Ang karaniwang inirerekomendang paghahati ng data sa pagitan ng pagsasanay at pagsusuri ay malapit sa 80% hanggang 20% nang naaayon?
Ang karaniwang paghahati sa pagitan ng pagsasanay at pagsusuri sa mga modelo ng machine learning ay hindi naayos at maaaring mag-iba depende sa iba't ibang salik. Gayunpaman, karaniwang inirerekomendang maglaan ng malaking bahagi ng data para sa pagsasanay, karaniwang humigit-kumulang 70-80%, at ireserba ang natitirang bahagi para sa pagsusuri, na magiging mga 20-30%. Tinitiyak iyon ng hating ito
- Inilathala sa Artipisyal na Talino, EITC/AI/GCML Google Cloud Machine Learning, Karagdagang mga hakbang sa Pag-aaral ng Machine, Malaking data para sa mga modelo ng pagsasanay sa cloud
Magagamit ba ang Tensorflow para sa pagsasanay at pag-iinference ng mga deep neural network (DNNs)?
Ang TensorFlow ay isang malawakang ginagamit na open-source na framework para sa machine learning na binuo ng Google. Nagbibigay ito ng komprehensibong ecosystem ng mga tool, library, at mapagkukunan na nagbibigay-daan sa mga developer at mananaliksik na bumuo at mag-deploy ng mga modelo ng machine learning nang mahusay. Sa konteksto ng mga malalim na neural network (DNN), hindi lamang kayang sanayin ng TensorFlow ang mga modelong ito ngunit pinapadali din nito.
- Inilathala sa Artipisyal na Talino, EITC/AI/GCML Google Cloud Machine Learning, Pagsulong sa Pag-aaral ng Makina, TensorFlow Hub para sa mas produktibong pag-aaral ng makina
Ano ang layunin ng pag-ulit sa dataset nang maraming beses sa panahon ng pagsasanay?
Kapag nagsasanay ng modelo ng neural network sa larangan ng malalim na pag-aaral, karaniwang kasanayan na umulit sa dataset nang maraming beses. Ang prosesong ito, na kilala bilang epoch-based na pagsasanay, ay nagsisilbi ng isang mahalagang layunin sa pag-optimize ng pagganap ng modelo at pagkamit ng mas mahusay na generalization. Ang pangunahing dahilan para sa pag-ulit sa dataset nang maraming beses sa panahon ng pagsasanay ay
- Inilathala sa Artipisyal na Talino, EITC/AI/DLPP Malalim na Pag-aaral kasama ang Python at PyTorch, Neural network, Modelo ng pagsasanay, Pagsusuri sa pagsusulit
Ano ang istraktura ng neural machine translation model?
Ang modelo ng neural machine translation (NMT) ay isang malalim na diskarte na nakabatay sa pagkatuto na nagpabago sa larangan ng machine translation. Nagkamit ito ng makabuluhang katanyagan dahil sa kakayahang bumuo ng mga de-kalidad na pagsasalin sa pamamagitan ng direktang pagmomodelo ng pagmamapa sa pagitan ng pinagmulan at target na mga wika. Sa sagot na ito, tuklasin natin ang istruktura ng modelo ng NMT, na nagha-highlight
- Inilathala sa Artipisyal na Talino, EITC/AI/DLTF Malalim na Pag-aaral gamit ang TensorFlow, Lumilikha ng isang chatbot na may malalim na pag-aaral, Python, at TensorFlow, Pagsasanay ng isang modelo, Pagsusuri sa pagsusulit
Paano kinakatawan ang output ng modelo ng neural network sa larong AI Pong?
Sa AI Pong game na ipinatupad gamit ang TensorFlow.js, ang output ng neural network model ay kinakatawan sa isang paraan na nagbibigay-daan sa laro na gumawa ng mga desisyon at tumugon sa mga aksyon ng player. Upang maunawaan kung paano ito nakakamit, alamin natin ang mga detalye ng mekanika ng laro at ang papel ng neural network.
- Inilathala sa Artipisyal na Talino, EITC/AI/DLTF Malalim na Pag-aaral gamit ang TensorFlow, Malalim na pag-aaral sa browser gamit ang TensorFlow.js, AI Pong sa TensorFlow.js, Pagsusuri sa pagsusulit
Paano namin sanayin ang aming network gamit ang function na `fit`? Anong mga parameter ang maaaring iakma sa panahon ng pagsasanay?
Ang function na `fit` sa TensorFlow ay ginagamit upang sanayin ang isang modelo ng neural network. Ang pagsasanay sa isang network ay nagsasangkot ng pagsasaayos ng mga timbang at bias ng mga parameter ng modelo batay sa data ng input at sa nais na output. Ang prosesong ito ay kilala bilang pag-optimize at napakahalaga para sa network na matuto at makagawa ng mga tumpak na hula. Upang magsanay
- Inilathala sa Artipisyal na Talino, EITC/AI/DLTF Malalim na Pag-aaral gamit ang TensorFlow, Paggamit ng convolutional neural network upang makilala ang mga aso kumpara sa mga pusa, Pagsasanay sa network, Pagsusuri sa pagsusulit
Ano ang layunin ng pagsuri kung mayroon nang naka-save na modelo bago ang pagsasanay?
Kapag nagsasanay ng malalim na modelo ng pag-aaral, mahalagang suriin kung mayroon nang naka-save na modelo bago simulan ang proseso ng pagsasanay. Ang hakbang na ito ay nagsisilbi sa ilang layunin at maaaring lubos na makinabang sa daloy ng trabaho sa pagsasanay. Sa konteksto ng paggamit ng convolutional neural network (CNN) upang matukoy ang mga aso kumpara sa mga pusa, ang layunin ng pagsuri kung ang isang
- Inilathala sa Artipisyal na Talino, EITC/AI/DLTF Malalim na Pag-aaral gamit ang TensorFlow, Paggamit ng convolutional neural network upang makilala ang mga aso kumpara sa mga pusa, Pagsasanay sa network, Pagsusuri sa pagsusulit
Paano pinipili ang aksyon sa bawat pag-ulit ng laro kapag ginagamit ang neural network upang mahulaan ang aksyon?
Sa bawat pag-ulit ng laro kapag gumagamit ng neural network upang mahulaan ang aksyon, ang aksyon ay pinili batay sa output ng neural network. Ang neural network ay tumatagal sa kasalukuyang estado ng laro bilang input at gumagawa ng probability distribution sa mga posibleng aksyon. Ang piniling pagkilos ay pipiliin batay sa
- Inilathala sa Artipisyal na Talino, EITC/AI/DLTF Malalim na Pag-aaral gamit ang TensorFlow, Pagsasanay ng isang neural network upang maglaro ng isang laro sa TensorFlow at Open AI, Network ng pagsubok, Pagsusuri sa pagsusulit
Paano natin lilikha ang input layer sa function ng kahulugan ng modelo ng neural network?
Upang lumikha ng input layer sa neural network model definition function, kailangan nating maunawaan ang mga pangunahing konsepto ng mga neural network at ang papel ng input layer sa pangkalahatang arkitektura. Sa konteksto ng pagsasanay ng isang neural network upang maglaro ng isang laro gamit ang TensorFlow at OpenAI, ang input layer ay nagsisilbing
- Inilathala sa Artipisyal na Talino, EITC/AI/DLTF Malalim na Pag-aaral gamit ang TensorFlow, Pagsasanay ng isang neural network upang maglaro ng isang laro sa TensorFlow at Open AI, Modelo ng pagsasanay, Pagsusuri sa pagsusulit
Ano ang layunin ng machine learning at paano ito naiiba sa tradisyonal na programming?
Ang layunin ng machine learning ay bumuo ng mga algorithm at modelo na nagbibigay-daan sa mga computer na awtomatikong matuto at mapabuti mula sa karanasan, nang hindi tahasang nakaprograma. Ito ay naiiba sa tradisyunal na programming, kung saan ang mga tahasang tagubilin ay ibinibigay upang magsagawa ng mga partikular na gawain. Kasama sa machine learning ang paglikha at pagsasanay ng mga modelo na maaaring matuto ng mga pattern at gumawa ng mga hula
- Inilathala sa Artipisyal na Talino, EITC/AI/DLTF Malalim na Pag-aaral gamit ang TensorFlow, Pagsasanay ng isang neural network upang maglaro ng isang laro sa TensorFlow at Open AI, pagpapakilala, Pagsusuri sa pagsusulit