Google представила библиотеку Tensorflow-Lite
Tensorflow-Lite - новая библиотека от Google, способная запускать нейросетевые модели с использованием малых ресурсов.
http://telegra.ph/Tensorflow-Lite-11-16
Tensorflow-Lite - новая библиотека от Google, способная запускать нейросетевые модели с использованием малых ресурсов.
http://telegra.ph/Tensorflow-Lite-11-16
Telegraph
Google представила библиотеку Tensorflow-Lite
Tensorflow-Lite - новая библиотека от Google, для запуска обученых моделей Tensorflow прямо на мобильных девайсах.
Недавно столкнулся с такой проблемой, что нет никакого единого источника по ML для людей раздичных групп, что бы можно было бы найти различные статьи по фундаментальным темам с подробным разбором. Решил в этом посте собрать основные вики-странички, где вы можете, что-то почитать. От части делаю этот пост и для себя, что бы потом найти то, что мне нужно.
📕 http://www.machinelearning.ru/wiki - Профессиональный информационно-аналитический ресурс, найти можно почти любую тему по ML с жесткой матчастью.
📒 http://wiki.cs.hse.ru - Вики страничка ФКН ВШЭ, порой можно найти что-то, но навигация подходит скорее для студентов, которые находят материалы по дате и курсу.
📘 https://neerc.ifmo.ru/wiki/index.php?title=Теория_вероятностей - Аналогичная страничка от ИТМО, которая по большей части ориентированна на разбор фундаментальных вопросов информатики (алгоритмы и структуры данных), но и по тер-веру там можно найти много интересного.
📙 http://ru.learnmachinelearning.wikia.com - Вики-справочник по статьям Виктора Китова, статьи написаны человеком, для людей, рекомендую 👍
📚 https://ru.wikipedia.org/wiki/Категория:Машинное_обучение - Ну и по классике можно посмотреть классическую википедию, где на удивление собрано немало подробного материала.
P.S Предложения по дополнению материала можете присылать мне @alxmamaev
📕 http://www.machinelearning.ru/wiki - Профессиональный информационно-аналитический ресурс, найти можно почти любую тему по ML с жесткой матчастью.
📒 http://wiki.cs.hse.ru - Вики страничка ФКН ВШЭ, порой можно найти что-то, но навигация подходит скорее для студентов, которые находят материалы по дате и курсу.
📘 https://neerc.ifmo.ru/wiki/index.php?title=Теория_вероятностей - Аналогичная страничка от ИТМО, которая по большей части ориентированна на разбор фундаментальных вопросов информатики (алгоритмы и структуры данных), но и по тер-веру там можно найти много интересного.
📙 http://ru.learnmachinelearning.wikia.com - Вики-справочник по статьям Виктора Китова, статьи написаны человеком, для людей, рекомендую 👍
📚 https://ru.wikipedia.org/wiki/Категория:Машинное_обучение - Ну и по классике можно посмотреть классическую википедию, где на удивление собрано немало подробного материала.
P.S Предложения по дополнению материала можете присылать мне @alxmamaev
Wikia
Машинное обучение вики | FANDOM powered by Wikia
Обучаемся учить машину учиться. Старайтесь следовать стилю вики — разбивать материал на статьи согласно здравому смыслу, а не билетам. Прочитайте правила оформления статей.
🌄 Инцепционизм 🌅
Вы слышали что-нибудь об этом направлении искусства?
Суть его заключается в следующем: мы обучаем нейронную сеть распознавать различные картинки, после чего берем матрицу весов нейронки и отрисовываем ее перебирая значения пикселей входной картинки так, что бы активация нейронной сети была максимальной.
В результате мы получаем картинки-представления различных образов внутри нейронки.
Посмотреть картинки вы можете здесь: https://distill.pub/2017/feature-visualization/
Очень советую глянуть, помимо подробного разбора того, как это работает, есть множество примеров работы на разных уровнях сети, а так же несколько интерактивных примеров где вы можете покликать параметры генерирования картинки.
Вы слышали что-нибудь об этом направлении искусства?
Суть его заключается в следующем: мы обучаем нейронную сеть распознавать различные картинки, после чего берем матрицу весов нейронки и отрисовываем ее перебирая значения пикселей входной картинки так, что бы активация нейронной сети была максимальной.
В результате мы получаем картинки-представления различных образов внутри нейронки.
Посмотреть картинки вы можете здесь: https://distill.pub/2017/feature-visualization/
Очень советую глянуть, помимо подробного разбора того, как это работает, есть множество примеров работы на разных уровнях сети, а так же несколько интерактивных примеров где вы можете покликать параметры генерирования картинки.
Distill
Feature Visualization
How neural networks build up their understanding of images