Mình dang làm một số đề tài về xử lý ảnh, và đang muốn áp dụng các thuật toán xử lý ảnh cổ điển (không dùng đến deep learning và machine learning) để giải quyết bài toán của mình. Bài viết này nằm trong seria bài viết của mình về đề tài xử lý ảnh sử dụng các kỹ thuật cơ bản. Bài đầu tiên là giới thiệu về contours và sử dụng opencv để rút ra các contour .
Trong bài viết này, chúng ta sẽ đề cập chủ yếu vào khái niệm dropout của mạng neural network và mô hình deep nets. Trong đó sẽ có vài thực nghiệm để thấy được hiệu quả của việc sử dụng dropout.
Lấy mẫu dữ liệu là một kỹ thuật rất quang trọng trong thống kê, là yếu tố quan trọng góp phần xác định độ chính xác của research/ survey. Nếu có bất kỳ sai sót gì trong quá trình lấy mẫu, nó sẽ ảnh hưởng trực tiếp đến kết quả cuối cùng. Có rất nhiều kỹ thuật giúp chúng ta thu thập mẫu dựa trên nhu cầu và tình huống chúng ta cần. Bài viết này sẽ giải thích một số kỹ thuật phổ biến nhất.
Bài này nằm trong loạt serie nghiên cứu và sử dụng công cụ PredictionIO. Đây là bài mở đầu, hướng dẫn cách cài đặt PredictionIO trên ubuntu.
Bài này nằm trong loạt serie nghiên cứu và sử dụng công cụ PredictionIO. Đây là bài thứ hai sau bài mở đầu, ở bài này, chúng ta sẽ test thử một chương trình đơn giản để làm quen với cách sử dụng PredictionIO.
Machine Learning đã và đang được quan tâm, nghiên cứu sâu rộng, có rất nhiều các thuật toán được cho ra đời. Như vậy liệu các thuật toán ấy có đặc điểm hay chức năng tương đồng và có cách nào để dễ nhớ hay không. Trong bài viết này mình sẽ chia sẻ với các bạn các cách để phân nhóm các thuật toán ML.
Ở bài viết này, chúng ta sẽ sử dụng pretrain model của kares để phân loại hoa hồng (rose), hoa mặt trời (sunflower), hoa bồ công anh (dandelion), hoa cúc (daisy) và hoa tulip.
Tại sự kiện I/O đang diễn ra tại Mountain View, California (Mỹ), Google đã công bố nhiều thay đổi quan trọng cho Google Photos. Một trong những tính năng gây ấn tượng tại sự kiện là biến ảnh đen trắng (như các tấm hình cũ, đã chụp từ lâu) thành ảnh màu. Chúng ta cùng implement lại tính năng này sử dụng keras và tensorflow nhé
Hàng thập kỷ qua, rất nhiều người trên thế giới đã và đang cố gắng dự đoán quy luật của thị trường chứng khoán và hầu hết đều thất bại. Liệu rằng mô hình deep learning với mạng neural network có thể giải được bài toán này? Trong bài viết này, mình sẽ thử nghiệm mô hình với tập dữ liệu chứng khoán của amazone và của thế giới di động
Bạn huấn luyện một hình mất hơn 12 tiếng đồng hồ. Mọi thứ khá ổn, loss function giảm. Nhưng khi bạn mang mô hình ra predict thì điều tồi tệ nhất xảy ra, tất cả trả về đều là 0, không có cái nào nhận dạng chính xác cả. *Điều gì đã xảy ra, bạn đã làm gì sai?*.