Wszystko

Najnowsze

Archiwum

yras8
yras8
  • 1
#python #kotlin #android #machinelearning

Mam dwa modele .h5 do Jeden rozpoznaje 6 Labeli [ Chodzenie,Bieganie,Schody Dół,Schody Góra,Stanie,Siedzenie] a drugi to model który rozpoznaje Upadek

chciałbym teraz te dwa modele połaczyć aby telefon rozpoznawał te 7 czynności, jak się zabrać za to?
  • 2
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
kkthxbb
kkthxbb
  • 0
@yras8: A co to dokładnie za problem? Klasyfikacja wieloklasowa (multiclass) czy wieloetykietowa (multilabel)? Nawet abstrachując od tego, to nie jesteś w stanie połączyć "modeli" ze sobą w jeden. Robisz predykcje na jednym, potem drugi i konkatenujesz ich wektory wyjściowe. ¯\_(ツ)_/¯
  • Odpowiedz
Lugi
Lugi
  • 0
@yras8: jak wciąż się z tym zmagasz to priv, pomogę. Ale w skrócie, wszystko zależy jak je trenowałeś, czy z zamrożonym backbone (wtedy będziesz w stanie połączyć), bo zapewne używałeś jakiejś sieci już wytrenowanej na imagenecie
  • Odpowiedz
Rimfire
Rimfire
  • 94
Belle Delphine wróciła i wypuściła teledysk, który jest wspaniałym materiałem na test możliwości maskowania w xseg. Chcesz zobaczyć jak w jej rolę wpasował się Steven Seagal? Efekt poniżej:

https://www.wykop.pl/link/5567591/gdy-belle-delphine-byla-stevenem-seagalem-wykopowy-projekt-deep-fake/

#deepwykop - już 445 osób obserwuje Wykopowy Projekt Rozkminiania Technologii Deep Fake

Tym
Rimfire - Belle Delphine wróciła i wypuściła teledysk, który jest wspaniałym materiał...

źródło: comment_1592891675VAvMCvxIStjKppSoYA5H74.jpg

Pobierz
  • 17
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
croppz
croppz
  • 2
@TheRickestRick: ten kurs co Andrew Ng prowadzi jest spoko, to chyba coursera była. Nie jest najłatwiejszy, ale jak masz już jakiś background z matmy i statystyki nie powinieneś mieć problemów.
  • Odpowiedz
D.....r
D.....r
  • 7
W 2020 roku mają zacząć powstawać superkomputery o wystarczającej mocy obliczeniowej do przesymulowania pracy neuronów ludzkiego mózgu w zgodzie z oszacowaniem Henrego Markrama. Popchnąć ma to prace głównie nad Blue Brain Project, które ze względu na niedostosowanie modeli do obecnych superkomputerów borykał się z wynikajacymi z tych ograniczeń problemami.
W efekcie przyjętą dotychczas heurystyką podczas modelowaniu kory mózgu myszy było reprezentowanie każdego neuronu jako sieci neuronowej. O tej części projektu (2019 r.)
D.....r - W 2020 roku mają zacząć powstawać superkomputery o wystarczającej mocy obli...
  • 1
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
tptak
tptak
  • 2
Szkoda że @orlen_lite się nie chwali takimi rzeczami, Tatiana Calderon z Alfy ścigała się w AWS DeepRacer.

Trochę szkoda że awansowałem w kwietniu i jakoś nie miałem parcia na wyścigi w maju, fajnie byłoby być w tym finale.

Przy okazji, AWS Online Summit dla EMEA jest w środę 17.06.2020, rejestracja darmowa: https://aws.amazon.com/events/summits/online/emea/
Przy okazji jest wyścig DeepRacera zarówno ligi wirtualnej jak i Summitowy online, w sumie 29 miejsc w finałach w Las Vegas i
tptak - Szkoda że @orlen_lite się nie chwali takimi rzeczami, Tatiana Calderon z Alfy...
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
unpocoloco
unpocoloco
  • 2
Hej, czy jest tu jakiś spec od R i modeli regresji logistycznej? Chcę stworzyć model regresji logistycznej, wiem że nie powinno być obserwacji odstających, ale jak te obserwacje znaleźć i później usunąć w R? W modelu liniowym jest odległość Cooka a tu? Będę wdzięczna za każdą pomoc
#ekonometria #matematyka #programowanie #naukaprogramowania #rstudio #statystyka #datascience #machinelearning
  • 3
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
rafau1337
rafau1337
  • 2
@boa_dupczyciel @unpocoloco generalnie, to obserwacje odstające trzeba usunąć przed uczniem modelu ponieważ może Ci to zaburzyć model. Często się to robi ekspercko, lecz jak nie masz pomysłu jak to zrobić możesz spróbować metody między kwartylowej- usunięcie wszystkich wartości które są 1.5mniejsze od odległości miedzymwartylowej i usunięcie wszystkich wyższych od 1.5*odleglosc miedykwartylowa (narysuj sobie boxplot(zmienna) i wszystkie kropeczki za wąsami to outliery zgodnie z powyższą metodologią). Metoda coocka z tego co
  • Odpowiedz
PhoenixPneuma
PhoenixPneuma
  • 1
Hej,

Mam pytania całkowicie początkującego w dziedzinie #machinelearning #sztucznainteligencja #datascience - być może głupie pytania i śmieszne, uczę się sam i ciężko bez oka doświadczonych osób ; >

a) Czy robienie modelu do predykcji to w praktyce może być kilka modeli - a dokładniej tak że wybierany jest na podstawie danych wejściowych odpowiedni model? Tzn. powiedzmy ze mam kategorię "Owoce" i "Warzywa" - mają te same kolumny, ale
  • 6
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
L.....G
L.....G
  • 2
to co opisujesz to się chyba nazywa model ensembling - mi bardziej chodzi o to że na podstawie inputu idzie całkowicie inna scieżka - czyli czytam input, widzę kategorie Owoce i to już idzie swoją owocową scieżką - a warzywa lecą inna scieżką :) - nie chodzi o stackowanie modeli


@PhoenixPneuma: teraz dopiero chyba zrozumiałem o co Ci chodzi, rozpoznajesz N rodzai warzyw i M rodzai owoców.

No to jak
  • Odpowiedz
ukruszony__kubek
ukruszony__kubek
  • 0
mam dataset w ktorym jest 6 kategorii - wszystkie to factor(3 levele: positive, negative i average). Probuje zbudowac model predykcyjny przy pomocy regresji logistycznej oraz drzewa decyzyjnego ale wychodzą błędy. Wie ktos czy mozna przy takich danych zbudowac takie modele i umialby dac jakis przyklad kodu?
#jezykr #machinelearning #analizadanych
  • 12
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
heniek_8
heniek_8
  • 2
@Pyxelr: one hot to możesz przekodować zmienne tekstowe na zera i jedynki w zbiorach wejściowych, ale regresja logistyczna wyliczy ci wartość między dwoma poziomami a nie trzema czy więcej

można użyć sieci neuronowych i funkcji sofrmax na wyjściu , wtedy jednym modelem załatwiamy 3 prawdopodobieństwa
  • Odpowiedz
psi-nos
psi-nos
  • 0
Wytłumaczy mi ktoś class-weight w scikit-learn, np. w drzewie decyzyjnym? Załóżmy że mam dane uczące z 3 klasami, liczby próbek 100, 10, 10. Jak rozumiem dla drzewa z domyślnymi ustawieniami zostanie wykorzystane wszystkie 120 próbek. A co w przypadku np. class-weight="balanced"? #sklearn #python #datascience #machinelearning
  • 2
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
n0c0Mpr3h3nD
n0c0Mpr3h3nD
  • 0
@psi-nos: class_weight przypisuje wage do tego jak wazna jest klasa do trenowania drzewka, wiec zawsze wszystkie klasy beda wykorzystane.* Jako default jest ze kazda klasa jest rownomiernie wazna z pozostalymi. Balanced daje wage odwrotnie proporcjonalna do czestotliwosci wystepowania klasy.

* chyba ze przypiszesz wage 0, to wtedy klasa bedzie ignorowana
  • Odpowiedz
psi-nos
psi-nos
  • 0
@n0c0Mpr3h3nD: chodziło mi bardziej szczegółowo. Co to znaczy ważna. Ale już chyba ogarnąłem, że waga jest uwzględniana przy funkcji straty przy tworzeniu węzła drzewa (wyborze najlepszego podziału).
  • Odpowiedz
AnonimoweMirkoWyznania
AnonimoweMirkoWyznania
  • 0
#anonimowemirkowyznania
Z anonimowych, bo ostatnio usunąłem konto.
Jestem testerem automatyzującym w pythonie, który myślał że testy to dobra droga do wejścia na stanowisko deva. I tak od 4 lat jestem testerem, ostatnio już nietestującym, ale jednak.
No i pomyślałem w końcu spróbować zmienić stanowisko na deva. Tylko nie wiem w co iść: web, mobile, embedded, coś innego? Może machine learning? Albo devops? Chciałbym wszystkiego po trochę przez co nie mogę się skupić
  • 6
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach

Powiązane tagi