Estoy trabajando en el modelo Seq2Seq usando LSTM de Keras (usando el fondo Theano) y me gustaría paralelizar los procesos, porque incluso unos pocos MB de datos necesitan varias horas para el entrenamiento. Está claro que las GPU son mucho mejores en paralelo que las CPU. Por el momento, solo...
Estoy leyendo el artículo fundamental Aprendizaje de secuencia a secuencia con redes neuronales de Ilya Sutskever y Quoc Le. En la primera página, menciona brevemente que: A surprising example of the power of DNNs is their ability to sort N N-bit numbers using only 2 hidden layers of quadratic...
Las respuestas aquí han declarado que las dimensiones en t-SNE no tienen sentido , y que las distancias entre puntos no son una medida de similitud . Sin embargo, ¿podemos decir algo sobre un punto basado en sus vecinos más cercanos en el espacio t-SNE? Esta respuesta a por qué los puntos que son...
La mayoría de las redes que he visto tienen una o dos capas densas antes de la capa final de softmax. ¿Hay alguna forma de principios de elegir el número y el tamaño de las capas densas? ¿Son dos capas densas más representativas que una para el mismo número de parámetros? ¿Debería aplicarse la...
¿Es posible implementar múltiples softmaxes en la última capa en Keras? Entonces la suma de los nodos 1-4 = 1; 5-8 = 1; etc. ¿Debo optar por un diseño de red
Tengo conjuntos de datos que contienen, entre muchas características, coordenadas GPS (latitud y longitud). Me gustaría utilizar estos conjuntos de datos para explorar problemas como: (1) calcular ETA para conducir entre los puntos de inicio y finalización; y (2) estimar la cantidad de delito para...
Realizando un modelo de regresión lineal usando una función de pérdida, ¿por qué debería usar lugar de L 2 regularización?L1L1L_1L2L2L_2 ¿Es mejor prevenir el sobreajuste? ¿Es determinista (por lo que siempre es una solución única)? ¿Es mejor en la selección de características (porque produce...
Por alguna razón, AlphaGo Zero no recibe tanta publicidad como el AlphaGo original, a pesar de sus increíbles resultados. Comenzando desde cero, ya ha superado a AlphaGo Master y ha superado muchos otros puntos de referencia. Aún más increíble, se hace esto en 40 días. Google lo nombra como...
Detalles: GPU : GTX 1080 Entrenamiento : ~ 1.1 millones de imágenes pertenecientes a 10 clases Validación : ~ 150 mil imágenes pertenecientes a 10 clases Tiempo por época : ~ 10 horas He configurado CUDA, cuDNN y Tensorflow (GPU Tensorflow también). No creo que mi modelo sea tan complicado...
Me gustaría verificar los archivos JPG si fueron manipulados para cambiar el contenido. Lo que considero NO photoshopped: Recortar Giratorio (Escalada) Resolución de imagen Los cambios automáticos que pueden hacer los teléfonos inteligentes Lo que considero photoshopping: Agregar una nueva...
Comprendí que el análisis de componentes principales es una técnica de reducción de dimensionalidad, es decir, dadas 10 características de entrada, producirá un número menor de características independientes que son la transformación lineal y ortogonal de las características originales. Se...
Soy nuevo en ML y TensorFlow (comencé hace unas horas), y estoy tratando de usarlo para predecir los próximos puntos de datos en una serie de tiempo. Estoy tomando mi entrada y haciendo esto con ella: /----------- x ------------\ .-------------------------------. | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7...
Estoy aprendiendo a usar Keras y he tenido un éxito razonable con mi conjunto de datos etiquetado utilizando los ejemplos de Deep Learning for Python de Chollet . El conjunto de datos es ~ 1000 Series temporales con longitud 3125 con 3 clases potenciales. Me gustaría ir más allá de las capas...
Actualmente estoy haciendo un curso en Tensorflow en el que utilizaron tf.one_hot (índices, profundidad). Ahora no entiendo cómo estos índices cambian en esa secuencia binaria. ¿Alguien puede explicarme el proceso
La siguiente gráfica muestra los coeficientes obtenidos con regresión lineal (con mpgla variable objetivo y todos los demás como predictores). Para el conjunto de datos mtcars ( aquí y aquí ) con y sin escalar los datos: ¿Cómo interpreto estos resultados? Las variables hpy dispson...
Estoy tratando de implementar un algoritmo donde, dada una imagen con varios objetos en una tabla plana, se desea la salida de máscaras de segmentación para cada objeto. A diferencia de las CNN, el objetivo aquí es detectar objetos en un entorno desconocido. ¿Cuáles son los mejores enfoques para...
Estoy tratando de construir un sistema de reconocimiento de gestos para clasificar los gestos ASL (lenguaje de señas americano) , por lo que se supone que mi entrada es una secuencia de fotogramas, ya sea desde una cámara o un archivo de video, luego detecta la secuencia y la asigna a su...
Estoy estudiando el escalado de datos, y en particular el método de estandarización. He entendido las matemáticas detrás de esto, pero no me queda claro por qué es importante darles a las características media cero y varianza unitaria. Me puedes explicar
No puedo entender el propósito de los pesos de muestreo de importancia (IS) en la reproducción priorizada (página 5) . Es más probable que se muestree una transición de la repetición de la experiencia cuanto mayor sea su "costo". Tengo entendido que 'IS' ayuda a abandonar sin problemas el uso de...
Tengo una pregunta práctica sobre la ingeniería de características ... digamos que quiero predecir los precios de la vivienda mediante el uso de regresión logística y utilicé un montón de características, incluido el código postal. Luego, al verificar la importancia de la función, me doy cuenta de...