文末免费送电子书:七月在线干货组最新 升级的《名企AI面试100题》免费送!
一个令人愉悦的机器学习工具,可让您无需编写代码即可训练/拟合,测试和使用模型。
该项目的目标是为技术用户和非技术用户提供机器学习。
有时我需要一个工具,可以用来快速创建机器学习原型。是构建概念验证还是创建快速草图模型来证明这一点。我发现自己经常被困在编写样板代码和/或想太多如何启动它。
因此,我决定创建igel。希望它将使技术和非技术用户更轻松地构建机器学习模型。
igel建立在scikit-learn之上。它提供了一种无需编写任何代码即可使用机器学习的简单方法。
您所需要的只是一个yaml(或json)文件,您需要在其中描述您要执行的操作。而已!
Igel支持sklearn的所有机器学习功能,无论是回归,分类还是聚类。准确地说,您可以在igel中使用63种不同的机器学习模型。
Igel支持数据科学领域中最常用的数据集类型。例如,您的输入数据集可以是您要获取的csv,txt,excel表格,json甚至是html文件。所有这些类型均受igel支持。在后台,igel使用熊猫读取您的输入数据集并将其转换为数据框。
项目的点:
支持yaml和json格式
支持不同的sklearn指标以进行回归,分类和聚类
支持多输出/多目标回归和分类
支持多处理并行模型构建
https://github.com/nidhaloff/igel
薅羊毛啦!七月在线【AI提升季】,【机器学习集训营】【推荐系统高级小班】【CV高级小班】【推荐系统入门】【深度学习入门】【机器学习入门】六大集训营、高级小班课程限时免听!
另外参与活动还可获得:机械键盘、SSD硬盘、七月VIP、AI经典纸质书等,100%有奖!
活动主会场:https://www.julyedu.com/active/assistance/AItisheng
问题是根据农民发送的图像估算小麦作物的生长阶段。模型必须获取图像,并以1(仅显示作物)到7(成熟作物)的比例输出显示的小麦生长阶段的预测。
数据集具有两组标签:不良和良好的质量,但是测试数据集仅由高质量的标签组成。首先,不良标签和良好标签之间没有明确的对应关系(良好标签仅包含5个类别:2、3、4、5、7)。
其次,使用简单的二进制分类器可以轻松地区分劣质图像。因此,它们来自不同的分布。查看这种模型的Grad-CAM可以发现,两组图像之间的主要区别在于这些白棒(极):
这就是训练过程包括两个步骤的原因:
模型超参数:
数据增强:
训练过程
系统环境:
项目地址:
https://github.com/ybabakhin/zindi_wheat_growth
尽管Transformer体系结构已成为自然语言处理任务的实际标准,但其在计算机视觉中的应用仍然受到限制。
在视觉上,注意力要么与卷积网络结合应用,要么用于替换卷积网络的某些组件,同时保持其整体结构不变。
我们表明,这种对CNN的依赖不是必需的,并且当直接应用于图像补丁序列时,纯转换器可以很好地执行图像分类任务。
当对大量数据进行预训练并传输到多个识别基准(ImageNet,CIFAR-100,VTAB等)时,与最先进的卷积网络相比,Vision Transformer可获得出色的结果,而所需的计算资源却大大减少训练。
项目地址:
https://github.com/kamalkraj/Vision-Transformer
设计原则
项目地址:
https://github.com/anguelos/tormentor
帮助数千人成功上岸的《名企AI面试100题》书,电子版,限时免费送,评论区回复“100题”领取!没毛病
本书涵盖计算机语⾔基础、算法和⼤数据、机器学习、深度学习、应⽤⽅向 (CV、NLP、推荐 、⾦融风控)等五⼤章节,每⼀段代码、每⼀道题⽬的解析都经过了反复审查或review,但不排除可能仍有部分题⽬存在问题,如您发现,敬请通过官⽹/APP七月在线 - 国内领先的AI职业教育平台 (julyedu.com)对应的题⽬页⾯留⾔指出。
为了照顾⼤家去官⽹对应的题⽬页⾯参与讨论,故本⼿册各个章节的题⽬顺序和官⽹/APP题库内的题⽬展⽰顺序 保持⼀致。 只有100题,但实际笔试⾯试不⼀定局限于本100题,故更多烦请⼤家移步七⽉在线官⽹或 七⽉在线APP,上⾯还有近4000道名企AI笔试⾯试题等着⼤家,刷题愉快。