Гайды.
Пошаговые инструкции по нейросетям: промпты, настройки, сравнение моделей и рабочие сценарии для учёбы, кода и картинок.
1322 материала
Наш Telegram
Новости ИИ без воды
Как обновлять только kernel через Flax NNX PathContains
Flax 0.12.10: Optimizer с wrt=PathContains('kernel'), один SGD-шаг, kernel меняется, bias остаётся неизменным.
Как обработать последовательность через Flax NNX RNN и GRUCell
Flax 0.12.10: nnx.RNN применяет GRUCell ко всей последовательности и возвращает hidden для каждого временного шага.
Как обучать MLPClassifier пакетами через partial_fit
Потоковое обучение MLPClassifier мини-пакетами: первый classes, Incremental StandardScaler, несколько эпох, контроль n_iter_ и accuracy.
Как обучать MLPRegressor пакетами через partial_fit
Потоковое обучение регрессионной нейросети: Incremental StandardScaler, пять пакетов, 25 эпох, счётчик обновлений, t_ и независимый test.
Как обучить MLPClassifier со StandardScaler без утечки данных
Проверяемый Pipeline из StandardScaler и MLPClassifier: раздельная выборка, обучение scaler только на train, accuracy и защита от утечки.
Как обучить MLPRegressor со StandardScaler в Pipeline
Полносвязная нейросеть для числового прогноза: честный train/test split, StandardScaler внутри Pipeline, MAE, R² и проверка preprocessing.
Как оценить MLPClassifier через classification report и confusion matrix
Оценка нейросети не одной accuracy: classification_report как dict, confusion_matrix, support, macro F1 и точные критерии проверки.
Как оценить MLPRegressor по MAE, RMSE и R²
Три проверяемые регрессионные метрики: MAE в исходных единицах, чувствительный к крупным ошибкам RMSE и R² относительно среднего baseline.
Как оценить важность признаков MLP через permutation importance
Permutation importance для Pipeline с MLPClassifier: baseline на test, перестановки столбцов, mean/std, воспроизводимость и ограничения интерпретации.
Как ограничить глобальную норму градиентов в JAX
Проверяемый gradient clipping по общей L2-норме PyTree: tree.leaves, единый scale, норма 13→5 и защита от деления на ноль.
Как ограничить глобальную норму gradients через Optax
Optax 0.2.6: clip_by_global_norm ограничивает общую L2-норму PyTree; проверка вектора 3–4 до нормы 1.
Как ограничить обратный градиент через jax.custom_vjp
Пользовательский reverse-mode в JAX 0.11.2: identity forward, residuals, clipped cotangent и точная проверка градиента.