Тема интересная. Вирус, как и любая ДНК - это строки, которые можно воспринимать, как текст. Однако я вряд ли смогу придумать вакцину, т.к. не специалист в этом деле.
Добрый день, подскажите, как использовать сохраненную обученную нейросеть, чтобы проставить категории по новым новостям, которые не имеют правильных ответов? Собственно цель и присвоить неизвестной новости нужную категорию. Как получить этот результат?
Тоесть нужно где то раздобыть словарь {слово: число} включающий в себя все слова в языке? Есть ли способы динамически наращивать словарь без полного переобучения сети?
Это курс по нейронным сетям, я пытаюсь объяснить, как работают нейронки разных видов. Конечно, если сделать пред.обработку текста, то качество работу повысится. Но это уже длительное отвлечение от темы нейронок. Сейчас делаю новый курс по обработке естественного языка, там будет эта тема.
Подскажите, пожалуйста, что именно нужно изменить в коде, чтобы сеть проанализировала мой набор данных(новостей), в которой только новость, без заранее известных классов.
Здравствуйте, подскажите, а можно как нибудь "заморозить" сверточные слои нейросети и обучить "хвост" сети на другой базе данных для распознавания речи? Или может быть есть модели типа VGG16 или VGG19, но для распознавания речи?
Привет, вопрос такой. Почему на графиках валидация на тестовом сете (оранжевая прямая) лучше, чем на тренировочном (синий цвет)? На 13:18 или на 15:05, например, это видно
@@AndreySozykin мне кажется, это из-за того, что у вас датасет не зашаффлен, и в тесте данные не также распределены, как в тренировочном сете. Или это можно как-то иначе объяснить?
Андрей. Спасибо большое за ваши уроки, очень понятно объясняете. Решил тоже попробовать обучить сеть на своих данных, но при методе tokenizer.fit_on_texts(news) выдает ошибку, которую никак не могу победить - AttributeError: 'float' object has no attribute 'lower' может вы сталкивались с таким и знаете решение? Заранее спасибо!
Можно взять примеры из предыдущих видео, например - ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-NPJ1kF-63VI.html. Применение сети начиная с 10 минуты.
@@AndreySozykin получается array в котором столько элементов с разными значениями, сколько у нас классов. Возникает вопрос, как теперь понять, к какому классу относится новость?
не интересно. весь интернет усеян подобными уроками и все работают с англоязычными данными. если вы пытаетесь нести информацию для русскоязычных, то и будьте добры это делать на русских данных.
а в чем беда? это же урок, основанный на уже собранных данных. Вы сами соберите нужное количество данных для обучения на русском, тут уже не важно какой язык использовать по сути, все равно все слова в цифры преобразуются, и уже их сеть запоминает.
