JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть I • Актуальность и основные понятия 
писываться в кодировках RGB или HSV (hue — saturation — value — «оттенок — на­
сыщенность — значение»). Здесь слова 
«кодировка»
(encoding) и 
«представление»
(representation), по существу, означают одно и то же и могут заменять друг друга. 
При кодировании в этих двух форматах соответствующие пикселам числовые значе­
ния совершенно различны, хотя и соответствуют одному изображению. Различные 
представления удобны для решения разных задач. Например, чтобы найти все крас­
ные составляющие изображения, удобнее использовать представление RGB; а чтобы 
найти насыщенные цветом части того же изображения, лучше подойдет представле­
ние HSV. В этом вся суть машинного обучения: найти соответствующее преобразова­
ние для превращения старого представления входных данных в новое — подходящее 
для решения конкретной задачи, например определения местоположения машин 
в изображении или выяснения, есть ли на фотографии кошка и собака.
В качестве наглядного примера рассмотрим задачу, в которой на плоскости есть 
набор белых точек и несколько черных (рис. 1.4). Пусть нам нужно разработать ал­
горитм, который по заданным двумерным координатам (
x
, 
y
) точки предсказывает, 
будет она белой или черной. В данном случае:
z
z
роль входных данных играют двумерные декартовы координаты (
x
и 
y
) точки;
z
z
роль выходных данных играет предсказанный цвет точки (белый или черный).
Рис. 1.4.
Модельный пример преобразования представлений — самой сущности машинного 
обучения. Блок А: исходное представление набора данных, состоящего из белых и черных 
точек на плоскости. Блоки Б и В: после двух последовательных шагов преобразования исходное 
представление превращается в более подходящее для задачи классификации по цвету

---