾属植物吗？刚毛鸢尾属，花色鸢尾属和维吉尼亚鸢尾属（setosa, versicolor, virginica）？我知道我不能…但是，如果我们有一个包含这些物种实例的数据集，以及它们的萼片和花瓣的测量结果呢？换言之，我们能从这个数据集中学到什么来帮助我们区分这三个物种吗？目录我们为什么选择这个数据集？我们想回答什么
2020-08-05 13:32:33
1887
原创 5个步骤实现目标检测
作者|DR. VAIBHAV KUMAR编译|VK来源|Analytics In Diamag目标检测技术是当今计算机视觉领域的发展趋势。在场景图像和视频中，有许多方法被用来检测物体。在资源和执行时间方面，每种技术都有自己的优势和局限性。检测视频中的物体也需要大量的技术知识和资源。因此，人们一直在寻找一种简单、快速的目标检测方法。在本文中，我们将演示如何检测视频中看到的对象，只需5个步骤。我们将在本任务中使用pixellib库，该库使用实例分割检测对象。我们还将使用预训练Mask R-CNN模型
2020-08-04 18:09:29
4592
1
原创 检测X光图像中Covid-19
作者|Marcelo Rovai编译|VK来源|Towards Data Science免责声明本研究是为X光图像中COVID-19的自动检测而开发的，完全是为了教育目的。由于COVID-19没有经过专业或学术评估，最终的应用并不打算成为一个准确的用于诊断人类的COVID-19的诊断系统，。介绍Covid-19是由一种病毒（SARS-CoV-2冠状病毒）引起的大流行性疾病，已经感染了数百万人，在几个月内造成数十万人死亡。据世界卫生组织（WHO）称，大多数COVID-19患者（约80%）可能无
2020-08-04 00:54:49
2772
4
原创 在PyTorch中使用深度自编码器实现图像重建
作者|DR. VAIBHAV KUMAR编译|VK来源|Analytics In Diamag人工神经网络有许多流行的变体，可用于有监督和无监督学习问题。自编码器也是神经网络的一个变种，主要用于无监督学习问题。当它们在体系结构中有多个隐藏层时，它们被称为深度自编码器。这些模型可以应用于包括图像重建在内的各种应用。在图像重建中，他们学习输入图像模式的表示，并重建与原始输入图像模式匹配的新图像。图像重建有许多重要的应用，特别是在医学领域，需要从现有的不完整或有噪声的图像中提取解码后的无噪声图像。在本
2020-08-03 14:59:23
4051
1
原创 基于PyTorch图像特征工程的深度学习图像增强
介绍在深度学习黑客竞赛中表现出色的技巧（或者坦率地说，是任何数据科学黑客竞赛） 通常归结为特征工程。 当您获得的数据不足以建立一个成功的深度学习模型时，你能发挥多少创造力？我是根据自己参加多次深度学习黑客竞赛的经验而谈的，在这次深度黑客竞赛中，我们获得了包含数百张图像的数据集——根本不足以赢得甚至完成排行榜的顶级排名。那我们怎么处理这个问题呢？答案？ 好吧，那要看数据科学家的技能了！ 这就是我们的好奇心和创造力脱颖而出的地方。 这就是特征工程背后的理念——在现有特征的情况下，我们能多好地提出新特征。当
2020-08-02 23:48:21
1959
原创 使用TPU在PyTorch中实现ResNet50
作者|DR. VAIBHAV KUMAR编译|VK来源|Analytics In DiamagPyTorch通过提供大量强大的工具和技术，一直在推动计算机视觉和深度学习领域的发展。在计算机视觉领域，基于深度学习的执行需要处理大量的图像数据集，因此需要一个加速的环境来加快执行过程以达到可接受的精度水平。PyTorch通过XLA（加速线性代数）提供了这一特性，XLA是一种线性代数编译器，可以针对多种类型的硬件，包括GPU和TPU。PyTorch/XLA环境与Google云TPU集成，实现了更快的执行速
2020-08-01 11:32:54
922
原创 何时使用约束求解而不是机器学习
作者|Antoine Champion编译|VK来源|Towards Data Science机器学习和深度学习一直是业界的热门话题。品牌领先于功能，导致深度学习在许多人工智能应用中被过度使用。这篇文章将提供对约束求解的快速理解，这是一个强大但未被充分利用的方法，可以解决人工智能和其他计算机科学领域的大量问题，例如物流和调度时间推理和图形问题。解决现实问题让我们来考虑一个事实性的和高度话题性的问题。病人人数正在上升。医院必须迅速组织起来治疗病人。世界上需要一种算法，在疾病严重程度、患者
2020-08-01 00:39:13
1069
php典型模块与项目实战大全书中源码
2012-05-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人