Eccoci qui 🤗 Non preoccuparti fai benissimo a fare queste domande, ci teniamo molto a fornire solo materiale di qualità e funzionante. Allora è stato molto complesso trovare tutte le dipendenze precise ma ce l'abbiamo fatta. Copia e incolla queste righe al posto delle celle prima di "from imageai.Detection import ObjectDetection" !pip install tensorflow==2.4.0 !pip install keras==2.4.3 numpy==1.19.3 pillow==7.0.0 scipy==1.4.1 h5py==2.10.0 matplotlib==3.3.2 opencv-python keras-resnet==0.2.0 !pip install imageai --upgrade il risultato finale dovrà essere questo : Facci sapere se il problema è risolto 😉

un paio di cose che potremmo migliorare insieme per far funzionare al meglio il tuo modello di deep learning

nesting per un ordine riferito alle lamiere, dovremmo avere anche il tempo netto di lavorazione della macchina

Perfect! Grazie😘

Per tornare un attimo (con una macchina del tempo virtuale) a quei fascinosi anni 80, ti dirò che dopo

learning e questi si basano su concetti di calcolo come derivate e gradienti. ( questi algoritmi permettono Statistica e Calcolo delle probabilità: il machine learning è parte dalla statistica, quindi questa A questo punto dopo aver capito che questi argomenti sono i fondamentali per il Deep Learning e Machine courseLabel=5336&q=matematica&sort=relevance&src=ukw Corsi Machine Learning : https://www.udemy.com/ src=ukw&q=machine+learning Speriamo di esserti stati di aiuto.

Prima di partire a razzo nel mondo della I.A. con particolare riferimento ai classificatori, deep learning

classe errore terzi yyy.code = tipo di errore... vi saranno delle conversioni da qualche parte, se è una macchina

Grazie cmq!

affrontare il tuo problema di previsione dei tempi di lavorazione degli ordini utilizzando il deep learning # Esempio di definizione degli iperparametri num_neurons_layer1 = 64 num_neurons_layer2 = 64 learning_rate =learning_rate) model.compile(loss='mse', optimizer=optimizer) return model # Creazione del modello param_grid = { 'num_neurons_layer1': [32, 64, 128], 'num_neurons_layer2': [32, 64, 128], 'learning_rate Si utilizza l'ottimizzatore Adam con una learning rate di 0.001 e la funzione di perdita MSE.

Una delle parti più difficili nell'utilizzo del machine learning credo consista proprio nella preparazione

Ciao, grazie mille per averci scritto 🤗 Allora per quanto riguarda il funzionamento del programma da noi proposto ci sono diversi motivi per il quale potrebbe non funzionare, ad esempio il sistema operativo installato... Comunque se sei interessato ad un programmino semplice, che possa girare su windows, non esitare a mandarci una email a python.ai.solution@gmail.com. Ti scriveremo una piccola demo gratuita da far girare anche online se ti dovesse servire . Per quanto riguarda il servizio intelligente sul Trading, capita spesso ultimamente che vada in crash per il troppo traffico. Quando ti fa la rotellina di caricamento non esitare a mandarci una mail o usare la chat del sito per dircelo, risolveremo al più presto. Al momento abbiamo ripristinato il servizio, facci sapere se riesci ad ad accedere. Grazie ancora per averci scritto e scusaci il disagio causato dal momentaneo mancato servizio intelligente del nostro sito 🤗 Per qualsiasi altro problema non esitare ad aprire un altra discussione sul forum o a contattarci direttamente, speriamo di esserti stati di aiuto 🤗

Cosa dire, grazie Martina e grazie Moderatori di I.A. Italia! Ho provato il SaaS ed è davvero carino ed ha già tutte le aggiunte che avrei voluto farci, ha funzionato benissimo e velocissimo. Anche il codice di Martina mi potrà essere molto utile, naturalmente dovrò studiare un bel po' prima di capirci davvero qualcosa ma già adesso, grazie a questi 2 esempi, ho le idee molto più chiare su come funziona questa tecnica. Grazie davvero per la disponibilità ed a presto! Mario

Notavo che le auto più piccole (più lontane) vengono riconosciute più facilmente (ma non tutte!!!!!) rispetto a quelle in primo piano più grandi...

Per quanto riguarda i dati, non sappiamo quale sia l'algoritmo generato dal sistema, poichè come abbiamo