Archives par auteur ia

RĂ©gularisation L2

La rĂ©gularisation est la pĂ©nalitĂ© pour la complexitĂ© d’un modèle. Elle aide Ă  Ă©viter le surapprentissage. Le sur-apprentissage nĂ©cessite une rĂ©gularisation. Mettre certains coefficients Ă  0, c’est la rĂ©gularisation L0 (peut utilisĂ©e). Les diffĂ©rents types de rĂ©gularisation sont notamment : L1 L2 abandon La pĂ©nalisation L1 pĂ©nalise la somme des abs des pondĂ©rations. La rĂ©gularisation […]

Ensemble d’apprentissage, de validation et d’Ă©valuation

Afin d’Ă©viter le sur-apprentissage tout en convergeant vers le meilleur modèle possible, il est prĂ©fĂ©rable d’utiliser non pas deux jeux de donnĂ©es seulement (apprentissage et Ă©valuation) mais trois (apprentissage, validation et Ă©valuation). L’ensemble de validation sert Ă  Ă©valuer les rĂ©sultats de l’ensemble d’apprentissage et l’ensemble d’Ă©valuation sert Ă  vĂ©rifier l’Ă©valuation après que le modèle a […]

MOOC – Cours d’initiation au Machine Learning

Le cours est disponible Ă  cet endroit : https://developers.google.com/machine-learning/crash-course/ Il s’agit d’une initiation au Deep Learning en utilisant TensorFlow. Il faut compter au moins 2 jours pour suivre la totalitĂ© du cours (3 jours  si vous faites tous les exercices) Le cours est très bien fait. Il est progressif. Il ne nĂ©cessite pas beaucoup de prĂ©-requis […]

TensorFlow – tutoriel #4

Il est prĂ©fĂ©rable d’avoir lu les tutoriels #1, #2 et #3 auparavant. Ce tutoriel s’appuie sur le Programmer’s Guide Tensors Un tenseur est un vecteur ou une matrice de dimension quelconque. Pour TensorFlow (TF) un tenseur est un tableau de n dimensions  arrays. Tout tf.Tensor a les propriĂ©tĂ©s suivantes : un type (float32, int32, ou string […]

TensorFlow – tutoriel #3

Ce 3ème tutoriel TF, doit (logiquement) ĂŞtre lu après e 1 et le 2. Le 1er tutoriel explicitait Getting Started for ML Beginners, le second Getting Started with TensorFlow. Le 3ème suit la logique de la progression proposĂ©e par TF, en s’intĂ©ressant aux checkpoints. Les checkpoints servent Ă  sauvegarder (et restorer) les modèles crĂ©Ă©s par les estimateurs. […]

TensorFlow – tutoriel #2

Cet article est la suite de TensorFlow – tutoriel #1 Le prĂ©cĂ©dent tutoriel s’appuyait sur Getting Started for ML Beginners sur le site officiel de TensorFlow alors que celui-ci s’appuie sur Getting Started with TensorFlow Le programme dĂ©crit est le mĂŞme dans les deux tutoriels. Il s’agit de celui que j’ai lĂ©gèrement modifiĂ© afin qu’il soit accessible […]