菲洛嘉青春动能素135HA FILLMED® NCTF 135HA LED指示灯的常见故障分析 智微智能 Elkhartlake K075终端,零售产业新选择 天空蓝拓客管理系统详细介绍版 muso公链项目 天使计划 是什么?[秘] 独家揭秘最前沿的家装“黑科技”——掌赋 天博体育欧洲杯特辑,东道主法兰西的失意2016 亚马逊的送货侦察员 学习听起来像挡泥板 Google Comics Factory使ML变得容易 笑着说-男性或女性 Amazon Rekognition中更好的人脸检测 关于Spaun的真相-大脑模拟 两个聊天机器人彼此聊天-有趣又怪异 GANPaint:将AI用于艺术 WCF和WF给予社区 从耳朵到脸 所有神经网络的深层缺陷 蠕虫在尾巴上平衡杆子 Kickstarter上的OpenCV AI套件 TensorFlow-Google的开源AI和计算引擎 众包取代新闻工作者 Google的DeepMind学会玩街机游戏 哑机器人V智能机器人 .NET与.NET 5融为一体 Google的深度学习-语音识别 LInQer将.NET LINQ移植到Javascript 机器人TED演讲-新的图灵测试? GAN的发明者加入苹果 您的智能手机会监视您键入的内容 人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作
您的位置:首页 >前端 >

机器学习应用于权力游戏

没有人希望这个心爱的系列结局。有些人,例如Pachyderm的极客,竭尽全力延长其寿命,以至使用ML来服务“铁王座”。

这是样式转换的一个新示例,其中ML标识了流派的基本特征,以便创建自己的示例,例如我们以前在艺术甚至烹饪中所见过的。

但是首先,厚皮动物是什么,这个词是从哪里来的?

Pachy-derm是希腊文字“παχύ-δερμο”的直接翻译,意为“胖皮”,在其徽标中指的是Elephant。Elephant本身用于表示Pachyderm与Hadoop的关系,Hadoop是另一个Elephant徽标,但冒充其更新更好的产品。

像Hadoop一样,Pachyderm是一种分析引擎,遵循相同的原理,但可以在Hadoop不足之处发展。因此,代替使用Java编写作业并在JVM上运行作业,它使用部署在Kubernetes上的Docker容器,其中可以包含以任何语言编写的作业。如GoT ML示例所示,它代替了HDFS,使用了Pachyderm文件系统,并代替了MapReduce,使用了Pachyderm Pipelines将容器通过管道输送到一起。有关最新版本的更多信息,请参见《 Pachyderm快速获得资金》。

Pachyderm的目的是使不熟悉MapReduce或Java的程序员可以使用他们认为合适的任何工具编写分析应用程序,因为这样的开发人员可以在不需要专门知识的情况下进行大数据处理,因此Pachyderm构成了很多东西。比Hadoop更易于访问的选项。

GoT示例涉及将Pachyderm作为容器部署在AWS S3存储桶上的Kubernetes上,并存储一个存储所用输入/输出数据的存储库。

pachy1

输入数据是第1季第1集的预处理GoT脚本。它们被标记为帮助递归神经网络用于区分对话框和脚本中被视为“博览会”的其他元素,主要是阶段说明和上下文设置:

<open-exp>第一个场景打开,三名游骑兵穿越隧道,离开隔离墙,进入树林。<eos>(背景中令人毛骨悚然的音乐)一个游骑兵分裂并找到了一个充满残缺肢体的露营地,其中包括一个孩子。从树枝上垂悬<eos>鸟瞰图显示了以盾牌状排列的尸体<eos>游骑兵骑回到了另外两个<eos> <close-exp> <boname> WAYMAR_ROYCE <eoname> d“您期望<question>他们是野蛮人<eos>一个人从另一个地方偷走了山羊,在您不知道之前,他们就互相撕成碎片<eos> <boname> WILL <eoname>我从来没有见过的野人做这样的事情<eos>我从未见过这样的事情,这是我一生中从未见过的事<eos> <boname> WAYMAR_ROYCE <eoname>您接近了<question> <boname> WILL <eoname>像任何人一样封闭<eos> <boname> GARED <eoname>我们应该回到墙壁上<eos> <boname> ROYCE <eoname>死人吓you你<问题> <boname> GARED <eoname> u r命令是追踪野人<eos>我们追踪了他们<eos>他们不会再麻烦我们了<eos> <boname> ROYCE <eoname>您不认为他会问我们他们怎么死了<question>重新骑上马<eos> <open-exp> GARED抱怨<eos> <close-exp>

Pachyderm将从本地存储的数据中获取并启动第一个管道,将数据馈送到运行TensorFlow的容器中以训练模型。处理完TF后,将模型的输出以及TF特定的文件写回到仓库。

然后,第二个管道开始,它将上一步中输出的那些文件作为输入,并输入另一个TF实例以生成脚本。如此简单,没有MapReduce的复杂性。

生成的第一个脚本没有多大意义,但是可以通过提高TensorFlow的准确性级别以及提供NNmore脚本来提高质量。但是请注意,根据基础架构的不同,提高准确性还会将处理时间从数小时增加到甚至数天。

该项目的Github存储库包含生成的脚本,这些脚本的模型准确性较低,并且整个过程持续了不到一个小时,还算不错,并且尽管没有赢得艾美奖,但它们代表了样式转换的巨大成就,因为它们捕捉了得到了。

[OLENNA]:那她要去哪里服务那个大梅斯特和九个人是男人呢?很快,我们需要统治一个穿在墙上的男人。。[CERSEI]:世界没有做到这一点。。[CERSEI]:回家。哦。{{MAESTER UNELLA离开,商人再次推票}} [SAM]:难道不会让我醒来”并不是问一个女人更好的监狱{{有一件与布隆一起移动并扫描到另一面的东西,乔恩抓住了剑,并补充了演员的主要人生表现。在内部,随着类似的片刻切入,我们被丢给了丹妮莉丝,后者似乎停了下来。}}。[LADY_CRANE]:稍后再投放Ser。让他教他。梅琳,我一生中总是不得不横幅广告。。{{Stannis逃走,Melisandre穿过电梯门,没有笑容)。}} .

这个神经网络不懂英语,更不用说语法,但是它确实吸收了一些结构:

它了解到每一行要么是口语行,要么是博览会线。它学会了口语行以同名词开头;了解了哪些词是同名词;了解了如何打开/关闭同名括号;它学习了词的类型(现在时动词, / you名词)中使用了口语,它学会了如何打开/关闭展览用括号,并学会了使用哪种类型的单词(第三人称)

放置更多脚本将自动再次启动管道以重新训练模型并生成新脚本。该项目的回购还包含有关如何自己复制实验的说明,因此请自行查看并判断输出质量是否合格符合该系列剧情。

说,为什么不让网络撰写第9季,让所有人开心呢?

pachylogo2

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。