Partant du principe qu’il vaut mieux s’adresser à Dieu au’à ses Saints, après avoir étudié The Boston Housing Price dataset avec (JM) Jojo Moolayil, présentons ici la version de F. Chollet (FC), l’auteur de Keras. Si le code de JM est très intéressant d’un point de vue pédagogique, il ne l’est pas en termes d’efficacité […]
Archives par catégorie: Réseau de neurones
17
Avr
Avr
Le livre Learn Keras for Deep Neural Networks de Jojo Moolayil, publié chez Apress est un livre de 182 pages qui se veut une introduction au Deep Learning (apprentissage profond) en s’appuyant sur la librairie Keras. Chapitre 1 : An introduction do Deep Learning and Keras Le chapitre #1 : An introduction do Deep Learning […]
04
Avr
Avr
TensorFlow est en version 2 Alpha depuis mars 2019. The 2.0 Alpha release is available now. Users can use this today and get started with all that TensorFlow 2.0 has to offer. https://www.tensorflow.org/community/roadmap Les changements sont importants, notamment en ce qui concerne la simplification d’usage. C’est ce que nous allons voir avec ce tutoriel. Contrairement […]
Deep Learning,fastai - Deep Learning for Coders,jupyter,Réseau de neurones
Notes sur la leçon #1 de Fastai – Deep Learning
28
Mar
Mar
Les cours de fastai – Deep Learning for Coders, sont parmi les plus intéressants (les meilleurs à notre avis) disponibles gratuitement sur le Web. L’approche pédagogique qui consiste à apprendre le DL en codant est très efficiente. Les cours de fastai concernent le Machine Learning et le Deep Learning. Cet article est un ensemble de […]
Artificial Intelligence,Deep Learning,Machine Learning,Réseau de neurones
Notes sur le crash course de @fchollet sur TensorFlow et Keras
13
Mar
Mar
Le crash course sur TensorFlow 2.0 de François Chollet @fchollet fondateur de Keras mérite quelques notes. C’est l’objectif de ce 1er article qui couvre les parties 1, 2 et 3 de l’article. Installation Le code présenté est dans l’environnement de Google Colaboratory GCP. On commence par l’installation de tf-nightly-gpu-2.0-preview. Il s’agit de l’installation pour GPU. […]
Artificial Intelligence,Cloud,Deep Learning,fastai - Deep Learning for Coders,jupyter,Réseau de neurones
Notes sur la leçon #3 de Fastai – Deep Learning
08
Mar
Mar
En quelques lignes de code, en très peu de temps, grâce aux logiciels de fastai, on réussit à se classer parmi les 10% les meilleurs de la compétition Kaggle – Planet (multi label classification).
Deep Learning,fastai - Deep Learning for Coders,Machine Learning,Réseau de neurones
Reconnaître automatiquement un drapeau breton
11
Fév
Fév
Encore une fois, merci à Jeremy Howard, pour son merveilleux cours sur le Machine Learning. Cet article doit tout (sauf les erreurs) à son cours n°2 : https://course.fast.ai/videos/?lesson=2 Nous développons ici, dans Google Colab, une application, qui permet de détecter automatiquement si un drapeau est un drapeau breton, un drapeau pirate ou un drapeau de […]
Dans un article du Figaro du 29/05/2018, intitulé « Un ordinateur pour repérer les cancers », on apprenait qu’un réseau de neurones (CNN) entraîné sur des images de mélanomes effectuait de meilleurs diagnostics que des dermatologues. Je suis nullement étonné du résultat. Je vais même tenter de le démystifier. Un ordinateur a réussi à être meilleur que […]
La régularisation est la pénalité pour la complexité d’un modèle. Elle aide à éviter le surapprentissage. Le sur-apprentissage nécessite une régularisation. Mettre certains coefficients à 0, c’est la régularisation L0 (peut utilisée). Dans un vecteur creux de grande dimension, il est judicieux de favoriser des pondérations exactement égales à 0 lorsque c’est possible. La régularisation L2 remplirait-elle […]
La régularisation est la pénalité pour la complexité d’un modèle. Elle aide à éviter le surapprentissage. Le sur-apprentissage nécessite une régularisation. Mettre certains coefficients à 0, c’est la régularisation L0 (peut utilisée). Les différents types de régularisation sont notamment : L1 L2 abandon La pénalisation L1 pénalise la somme des abs des pondérations. La régularisation […]
- 1
- 2