Публикации по теме 'ml-so-good'
Аддитивная маржа Softmax Loss
Эта история предназначена для того, чтобы записать то, что я недавно узнал об убытке Additive Margin Softmax (AM-softmax).
Прежде чем говорить об AM-Softmax, нам нужно рассмотреть, что такое Angular Softmax (A-Softmax).
Исходный софтмакс
Здесь f — входные данные последнего полносвязного слоя. W — параметры последнего слоя.
Угловой Софтмакс
https://arxiv.org/pdf/1704.08063.pdf
По сравнению с оригинальным softmax авторы вносят следующие изменения:
нормализовать..
5 секретных орудий технического анализа: использование редких индикаторов с помощью TA-Lib
Откройте для себя скрытую силу индекса язвы, осциллятора импульса Чанде, преобразования Гильберта — периода доминантного цикла, адаптивной скользящей средней Кауфмана и тройной экспоненциальной средней для успеха в торговле.
Технический анализ является важным инструментом, который трейдеры используют для прогнозирования будущих движений цен на финансовых рынках. Многие технические…
Машинное обучение на C++ #Intro
Введение
Машинное обучение широко закодировано на Python. Это было бы хорошо для обучения, но мы должны сделать это быстрее для наших продуктов и интегрировать развернутые приложения. Для этой цели я решил предоставить учебники по этому вопросу. Я надеюсь, что эти руководства помогут инженерам и исследователям. Все коды доступны в репозитории Github . Если вы работаете над PyTorch, вы также можете проверить эту серию для PyTorch в c++.
Монтаж
Мы будем использовать библиотеку..
Проект Data Science: прогнозирование продаж с помощью Arima
Эта статья была написана Алпарсланом Месри и Джемом ОЗЧЕЛИК .
В этом исследовании мы создадим модель ARIMA для прогнозирования будущих объемов продаж на рынке с использованием Python.
Требуемые библиотеки;
На этом этапе мы загрузили данные.
Когда мы посмотрим на df, мы увидим, что данные даты в столбце «Месяц» не очень регулярны. Нам нужно отредактировать эти данные с помощью манипулирования данными.
Во время цикла for и последующего процесса мы редактировали..
Почему оценка OpenAI Whisper не совсем заслуживает доверия
Выводы половины оценочных заданий сомнительны. Главный виновник? Нормализатор текста.
В сентябре OpenAI выпустила Whisper , новую многоцелевую модель распознавания речи. Он обучен на больших наборах данных, чем предыдущая работа, и особенно хорош в задачах с нулевым выстрелом, то есть задачах, для которых он не был обучен.
Исследовательская работа , выпущенная (но не рецензируемая) по модели, описывает, оценивает и…
Как я использовал продвижение машинного обучения с помощью MLOps для преодоления препятствий
MLOps, объединение методов машинного обучения и DevOps, предлагает решение для преодоления многочисленных препятствий.
По мере того, как организации погружаются в мир машинного обучения (ML), они часто сталкиваются с проблемами при эффективном развертывании моделей ML и получении ценности для бизнеса. MLOps, объединение методов машинного обучения и DevOps, предлагает решение для преодоления этих препятствий. Стимулируя инженерную культуру машинного обучения, MLOps позволяет..