#خبر
تنسرفلو hub کتابخانه ای است برای transfer learning و استفاده ساده از مدلهای از قبل آموزش داده توسعه داده شده است که اخیرا معرفی شد...
🔗Document:
https://www.tensorflow.org/hub/
🔗Github Repository:
https://github.com/tensorflow/hub
🔗Tensorflow Blog Post:
https://medium.com/tensorflow/introducing-tensorflow-hub-a-library-for-reusable-machine-learning-modules-in-tensorflow-cdee41fa18f9
#tensorflow #hub #transfer_learning
تنسرفلو hub کتابخانه ای است برای transfer learning و استفاده ساده از مدلهای از قبل آموزش داده توسعه داده شده است که اخیرا معرفی شد...
🔗Document:
https://www.tensorflow.org/hub/
🔗Github Repository:
https://github.com/tensorflow/hub
🔗Tensorflow Blog Post:
https://medium.com/tensorflow/introducing-tensorflow-hub-a-library-for-reusable-machine-learning-modules-in-tensorflow-cdee41fa18f9
#tensorflow #hub #transfer_learning
TensorFlow
TensorFlow Hub
TensorFlow Hub is a repository of trained machine learning models ready for fine-tuning and deployable anywhere. Reuse trained models like BERT and Faster R-CNN with just a few lines of code.
Media is too big
VIEW IN TELEGRAM
#ویدئو ارائه مربوط به رونمایی از تنسرفلو Hub در رویداد Tensorflow Dev Summit 2018
#tensorflow #hub #transfer_learning
#tensorflow #hub #transfer_learning
#مقاله #آموزش
توئیت جالب Jeremy Howard در مورد #transfer_learning
در این کار لایه های FC اضافه شده freeze شدند و لایه های pre-trained شده fine-tuned شده اند!!
https://bit.ly/2yelykx
توئیت جالب Jeremy Howard در مورد #transfer_learning
در این کار لایه های FC اضافه شده freeze شدند و لایه های pre-trained شده fine-tuned شده اند!!
https://bit.ly/2yelykx
#آموزش #نکته #keras
در بلاگ پست انتقال یادگیری Francois chollet مطابق عکس بالا از تقسیم بر 255 برای نرمال کردن و بین 0 و 1 آوردن مقادیر ورودی استفاده شده.
این بلاگ پست قبل از معرفی
توصیه میشود مطابق داکیومنت برای نرمال سازی ورودی حتما از تابع
سوال مرتبط:
https://stackoverflow.com/questions/48677128/what-is-the-right-way-to-preprocess-images-in-keras-while-fine-tuning-pre-traine
#kears #transfer_learning #preprocess
در بلاگ پست انتقال یادگیری Francois chollet مطابق عکس بالا از تقسیم بر 255 برای نرمال کردن و بین 0 و 1 آوردن مقادیر ورودی استفاده شده.
این بلاگ پست قبل از معرفی
keras.applications
نوشته شده است. توصیه میشود مطابق داکیومنت برای نرمال سازی ورودی حتما از تابع
preprocess_input
همان مدل استفاده کنید. ممکن است از نرمال سازی دیگری در مدل از پیشآموزش داده شده استفاده شده باشد.سوال مرتبط:
https://stackoverflow.com/questions/48677128/what-is-the-right-way-to-preprocess-images-in-keras-while-fine-tuning-pre-traine
#kears #transfer_learning #preprocess