ลักษณนามคืออะไร?
ตัวแยกประเภทในบริบทของการเรียนรู้ของเครื่องคือแบบจำลองที่ได้รับการฝึกฝนให้ทำนายหมวดหมู่หรือคลาสของจุดข้อมูลอินพุตที่กำหนด เป็นแนวคิดพื้นฐานในการเรียนรู้แบบมีผู้สอน โดยที่อัลกอริทึมจะเรียนรู้จากข้อมูลการฝึกอบรมที่มีป้ายกำกับ เพื่อทำการคาดการณ์ข้อมูลที่มองไม่เห็น ตัวแยกประเภทถูกนำมาใช้อย่างกว้างขวางในการใช้งานต่างๆ
TensorBoard สามารถใช้ออนไลน์ได้หรือไม่
ได้ คุณสามารถใช้ TensorBoard ออนไลน์เพื่อแสดงโมเดลแมชชีนเลิร์นนิงเป็นภาพได้ TensorBoard เป็นเครื่องมือแสดงภาพอันทรงพลังที่มาพร้อมกับ TensorFlow ซึ่งเป็นเฟรมเวิร์กแมชชีนเลิร์นนิงแบบโอเพนซอร์สยอดนิยมที่พัฒนาโดย Google ช่วยให้คุณสามารถติดตามและแสดงภาพแง่มุมต่างๆ ของโมเดล Machine Learning ของคุณ เช่น กราฟโมเดล เมตริกการฝึก และการฝัง โดยการแสดงภาพสิ่งเหล่านี้
เราสามารถใช้ไฟล์การกำหนดค่าสำหรับการปรับใช้โมเดล CMLE เมื่อใช้การฝึกอบรมโมเดล ML แบบกระจายเพื่อกำหนดจำนวนเครื่องที่จะใช้ในการฝึกอบรมได้หรือไม่
เมื่อใช้การฝึกอบรมโมเดลการเรียนรู้ของเครื่องแบบกระจาย (ML) บนแพลตฟอร์ม Google Cloud AI คุณจะสามารถใช้ไฟล์การกำหนดค่าสำหรับการปรับใช้โมเดล CMLE (Cloud Machine Learning Engine) เพื่อกำหนดจำนวนเครื่องที่ใช้ในการฝึกอบรมได้ อย่างไรก็ตาม ไม่สามารถกำหนดประเภทของเครื่องจักรที่จะใช้ได้โดยตรง ใน
เป้าหมายการปรับใช้สำหรับส่วนประกอบ Pusher ใน TFX คืออะไร
ส่วนประกอบ Pusher ใน TensorFlow Extended (TFX) เป็นส่วนพื้นฐานของไปป์ไลน์ TFX ที่จัดการการปรับใช้โมเดลที่ผ่านการฝึกอบรมไปยังสภาพแวดล้อมเป้าหมายต่างๆ เป้าหมายการปรับใช้สำหรับส่วนประกอบ Pusher ใน TFX มีความหลากหลายและยืดหยุ่น ทำให้ผู้ใช้สามารถปรับใช้โมเดลของตนกับแพลตฟอร์มต่างๆ โดยขึ้นอยู่กับความต้องการเฉพาะของตน ในเรื่องนี้
- ตีพิมพ์ใน ปัญญาประดิษฐ์, EITC/AI/TFF TensorFlow Fundamentals, TensorFlow ขยาย (TFX), การประมวลผลและส่วนประกอบแบบกระจาย, ทบทวนข้อสอบ
จะใช้คะแนน BLEU เพื่อประเมินประสิทธิภาพของโมเดลการแปลแบบกำหนดเองที่ได้รับการฝึกฝนด้วยการแปล AutoML ได้อย่างไร
คะแนน BLEU เป็นเมตริกที่ใช้กันอย่างแพร่หลายในการประเมินประสิทธิภาพของโมเดลการแปลด้วยคอมพิวเตอร์ โดยจะวัดความคล้ายคลึงกันระหว่างการแปลที่สร้างโดยคอมพิวเตอร์กับการแปลอ้างอิงตั้งแต่หนึ่งรายการขึ้นไป ในบริบทของโมเดลการแปลแบบกำหนดเองที่ได้รับการฝึกฝนด้วยการแปลภาษาอัตโนมัติ คะแนน BLEU สามารถให้ข้อมูลเชิงลึกอันมีค่าเกี่ยวกับคุณภาพและประสิทธิผลของ
- ตีพิมพ์ใน ปัญญาประดิษฐ์, EITC/AI/GCML Google Cloud Machine Learning, แพลตฟอร์ม Google Cloud AI, การแปล AutoML, ทบทวนข้อสอบ
ขั้นตอนที่เกี่ยวข้องในการสร้างโมเดลการแปลแบบกำหนดเองด้วย AutoML Translation คืออะไร
การสร้างโมเดลการแปลแบบกำหนดเองด้วย AutoML Translation เกี่ยวข้องกับชุดของขั้นตอนที่ช่วยให้ผู้ใช้สามารถฝึกโมเดลที่ปรับให้เหมาะกับความต้องการในการแปลของตนโดยเฉพาะ AutoML Translation เป็นเครื่องมืออันทรงพลังที่ให้บริการโดย Google Cloud AI Platform ซึ่งใช้ประโยชน์จากเทคนิคการเรียนรู้ของเครื่องเพื่อทำให้กระบวนการสร้างโมเดลการแปลคุณภาพสูงเป็นแบบอัตโนมัติ ในคำตอบนี้
- ตีพิมพ์ใน ปัญญาประดิษฐ์, EITC/AI/GCML Google Cloud Machine Learning, แพลตฟอร์ม Google Cloud AI, การแปล AutoML, ทบทวนข้อสอบ
คุณลักษณะอภิธานศัพท์ขั้นสูงใน API การแปลมีไว้เพื่ออะไร
คุณลักษณะอภิธานศัพท์ขั้นสูงใน API การแปลของ Google Cloud AI Platform มีจุดประสงค์สำคัญในการเพิ่มความแม่นยำและคุณภาพของผลลัพธ์การแปลด้วยคอมพิวเตอร์ คุณลักษณะนี้ทำให้ผู้ใช้สามารถจัดเตรียมอภิธานศัพท์แบบกำหนดเองเฉพาะสำหรับโดเมนหรืออุตสาหกรรมของตน ทำให้โมเดลการแปลสามารถเข้าใจและแปลคำศัพท์เหล่านี้ได้ดีขึ้น
การเลือกขนาดบล็อกบนดิสก์ถาวรจะส่งผลต่อประสิทธิภาพสำหรับกรณีการใช้งานต่างๆ อย่างไร
การเลือกขนาดบล็อกบนดิสก์ถาวรอาจส่งผลต่อประสิทธิภาพอย่างมากสำหรับกรณีการใช้งานต่างๆ ในด้านปัญญาประดิษฐ์ (AI) เมื่อใช้ Google Cloud Machine Learning (ML) และ Google Cloud AI Platform สำหรับวิทยาศาสตร์ข้อมูลที่มีประสิทธิผล ขนาดบล็อกหมายถึงก้อนขนาดคงที่ซึ่งเก็บข้อมูลไว้
อะไรคือความแตกต่างระหว่าง AI Platform Optimizer และ HyperTune ใน AI Platform Training?
AI Platform Optimizer และ HyperTune เป็นคุณสมบัติที่แตกต่างกันสองอย่างที่นำเสนอโดย Google Cloud AI Platform สำหรับการเพิ่มประสิทธิภาพการฝึกอบรมโมเดลแมชชีนเลิร์นนิง แม้ว่าทั้งคู่มีเป้าหมายที่จะปรับปรุงประสิทธิภาพของโมเดล แต่แนวทางและฟังก์ชันการทำงานต่างกัน AI Platform Optimizer เป็นคุณสมบัติที่จะสำรวจพื้นที่ไฮเปอร์พารามิเตอร์โดยอัตโนมัติเพื่อค้นหาชุดที่ดีที่สุด
Pipelines Dashboard UI มีอินเทอร์เฟซที่ใช้งานง่ายสำหรับจัดการและติดตามความคืบหน้าของไปป์ไลน์และการรันอย่างไร
Pipelines Dashboard UI ในแพลตฟอร์ม AI ของ Google Cloud ช่วยให้ผู้ใช้มีอินเทอร์เฟซที่ใช้งานง่ายสำหรับจัดการและติดตามความคืบหน้าของไปป์ไลน์และการทำงาน อินเทอร์เฟซนี้ออกแบบมาเพื่อลดความซับซ้อนของกระบวนการทำงานกับ AI Platform Pipelines และช่วยให้ผู้ใช้สามารถตรวจสอบและควบคุมเวิร์กโฟลว์แมชชีนเลิร์นนิงได้อย่างมีประสิทธิภาพ หนึ่งใน