Что-то я последнее время в основном с новостями связанными с ML)

На этот раз ссылка на готовую модель tensorflow для Instance Segmentation - это совмещение двух задач: детектирования и сегментации. Происходит буквально следующее: находятся все объекты, а потом в каждом выделенном фрагменте происходит бинарная сегментация, т.е. выделяются непосредственно границы объекта (отделяется фон).

Если интересно, смотрите ссылку https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/instance_segmentation.md

#ml #dl #cv #tf

Недавно в Калифорнии прошёл ежегодный Dev саммит tensorflow - это такое ежегодное мероприятие, где рассказывают о улучшениях tensorflow и новых достижениях в Deep Learning (https://www.tensorflow.org/dev-summit/).

Событие от части рекламное, но интересного там обычно много. Может позже напишу, что там показали, но пока только хочу рассказать про одну новость.

Теперь tf доступен для js разработчиков! Да-да , это то, чего мы заслужили https://js.tensorflow.org/ 🙂

Но если серьёзно, новость крутая. До этого не было ничего промышленного уровня для работы с машинным обучением для js.

A WebGL accelerated, browser based JavaScript library for training and deploying ML models.

Веб развивается и теперь есть ещё один инструмент, который, как я считаю, позволит реализовать новые идеи, то, о чём мы мы пока и не задумывались.

#tf #news #ml #nn #dl #js

Оказывается сегодня 4-х летний юбилей самой известного фреймворка для создания нейронных сетей. Нет, речь не о tensorflow, а про keras, всё же большинство людей, которые говорят, что используют tensorflow, пишут свои модельки на keras. https://twitter.com/fchollet/status/1110928802077523968

Стоит поздравить команду, keras - это пример хорошего и понятного API. Сейчас он честно интегрирован с tensorflow, но всё так же можно использовать другие фреймворки, theano и CNTK - хотя кого мы обманываем, обычно все используют связку keras + tf backend

#keras #tf

Сегодня хочу поделиться несколькими ссылками на обучающие статьи, первая из них о нейронных сетях на PyTorch, очень хороший туториал для того, чтобы начать, достаточно подробно и небольшими шагами объясняются всё более сложные идеи фреймворка https://pytorch.org/tutorials/beginner/nn_tutorial.html

Вторая о TensorFlow 2.0, он вот-вот выйдет, интересного там много и важные новшества отображены в виде серии твитов https://twitter.com/fchollet/status/1105139360226140160 ( есть документ, где можно сразу и запустить https://colab.research.google.com/drive/17u-pRZJnKN0gO5XZmq8n5A2bKGrfKEUg)

Дальше про математику, не сложная серия статей про важные концепции, которые нужны Data Science https://towardsdatascience.com/statistics-is-the-grammar-of-data-science-part-1-c306cd02e4db объяснение поверхностное, но не плохое в качестве отправной точки. Последняя статья из серии о важной теореме Байеса, о которой рекомендую почитать серию статей https://arbital.com/p/bayes_rule_guide/ подробно, на примерах с картинками, всё как мы любим

#nn #math #pytorch #tf #stats #tuturial

Меня часто спрашивают что нужно изучить, чтобы создавать свои нейронные сети. Помимо знаний в математике вам понадобится какой-нибудь deep learning фреймворк. Появление tensoflow упростило исследования и позволило внедрять их в продакшен. PyTorch - это новая "звезда", и темпы распространения в сообществе разработчиков действительно удивляют. Он проще tf и если вы не изучали ничего, то pytorch покажется вам проще и логичнее. График взят с твита https://twitter.com/RitchieNg/status/1155026908855226369/photo/1 #dl #ml #tf #pytorch