Krzysztof Sopyła

Piszę i opowiadam o uczeniu maszynowym

  • Kursy do nauki ML
  • Podcast Biznes AI
  • Felietony
    • Historyje
  • O mnie

Krzywa Precision-Recall jak ją wykreślić i zinterpretować

posted in Data science, Machine learning on 28 maja, 2022 by ksopyla 3 komentarze

Jak narysować i zinterpretować krzywą precision-recall dla klasyfikatora. W artykule pokażę Ci krok po kroku sposób jej wyznaczania teoretycznie oraz praktycznie w scikit-learn. Ponadto, dowiesz się jak ją interpretować, kiedy stosować oraz jak na jej podstawie porównać dwa modele.

Continue reading →

Instalacja CUDA 11 na ubuntu 20.4

posted in Machine learning on 5 listopada, 2021 by ksopyla 1 Comment
cuda toolkit

Jak zainstalować CUDA 11 (11.6 w tym przypadku) na ubuntu 20.04 przy pomocy "apt install cuda-toolkit-11.6"

Continue reading →

Python ngram tokenizer z wykorzystaniem generatorów

posted in Data science, Python on 15 sierpnia, 2020 by ksopyla 0 Comments
tokenizowany tekst, porwana gazeta

Jak w czystym Python’ie dokonać tokenizacji tekstu na ngramy oraz jak wygenerować słownik z wszystkimi możliwymi ngramami.

Continue reading →

Instalacja NVidia CUDA 10, 11 na ubuntu 18.04

posted in Machine learning, Python on 11 marca, 2020 by ksopyla 9 komentarzy

Mnie też to przeraża, upgrade sterowników do CUDA jest tym, co powoduje dreszcze u każdego inżyniera uczenia maszynowego. Stąd skompilowałem instrukcję jak zainstalować CUDA na Ubuntu 18.04 wraz z CuDNN z wykorzystaniem apt . Procedura jest prosta przetestowane i działa (przynajmniej u mnie)

Continue reading →

Precision, recall i F1 – miary oceny klasyfikatora

posted in Data science, Machine learning on 11 listopada, 2019 by ksopyla 7 komentarzy

Tutorial o tym, jak mierzyć jakość klasyfikatora i dlaczego zwykła dokładność (ang. accuracy) to często za mało. Wyjaśniam intuicję i na przykładach pokazuję o co chodzi w: precision, recall oraz F1

Continue reading →

Sieć LSTM do analizy sentymentu recenzji filmowych z IMDB

posted in Machine learning, Pytorch on 18 maja, 2019 by ksopyla 0 Comments

Tworzymy rekurencyjną sieć LSTM do analizy wydźwięku recenzji filmowych. Nie jest to jednak typowy przykład o sentiment analysis postanowiłem go rozbudować i wykorzystać bardziej zaawansowaną technikę zwaną „Truncated Backpropagation through Time”.

Continue reading →

Implemetanacja Pandas DataFrame Dataset w TorchText

posted in Machine learning, Pytorch on 9 kwietnia, 2019 by ksopyla 0 Comments

Dziś techniczny wpis o tym, jak podawać dane do sieci w Pytorch przy pomocy Pandas DataFrame z wykorzystaniem biblioteki TorchText. Z wpisu dowiesz się jak zaimplementować swój własny DataSet oraz jak wpleść ramki z Pandas w proces nauki sieci.

Continue reading →

Przetwarzasz teksty, robisz NLP, TorchText Ci pomoże!

posted in Machine learning, Pytorch on 25 marca, 2019 by ksopyla 3 komentarze

Biblioteka, która wybawiła mnie przy wielu żmudnych zadaniach związanych z przetwarzaniem tekstu w Pytorch. TorchText zdecydowanie upraszcza wczytywanie i przygotowanie danych tekstowych do podania do sieci neuronowej.

Continue reading →

Sieć rekurencyjna LSTM do zliczania znaków – wprowadzenie

posted in Machine learning, Pytorch on 12 marca, 2019 by ksopyla 3 komentarze

Sieci rekurencyjne zdolne są do rozpoznawania zależności wynikających z połączenia i częstości występowania symboli. W tym tutorialu stworzymy sieć LSTM, która będzie stanowiła dobre wprowadzenie do bardziej skomplikowanych modeli.

Continue reading →

Sieć konwolucyjna w Pytorch – klasyfikacja obrazów CIFAR-10

posted in Machine learning, Pytorch on 26 lutego, 2019 by ksopyla 2 komentarze

Tutorial ten pomoże Ci zbudować konwolucyjną sieć neuronową (Convolutional Neural Network) do klasyfikacji obrazów ze zbioru CIFAR-10. Krok po kroku pokazuję jak połączyć warstwy konwolucyjne oraz jaki wpływ na rozmiary obrazu mają „stride” i rozmiar jądra konwolucji.

Continue reading →
← Older posts

Follow me!

  • Instagram
  • LinkedIn
  • Facebook
Follow on LinkedIn

Powiadomić Cię o nowych wpisach?

Join 87 other subscribers

Popularne wpisy

  • Precision, recall i F1 – miary oceny klasyfikatora posted on 11 listopada, 2019
  • Modele regresji liniowej szybko i łatwo z scikit learn posted on 11 listopada, 2016
  • tadzmahal splot Przetwarzanie obrazu z wykorzystaniem splotu funkcji posted on 6 sierpnia, 2016
  • python seaborn gallery Python Seaborn wizualizacja danych na sterydach posted on 29 listopada, 2016
  • Krzywa Precision-Recall jak ją wykreślić i zinterpretować posted on 28 maja, 2022
  • Co wybrać Pytorch czy Tensorflow Dlaczego porzuciłem Tensorflow na rzecz Pytorch posted on 27 stycznia, 2019
  • Grid vs Random search w scikit-learn – co powinieneś wiedzieć o doborze parametrów? posted on 16 grudnia, 2018

Komentarze

  • ksopyla o Przetwarzanie obrazu z wykorzystaniem splotu funkcji
  • donkiszotkarol o Przetwarzanie obrazu z wykorzystaniem splotu funkcji
  • joeexample o Instalacja CUDA 11 na ubuntu 20.4
  • z.b. o Przetwarzanie obrazu z wykorzystaniem splotu funkcji
  • ksopyla o Bunkier

Społeczność - About Data

Facebook
Copyrights 2022 by Krzysztof Sopyła