Рубрика «искусственные нейронные сети»
Обучение моделей timm. Связка с fastai
2025-02-19 в 9:16, admin, рубрики: искусственные нейронные сети, искусственный интеллект, конвейер, машинное обучениеПривет! Решал задачу поиска оптимальной модели для классификации собственного датасета изображений (в основном искал на HuggingFace) и столкнулся с моделями timm. Старый конвейер dvc не работал с этими моделями и пришлось искать решение. Вообще почему именно timm?
Как сказано в руководстве:
«timm` - это библиотека глубокого обучения, созданная Россом Уайтманом, и представляет собой коллекцию моделей компьютерного зрения SOTA, слоев, утилит, оптимизаторов, планировщиков, загружающих данных, а также обучающих / валидационных скриптов с возможностью воспроизведения результатов обучения ImageNet.
Машинный перевод
2025-02-04 в 15:09, admin, рубрики: large language model, llm, искусственные нейронные сети, искусственный интеллект, машинное обучение, машинный перевод, ШВМ, Школа Высшей МатематикиАвтор статьи: Сергей Артамонов - DS Wildberries, Research Engineer Skoltech, аспирант мехмата МГУ, преподаватель Школы Высшей Математики
Илон Маск сделал бесплатным чат-бот Grok от xAI. Что он умеет и почему это круто
2024-12-19 в 7:22, admin, рубрики: grok, xcom-shop, генерация изображений, искусственные нейронные сети, искусственный интеллект
Если вы только что вылезли из-под камня или вернулись с Марса, то вам нужно срочно знать: Grok, чат-бот Илона МаскаЧитать полностью »
RuGPT3. Исследование вариантов циклическим перебором
2023-07-02 в 5:32, admin, рубрики: deep learning, gpt, machine learning, natural language processing, nlp, rugpt3, генеративные модели, искусственные нейронные сети, искусственный интеллект, машинное обучение, обработка естественного языка, языковые моделиRuGPT3 - коллекция генеративных моделей от Сбер
Проводим автоматическое тестирование циклическим перебором вариантов
Работаем в Colab, тестируем Small, Mediub, Large.
Параметры генерации совершенно неоптимизированы - это первый заход, чтобы посмотреть исходную ситуацию и сравнивать по мере улучшения.
Читать полностью »
Что не хватает ИИ?
2020-09-26 в 10:08, admin, рубрики: искусственные нейронные сети, искусственный интеллект, машинное обучениеЭто пост-вопрос, в нем я попробовал сформулировать основные проблемы нейросетей, решение которых может сделать прорыв в технологии ИИ. В основном речь о сетях, что работают с текстом (GPT, BERT, ELMO и т.п.). Как известно, хорошая формулировка задачи — половина ее решения. Но сам я эти решения найти не могу. Надеюсь на «помощь зала», так как тут много тех, кто сталкивается с такими же проблемами и возможно «видит» их решение.
Итак.
1. Самое казалось бы простое, но нейросеть не учитывает факты. Нейросеть выучивается на частных фактах, но как бы не знает о них. На когнитивном языке NN обладает семантической, а не эпизодической памятью грубо говоря. Сеть учат выдавать наиболее релевантные ответы, но их база всегда не полна (покрытие никогда не приблизится к 100%).
Читать полностью »
Как искусственный интеллект меняет рынок труда
2020-07-27 в 10:07, admin, рубрики: Блог компании VDSina.ru — хостинг серверов, будущее здесь, ИИ, искусственные нейронные сети, искусственный интеллект, Исследования и прогнозы в IT, Читальный залВнедрение искусственного интеллекта в различные рабочие процессы заметно меняет рынок труда. Многие профессии постепенно исчезают, некоторые адаптируются под текущие условия, также появляются и новые специальности.
Часть 1. Dракоши. Эволюционная модель мультиагентной системы на базе нейронной сети. Введение
2020-06-21 в 14:34, admin, рубрики: Matlab, искусственная жизнь, искусственные нейронные сети, искусственный интеллект, мультиагентные системы, эволюционное моделированиеИдея
Познакомившись с теорией эволюции, не перестаю восхищаться, как такие просты идеи позволяют описывать процессы возникновения невероятно сложных биологических систем.
При изучении чего бы то ни было всегда полезно самостоятельно пробовать реализовывать или проверять предлагаемые модели на учебных примерах. Еще интереснее, придумывать их самостоятельно. Так и у меня с теорией эволюции, после знакомства с базовыми концепциями захотелось их опробовать на модельной системе. И посмотреть, чего же интересного может получится если построить имитационную модель достаточно простую что бы ее было можно наблюдать и достаточно сложную что бы в ней реализовывался эволюционный отбор. Посмотреть, как изменяется структура и поведение эволюционирующих агентов, как возникает та самая неприводимая сложность, а может и видообразование.
Читать полностью »
Нейросети. Куда это все движется
2020-01-03 в 22:06, admin, рубрики: deep learning, machine learning, будущее здесь, глубокое обучение, искусственные нейронные сети, искусственный интеллект, Исследования и прогнозы в IT, машинное обучение, нейросети, распознавание изображений, сумма технологииСтатья состоит из двух частей:
- Краткое описание некоторых архитектур сетей по обнаружению объектов на изображении и сегментации изображений с самыми понятными для меня ссылками на ресурсы. Старался выбирать видео пояснения и желательно на русском языке.
- Вторая часть состоит в попытке осознать направление развития архитектур нейронных сетей. И технологий на их основе.
Рисунок 1 – Понимать архитектуры нейросетей непросто
Все началось с того, что сделал два демонстрационных приложения по классификации и обнаружению объектов на телефоне Android:
- Back-end demo, когда данные обрабатываются на сервере и передаются на телефон. Классификация изображений (image classification) трех типов медведей: бурого, черного и плюшевого.
- Front-end demo, когда данные обрабатываются на самом телефоне. Обнаружение объектов (object detection) трех типов: фундук, инжир и финик.
Письмо начинающему изучать Data Science
2020-01-01 в 20:10, admin, рубрики: Anaconda Python, data science, deep learning, machine learning, python, глубокое обучение, искусственные нейронные сети, искусственный интеллект, машинное обучение, нейросети, обработка изображений, Программирование, распознавание изображенийЯ бы хотел получить такое письмо три года назад, когда только начинал изучать Data Science (DS). Чтобы там были необходимые ссылки на полезные материалы. Статья не претендует на полноту охвата необъятной области DS. Однако для начинающего специалиста будет полезна.
