Hirdetés

2018. július 22., vasárnap

Gyorskeresés

Hozzászólások

(#1) Realradical


Realradical
(őstag)

Kösz a megosztást!
Én a sztenderd mennyit fog érni az ingatlanod típusú tutorialt nézegettem + Pluralsight, de sajna kevés volt ahhoz, hogy megalapozzam a tudásom a tökéletes tőzsde-géphez.
Ellopom a munkád és tanulok belőle. :R

[ Szerkesztve ]

Mostantól a pislogásod nem automatikus

(#2) IO.sys


IO.sys
(fanatikus tag)

Nincs kedved írni Tensorflow tutorialt? 15 éve programozok, érdekel ez is, de Youtube videókból nem igazán esett le, mi miért merre.

You think that's air you're breathing?

(#3) weiss válasza Realradical (#1) üzenetére


weiss
(őstag)
LOGOUT blog

Örülök, hogy valaki hasznát veszi ennek a kevésnek is :)

IO.sys: Az nehéz volna, mert semennyire sem értek hozzá, tényleg csak a tutorialt követtem.

[ Szerkesztve ]

I did nothing, the pavement was his enemy!

(#4) Lacc


Lacc
(fanatikus tag)

Pár észrevétel:
1. Érdemes inkább Python vagy C++-ot használni, a C Api még nem támogatja az összes Tensorflow API-t. Lasd link Current Status, bár kérdés mennyire használod ki.
2. Nem azért színezzük, mert Fancy :). Hanem class annotáció miatt :), itt egy példa kép. Bár a te leírásodhoz talán nem kapcsolódik, nem tudom, hogy pontosan mit akartál színezés alatt érteni, de objektum detektálás miatt használják, a gépi intelligencia tanítatása supervised learning-gel (felügyelt tanulással, megmondjuk neki mi micsoda), erre van egy jó egyetemi projekt is.
3. Tutorialban a CNN architektúra ami használva van, az a MobilNet, másik architektúrával pontosabb eredményt is el lehet érni, bár ez függ a bemeneti képek "témájától" is. VGG, FCN, SegNet, AlexNet, ezek mind-mind más arhictektúrák, más performancia, pontosság, stb.
4. Lehet pontosabb eredményt kapsz, ha a Hyperparametéert változtatod (esetleg filter/kernel - ezt a fogalmat láttam, hogy ugyanarra használják) a Tutorialt amit csináltál, ott a 7. szakaszban leírja.

+1 Megnéztem a Valid képeket, amelyeket Invalidnak jelölt, két dolgot figyeltem meg. 3 olyan képet jelölt meg invalidnak, ahol látott egy színből négyzet alakot/téglalapot, az egyik a 86-os volt. Az invalid képeknél látszik, hogy mindig van egyszínű négyszet. 2-nél meg azt vettem észre, hogy a viharszeme, ha szabad így mondanom, nagyon el van nyújtva.

+2 "AI/machine learning/bullsitbingó" - kihagytad a "Deep Learning"-et.

[ Szerkesztve ]

(#5) weiss válasza Lacc (#4) üzenetére


weiss
(őstag)
LOGOUT blog

Ez az egész egy már létező projektre "épült" rá teszt jelleggel, tehát a kis színes képek eddig is voltak, sőt osztályozás is, csak más feltételekkel. Amit most ki akartam próbálni, az annyi, hogy az ML mit hoz ki belőle. 1. Tehát nem C-ben van, hanem a sima TF for poets retrain.py-t használtam.
2. Igazából azért csináltam a szivárvány színezést, hogy fejlesztés közben lássam, hogy a mozgásbecslő algoritmus, jól működik-e. Aztán megtetszett, és benne hagytam. Meg fancy :D
3. Ehhez nem tudom hozzászólni, lehet butaságot írok, de nekem az Inception v3 rémlett.
4. Meglesem, kösz.

+1 Jó észrevétel, de a 84-re gondoltál, nem?

I did nothing, the pavement was his enemy!

(#6) Lacc válasza weiss (#5) üzenetére


Lacc
(fanatikus tag)

3. Nem néztem végig a videót, csak a kommentjét, ahol a "TensorFlow For Poets" című google anyagot linkelte be a feltöltő, és azt néztem át gyorsan 2 perc alatt, szóval ezért ez a hivatkozási alapom.

És itt írja a következőket:
In this exercise, we will retrain a MobileNet. MobileNet is a a small efficient convolutional neural network. "Convolutional" just means that the same calculations are performed at each location in the image.
The MobileNet is configurable in two ways:
Input image resolution: 128,160,192, or 224px. Unsurprisingly, feeding in a higher resolution image takes more processing time, but results in better classification accuracy.
The relative size of the model as a fraction of the largest MobileNet: 1.0, 0.75, 0.50, or 0.25.
We will use 224 0.5 for this codelab.

De 84 és 95-ös meg 76. képek, meg a 98-as is olyan a jobb oldali piros téglalapm talán még 57-esre is rá lehet mondasni.

Copyright © 2000-2018 PROHARDVER Informatikai Kft.