Детекция образов с R-CNN
Проблему классификации изображений неплохо решают сверточные нейронки (CNN). С ними мы можем отделить фото котят от фото щеночков. Но что делать, если объектов на картинке несколько? Здесь работают уже более сложные модели. Про изящную архитектуру одной из них – R-CNN, мы сегодня и расскажем.
😻 #NN
Проблему классификации изображений неплохо решают сверточные нейронки (CNN). С ними мы можем отделить фото котят от фото щеночков. Но что делать, если объектов на картинке несколько? Здесь работают уже более сложные модели. Про изящную архитектуру одной из них – R-CNN, мы сегодня и расскажем.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥17👍9❤5
Ребята из Сбера завезли новую библиотеку по spell checking и spell corruption – SAGE
Она содержит открытые SOTA модели для коррекции правописания на русском и на английском языках, бенчмарк с датасетами для оценивания, реализованными методами аугментации текстов и т.д. И все это – в опенсурсе. На GitHub есть несколько демо в colab, так что пора пробовать!
Российские исследователи не перестают радовать
😻 #news
Она содержит открытые SOTA модели для коррекции правописания на русском и на английском языках, бенчмарк с датасетами для оценивания, реализованными методами аугментации текстов и т.д. И все это – в опенсурсе. На GitHub есть несколько демо в colab, так что пора пробовать!
Российские исследователи не перестают радовать
Please open Telegram to view this post
VIEW IN TELEGRAM
❤37🔥13👍8
HalvingSearch – ускорение поиска по сетке
Подбор гперпараметров – сложная и распросраненная задача. Для ее решения часто используют поиск по сетке, но этот алгоритм очень уж медленный. Поэтому сегодня давайте обратим внимание на halving search. Его относительно недавно добавили в sklearn, и пришло время разобраться, как с ним работать.
😻 #train
Подбор гперпараметров – сложная и распросраненная задача. Для ее решения часто используют поиск по сетке, но этот алгоритм очень уж медленный. Поэтому сегодня давайте обратим внимание на halving search. Его относительно недавно добавили в sklearn, и пришло время разобраться, как с ним работать.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍47🔥5❤3
Для тех, кто хотел разнообразить обучение
Представляем вашему вниманию: парень исполняет песенку про то, как обучить модельку в PyTorch. Весело, понятно, запоминается на ура.
😻 #forfun #NN
Представляем вашему вниманию: парень исполняет песенку про то, как обучить модельку в PyTorch. Весело, понятно, запоминается на ура.
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
The Unofficial PyTorch Optimization Loop Song
A fun song to help you remember how to write a training loop and a testing loop in PyTorch.
The jingle is not endorsed by PyTorch whatsoever.
Materials for this video come from the Learn PyTorch for Deep Learning book - https://learnpytorch.io
Learn PyTorch…
The jingle is not endorsed by PyTorch whatsoever.
Materials for this video come from the Learn PyTorch for Deep Learning book - https://learnpytorch.io
Learn PyTorch…
👍19😁11🔥5
Про разреженные матрицы
Часто при обработке текста или категориальных признаков в итоге мы получаем матрицу, в которой очень-очень много нулей. А задумыались ли вы, как хранятся такие матрицы в памяти? Например, как реализовано хранение таких данных в PyTorch или NumPy? Поехали разбираться.
😻 #python
Часто при обработке текста или категориальных признаков в итоге мы получаем матрицу, в которой очень-очень много нулей. А задумыались ли вы, как хранятся такие матрицы в памяти? Например, как реализовано хранение таких данных в PyTorch или NumPy? Поехали разбираться.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤31👍5🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
Запилили чат-бота ArXiv ChatGuru, который может объяснить любую статью из ArXiv'
Загружаешь статью, а это чудо разделит текст на части, обобщит, да еще и ответит на вопросы. Проект опенсорсный, подробное пояснение за архитектуру можно найти в репозитории. Инструкцию по установке тоже ищите там.
Кратко: это RAG, который внутри себя разбивает статьи на части с помощью LangChain, затем генерит для них эмбеддинги (с OpenAI LLM). Все это хранится в векторном виде в Redis, а когда приходит время отвечать на вопросы юзера, вместе с промптом эти данные отправляются в модельку OpenAI, откуда и получается ответ на запрос.
Ух, заживем, друзья-исследователи!
😻 #news
Загружаешь статью, а это чудо разделит текст на части, обобщит, да еще и ответит на вопросы. Проект опенсорсный, подробное пояснение за архитектуру можно найти в репозитории. Инструкцию по установке тоже ищите там.
Кратко: это RAG, который внутри себя разбивает статьи на части с помощью LangChain, затем генерит для них эмбеддинги (с OpenAI LLM). Все это хранится в векторном виде в Redis, а когда приходит время отвечать на вопросы юзера, вместе с промптом эти данные отправляются в модельку OpenAI, откуда и получается ответ на запрос.
Ух, заживем, друзья-исследователи!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍44🔥10❤7