Обсуждение статьи "Нейросети — это просто (Часть 24): Совершенствуем инструмент для Transfer Learning"
Нейросети - это просто (часть 500988939928177231827361823461827631827361827361827361827361284762834762834762). Когда вы прочтёте последнюю часть, то вам скорее всего будет уже 89 лет и нейросети уже будут не актуальны.
А если серьёзно, то "нейросети - это просто" это когда максимум две статьи такого объема. А не когда мне кажется, что мт5 завис и мне уже год приходят уведомления о статье "нейросети - это просто"
А если серьёзно, то "нейросети - это просто" это когда максимум две статьи такого объема. А не когда мне кажется, что мт5 завис и мне уже год приходят уведомления о статье "нейросети - это просто"
Dmitry Iglakov #:
Нейросети - это просто (часть 500988939928177231827361823461827631827361827361827361827361284762834762834762). Когда вы прочтёте последнюю часть, то вам скорее всего будет уже 89 лет и нейросети уже будут не актуальны.
А если серьёзно, то "нейросети - это просто" это когда максимум две статьи такого объема. А не когда мне кажется, что мт5 завис и мне уже год приходят уведомления о статье "нейросети - это просто"
Нейросети - это просто (часть 500988939928177231827361823461827631827361827361827361827361284762834762834762). Когда вы прочтёте последнюю часть, то вам скорее всего будет уже 89 лет и нейросети уже будут не актуальны.
А если серьёзно, то "нейросети - это просто" это когда максимум две статьи такого объема. А не когда мне кажется, что мт5 завис и мне уже год приходят уведомления о статье "нейросети - это просто"
Идея "Нейросети - это просто" показать доступность технологии каждому. Да, серия получилась довольно длинная. Но практическое использование читателю доступно уже со второй статьи. И каждая отдельная статья рассказывает о новых возможностях. И их возможно включить в свои разработки сразу после прочтения статьи. Использовать их или нет, личное дело каждого читателя. При этом нет необходимости дожидаться следующей статьи. А по поводу объемности темы могу сказать, что наука развивается и с каждым днем появляются новые алгоритмы. Вполне возможно, что их применение может дать плоды и в трейдинге.
НЛО прилетело и опубликовало эту статью.
И так можно сказать про каждую из цикла. Чем больше погружаешься в тему, тем больше понимаешь, какая глубина и ценность таких статей. Новичкам тут главное не бросать это дело, когда в статье не видишь красивых графиков роста баланса. Автор плавно подводит к этому. Хотя, рабочий экземпляр прикреплён к нескольким статьям, бери-пользуйся.
Дмитрию спасибо
И так можно сказать про каждую из цикла. Чем больше погружаешься в тему, тем больше понимаешь, какая глубина и ценность таких статей. Новичкам тут главное не бросать это дело, когда в статье не видишь красивых графиков роста баланса. Автор плавно подводит к этому. Хотя, рабочий экземпляр прикреплён к нескольким статьям, бери-пользуйся.
Дмитрию спасибо
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Нейросети — это просто (Часть 24): Совершенствуем инструмент для Transfer Learning:
В прошлой статье мы создали инструмент для создания и редактирования архитектуры нейронных сетей. И сегодня я хочу Вам предложить продолжить работу над этим инструментом. Чтобы сделать его более дружелюбным к пользователю. В чем-то это шаг в сторону от нашей темы. Но согласитесь, организация рабочего пространства играет не последнюю роль в достижении результата.
В предыдущей статье данной серии был создан инструмент, позволяющий нам воспользоваться технологией Transfer Learning. В результате большой проделанной работы мы получили инструмент, который позволяет редактировать уже обученные моделям. При этом мы можем из предварительно обученной модели взять любое количество нейронных слоёв. Конечно, есть ограничивающие условия. Мы берем только последовательные слои начиная со слоя исходных данных. Причина такого подхода кроется в природе нейронных сетей. Они хорошо работают только с исходными, данными аналогичными используемым при обучении модели.
Кроме того, созданный инструмент позволяет не только редактировать обученные модели. Но и создавать полностью новые модели. Что позволяет отказаться от описания архитектуры модели в коде программы. Достаточно лишь создать модель с помощью инструмента. А затем обучать и использовать модель, загрузив созданную нейронную сеть из файла. Тем самым мы можем экспериментировать с различными архитектурами без изменения кода программы. Нам не потребуется даже перекомпилировать программу. Достаточно лишь заменить файл модели.
И конечно, столь полезный инструмент хочется сделать максимально удобным для пользователей. В этой статье мы и попробуем повысить комфорт его использования.
Автор: Dmitriy Gizlyk