КулЛиб - Классная библиотека! Скачать книги бесплатно
Всего книг - 713023 томов
Объем библиотеки - 1403 Гб.
Всего авторов - 274606
Пользователей - 125091

Новое на форуме

Новое в блогах

Впечатления

Влад и мир про Шенгальц: Черные ножи (Альтернативная история)

Читать не интересно. Стиль написания - тягомотина и небывальщина. Как вы представляете 16 летнего пацана за 180, худого, болезненного, с больным сердцем, недоедающего, работающего по 12 часов в цеху по сборке танков, при этом имеющий силы вставать пораньше и заниматься спортом и тренировкой. Тут и здоровый человек сдохнет. Как всегда автор пишет о чём не имеет представление. Я лично общался с рабочим на заводе Свердлова, производившего

  подробнее ...

Рейтинг: +1 ( 1 за, 0 против).
Влад и мир про Владимиров: Ирландец 2 (Альтернативная история)

Написано хорошо. Но сама тема не моя. Становление мафиози! Не люблю ворьё. Вор на воре сидит и вором погоняет и о ворах книжки сочиняет! Любой вор всегда себя считает жертвой обстоятельств, мол не сам, а жизнь такая! А жизнь кругом такая, потому, что сам ты такой! С арифметикой у автора тоже всё печально, как и у ГГ. Простая задачка. Есть игроки, сдающие определённую сумму для участия в игре и получающие определённое количество фишек. Если в

  подробнее ...

Рейтинг: 0 ( 0 за, 0 против).
DXBCKT про Дамиров: Курсант: Назад в СССР (Детективная фантастика)

Месяца 3-4 назад прочел (а вернее прослушал в аудиоверсии) данную книгу - а руки (прокомментировать ее) все никак не доходили)) Ну а вот на выходных, появилось время - за сим, я наконец-таки сподобился это сделать))

С одной стороны - казалось бы вполне «знакомая и местами изьезженная» тема (чуть не сказал - пластинка)) С другой же, именно нюансы порой позволяют отличить очередной «шаблон», от действительно интересной вещи...

В начале

  подробнее ...

Рейтинг: +2 ( 2 за, 0 против).
DXBCKT про Стариков: Геополитика: Как это делается (Политика и дипломатия)

Вообще-то если честно, то я даже не собирался брать эту книгу... Однако - отсутствие иного выбора и низкая цена (после 3 или 4-го захода в книжный) все таки "сделали свое черное дело" и книга была куплена))

Не собирался же ее брать изначально поскольку (давным давно до этого) после прочтения одной "явно неудавшейся" книги автора, навсегда зарекся это делать... Но потом до меня все-таки дошло что (это все же) не "очередная злободневная" (читай

  подробнее ...

Рейтинг: +1 ( 1 за, 0 против).
DXBCKT про Москаленко: Малой. Книга 3 (Боевая фантастика)

Третья часть делает еще более явный уклон в экзотерику и несмотря на все стсндартные шаблоны Eve-вселенной (базы знаний, нейросети и прочие девайсы) все сводится к очередной "ступени самосознания" и общения "в Астралях")) А уж почти каждодневные "глюки-подключения-беседы" с "проснувшейся планетой" (в виде галлюцинации - в образе симпатичной девчонки) так и вообще...))

В общем герою (лишь формально вникающему в разные железки и нейросети)

  подробнее ...

Рейтинг: +1 ( 1 за, 0 против).

Автоматизация предприятия с помощью Python [Амбудж Агравал] (pdf) читать постранично, страница - 32

Книга в формате pdf! Изображения и текст могут не отображаться!


 [Настройки текста]  [Cбросить фильтры]

только
модель будет загружена, вы можете вызвать модель для любых
текстовых данных, вызвать модель для текстовых данных, и вы
получите итоговый текст, как это показано на Рис. 11.16:

Рис. 11.16: Диспетчер пакетов Mu

Вы также можете выполнить анализ тональности фрагмента текста,
используя предварительно обученную модель. Это особенно полезно,
когда вы хотите проанализировать отношение по отзывам клиентов.
Чтобы использовать предварительно обученную модель для анализа
настроений, используйте pipeline(“ sentiment-analysis”), как
показано на Рис. 11.17. Вы также можете использовать конкретную
обученную модель, указав аргумент модели для функции pipeline:

Рис. 11.17: Диспетчер пакетов Mu

В Python доступно множество других обученных моделей машинного
обучения, которые можно использовать для решения повседневных
задач автоматизации. Эти модели машинного обучения могут помочь
вам создавать средства автоматизации для преобразования
изображений в текст, автоматизации ответов на сообщения, языковых
переводов и множества других задач.

Заключение
В этой главе мы узнали об основах Flask и библиотеках машинного
обучения на языке Python. Мы рассмотрели простые способы
использования предварительно обученных моделей машинного
обучения с несколькими строками кода на Python с библиотекой
трансформеров. Мы также рассмотрели некоторые способы создания
сквозной автоматизации процессов, комбинируя различные способы
автоматизации в этой книге и онлайн-ресурсах, чтобы помочь вам
найти решения технических проблем.

Что можно почитать еще
Существует множество онлайн-ресурсов, которые помогут вам
улучшить
свои
знания
по
созданию
комплексного
автоматизированного машинного обучения. В следующей Таблице
11.1 перечислены некоторые из лучших ресурсов для дальнейшего
вашего обучения Flask и машинному обучению:
Наимнование ресурса
Документация по Pillow

Ссылка
https://flask.palletsprojects.com/en/2.1.x/

Введение в фреймворк https://opensource.com/article/18/4/flask
веб-приложений
Flask
Python
Разработка RESTful API с
помощью Python и Flask

https://auth0.com/blog/developing-restful-apis-with-python-andflask/

Машинное обучение на
Python

https://www.w3schools.com/python/python_ ml_ getting_ started.a
sp

Ваш первый проект по https://machinelearningmastery.com/machine-learning-inмашинному обучению на python-step-by-step/
Python: шаг за шагом
Сообщество ИИ строит
будущее

https://huggingface.co/

Трансформеры Hugging
Face

https://www.kdnuggets.com/2021/02/hugging-face-transformerbasics.html

PyTorch — платформа https://pytorch.org/
машинного обучения с
открытым
исходным
кодом
Комплексная платформа
машинного обучения с
открытым исходным
кодом

https://www.tensorflow.org/

Keras: API глубокого
обучения Python

https://keras.io/

Введение в машинное
обучение

https://developers.google.com/machine-learning/crashcourse/ml-intro

Таблица 11.1: Ресурсы по Flask и машинному обучению на Python

Вопросы
1. Что такое приложение Flask?
2. Как вы можете создавать API с помощью Python?
3. Как объединить несколько сценариев автоматизации?
4. Какие библиотеки машинного обучения в Python самые
популярные?