简要地
我在GitHub上创建了一个新项目“ 交互式机器学习实验 ”。每个实验都包括一个Jupyter / Colab笔记本电脑，该笔记本电脑显示了模型的训练方式，以及一个Demo页面，该页面显示了正在浏览器中运行的模型。
尽管存储库中的机器模型可能有点“笨拙”（请记住，这些只是实验，而不是舔过的代码，可以“上传到生产中”并进一步管理新的Tesla），他们将尽力做到：
- 识别您在浏览器中绘制的数字和其他草图
- 识别和识别摄像机视频中的对象
- 分类您上传的图像
- 与您一起写莎士比亚风格的诗
- 甚至和你一起玩剪刀石头布
- 依此类推
我使用带有Keras支持的TensorFlow 2在Python中训练了模型。对于演示应用程序，我使用了Tensorflow的React和JavaScript版本。
性能模型
, .️ , " ", . , . (, 60% , , 97%), (overfitting vs underfitting).
- :
, - "":
- full-stack (-). , , , - .
- Python , . Playground and Cheatsheet for Learning Python. , Python, "" ,
dict_via_comprehension = {x: x**2 for x in (2, 4, 6)}. - Python- . Andrew Ng Coursera Homemade Machine Learning. " -" , , , k-, ( ?) .
- " " NanoNeuron. 7 JavaScript , , - "".
- Deep Learning - Andrew Ng Coursera (multilayer perceptrons), (convolutional and recurrent neural networks). , , . TensorFlow 2 Keras. ( ), - , -, . Interactive Machine Learning Experiments, .
- TensorFlow.js , ( Jupyter ) .
- HDF5 TensorFlow.js Layers TensorFlow.js converter. ( ) , HTTP , , -, , , , "". HTTP API .
- React create-react-app Flow .
- Material UI. , , " " (, Bootstrap).
- , Jupyter :
(Multilayer Perceptron, MLP)
, .
, .
(Convolutional Neural Network, CNN)
(CNN)
, . MLP, CNN.
(CNN)
, . MLP, CNN.
-- (CNN)
-- . CNN, .
Rock Paper Scissors (MobilenetV2)
-- . , MobilenetV2.
(MobileNetV2)
( ), . MobilenetV2.
(MobileNetV2)
, , "" . MobilenetV2.
(Recurrent Neural Networks, RNN)
(, 17+38) ( 55). , , ( ). "" 1 → 17 → 17+ → 17+3 → 17+38 55 . , Hola Hello, .
, . "" .
Wikipedia
Wiki , .
, — , (, ). — Deep Learning. :
, . , / , 60% .
, , - , --.
!