Gépi tanulás és néhány más dolog
A túlillesztésről szóló bejegyzésben volt szó a Dropoutról, mint egy eszközről, amivel elkerülhetjük ezt a problémát. Most ezt fogjuk megnézni részletesebben. Dropout teljesen kapcsolt hálózaton Teljesen kapcsolt neurális hálózatok esetén egy p valószínűséggel kihagyunk neuronokat a hálózatból a Dropout során. Nézzünk egy példát. A normális teljesen csatolt hálózat így néz ki: Ugye a A Mesterséges … Dropout réteg olvasásának folytatása
Az előző részben megnéztük a Keras alapjait. Majd megformáztuk a megfigyeléseinket a keras.layers.LSTM() elvárásainak megfelelően, mind „stateless” mind „stateful” formában. A mai részben megnézzük, hogy tanítjuk ezeket a modelleket és össze fogjuk hasonlítani az eredményüket. Stateful modell Kezdjük a stateful modellel. Először is hozzunk létre egy stateful Keras modellt. Ehhez két réteget kell definiálunk: a … Hosszú munkamemóriájú Neurális Hálózat Kerassal — 2. rész olvasásának folytatása
Nem olyan régen szó volt a Hosszú munkamemóriájú Neurális Hálózatokról. Mai bejegyzésünkben egy gyakorlati példa megvalósítását fogjuk megnézni. Ehhez a Keras keretrendszert használjuk. Keras Mivel a blogon korábban nem volt szó a Kerasról, így érdemes talán egy kis áttekintéssel kezdeni. A Keras nem egy önálló könyvtár gépi tanulásra, hanem leginkább egy felhasználói felület más megvalósításokhoz. … Hosszú munkamemóriájú Neurális Hálózat Kerassal — 1. rész olvasásának folytatása
Sajó Zsolt Attila 