My hele volwasse lewe was ek 'n energiedrankie (nee, nou praat ons nie van 'n drankie met twyfelagtige eienskappe nie).
Ek was nog nooit besonder geïnteresseerd in die wêreld van inligtingstegnologie nie, en ek kan amper nie eers matrikse op 'n stuk papier vermenigvuldig nie. En ek het dit nooit nodig gehad nie, sodat jy 'n bietjie verstaan van die besonderhede van my werk, kan ek 'n wonderlike storie deel. Ek het eenkeer vir my kollegas gevra om die werk in 'n Excel-sigblad te doen, die helfte van die werksdag is verby, ek het na hulle toe gegaan, en hulle sit en som die data op 'n sakrekenaar op, ja, op 'n gewone swart sakrekenaar met knoppies. Wel, oor watter soort neurale netwerke kan ons hierna praat? .. Daarom het ek nooit enige spesiale voorvereistes gehad om myself in die wêreld van IT te verdiep nie. Maar, soos hulle sê, "dit is goed waar ons nie is nie," het my vriende my ore gegons oor verhoogde werklikheid, oor neurale netwerke, oor programmeertale (hoofsaaklik oor Python).
In woorde het dit baie eenvoudig gelyk, en ek het besluit hoekom nie hierdie magiese kuns bemeester om dit in my aktiwiteitsveld toe te pas nie.
In hierdie artikel sal ek my pogings oorslaan om die basiese beginsels van Python te bemeester en my indrukke van die gratis TensorFlow-kursus van Udacity met jou te deel.
Inleiding
Om mee te begin, is dit opmerklik dat na 11 jaar in die energiebedryf, wanneer jy alles weet en kan doen en selfs 'n bietjie meer (volgens jou verantwoordelikhede), om radikaal nuwe dinge te leer - aan die een kant groot entoesiasme veroorsaak, maar aan die ander kant - verander in fisiese pyn "ratte in my kop."
Ek verstaan steeds nie al die basiese konsepte van programmering en masjienleer ten volle nie, so jy moet my nie te hard oordeel nie. Ek hoop dat my artikel interessant en nuttig sal wees vir mense soos ek wat ver van sagteware-ontwikkeling is.
Voordat u na die kursusoorsig oorgaan, sal ek sê dat u ten minste minimale kennis van Python benodig om dit te bestudeer. Jy kan 'n paar boeke vir dummies lees (ek het ook 'n kursus oor Stepic begin volg, maar het dit nog nie heeltemal bemeester nie).
Die TensorFlow-kursus self sal nie komplekse konstrukte bevat nie, maar dit sal nodig wees om te verstaan hoekom biblioteke ingevoer word, hoe 'n funksie gedefinieer word en hoekom iets daarin vervang word.
Waarom TensorFlow en Udacity?
Die hoofdoel van my opleiding was die begeerte om foto's van elektriese installasie-elemente met behulp van neurale netwerke te herken.
Ek het TensorFlow gekies omdat ek by my vriende daarvan gehoor het. En soos ek dit verstaan, is hierdie kursus nogal gewild.
Ek het probeer om by die amptenaar te begin leer .
En toe loop ek twee probleme teë.
- Daar is baie opvoedkundige materiaal, en dit kom in verskillende variëteite voor. Dit was vir my baie moeilik om ten minste 'n min of meer volledige prentjie te skep van die oplossing van die beeldherkenningsprobleem.
- Die meeste van die artikels wat ek nodig het, is nie in Russies vertaal nie. Dit het toevallig dat ek Duits as kind geleer het en nou, soos baie Sowjet-kinders, ken ek nie Duits of Engels nie. Natuurlik het ek regdeur my volwasse lewe Engels probeer bemeester, maar dit het iets soos in die prentjie geword.
Nadat ek op die amptelike webwerf rondgegrawe het, het ek aanbevelings gevind om deur te gaan .
Soos ek verstaan, is die kursus op Coursera betaal, en die kursus dit was moontlik om "gratis, dit wil sê, vir niks" te slaag.
Kursusinhoud
Die kursus bestaan uit 9 lesse.
Die heel eerste afdeling is inleidend, waar hulle jou sal vertel hoekom dit in beginsel nodig is.
Les #2 was my gunsteling. Dit was eenvoudig genoeg om te verstaan en het ook die wonders van die wetenskap gedemonstreer. Kortom, in hierdie les, benewens basiese inligting oor neurale netwerke, demonstreer die skeppers hoe om 'n enkellaag neurale netwerk te gebruik om die probleem op te los om temperatuur van Fahrenheit na Celsius om te skakel.
Dit is inderdaad 'n baie duidelike voorbeeld. Ek sit nog hier en dink oor hoe om 'n soortgelyke probleem uit te dink en op te los, maar net vir elektrisiëns.
Ongelukkig het ek verder vasgeval, want om onverstaanbare dinge in 'n onbekende taal te leer is nogal moeilik. Wat my gered het, was wat ek op Habré gevind het .
Die vertaling is met hoë kwaliteit gedoen, die Colab notaboeke is ook vertaal, so ek het toe na beide die oorspronklike en die vertaling gekyk.
Les nr. 3 is in werklikheid 'n aanpassing van materiaal uit die amptelike TensorFlow-tutoriaal. In hierdie tutoriaal gebruik ons 'n multilaag neurale netwerk om te leer hoe om prente van klere te klassifiseer (Fashion MNIST datastel).
Lesse nr. 4 tot nr. 7 is ook 'n aanpassing van die tutoriaal. Maar as gevolg van die feit dat hulle korrek gerangskik is, is dit nie nodig om die volgorde van studie self te verstaan nie. In hierdie lesse sal ons kortliks vertel word oor ultra-akkurate neurale netwerke, hoe om die akkuraatheid van opleiding te verhoog en die model te stoor. Terselfdertyd sal ons terselfdertyd die probleem oplos om katte en honde in die beeld te klassifiseer.
Les nr. 8 is 'n heeltemal aparte kursus, daar is 'n ander onderwyser, en die kursus self is redelik uitgebreid. Die les handel oor tydreekse. Aangesien ek nog nie daarin belangstel nie, het ek dit skuins geskandeer.
Dit eindig met les #9, wat 'n uitnodiging is om 'n gratis kursus oor TensorFlow lite te neem.
Waarvan jy gehou het en nie gehou het nie
Ek begin met die voordele:
- Die kursus is gratis
- Die kursus is op TensorFlow 2. Sommige handboeke wat ek gesien het en sommige kursusse op die internet was op TensorFlow 1. Ek weet nie of daar 'n groot verskil is nie, maar dit is lekker om die huidige weergawe te leer.
- Die onderwysers in die video is nie irriterend nie (alhoewel hulle in die Russiese weergawe nie so vrolik lees soos in die oorspronklike nie)
- Die kursus neem nie baie tyd nie
- Die kursus laat jou nie hartseer of hopeloos voel nie. Die take in die kursus is eenvoudig en daar is altyd 'n wenk in die vorm van Colab met die regte oplossing as iets nie duidelik is nie (en 'n goeie helfte van die take was nie vir my duidelik nie)
- U hoef niks te installeer nie, alle laboratoriumwerk van die kursus kan in die blaaier gedoen word
Nou die nadele:
- Daar is feitlik geen beheermateriaal nie. Geen toetse, geen take, niks om op een of ander manier die bemeestering van die kursus na te gaan nie
- Nie al my notaboeke het gewerk soos hulle moes nie. Ek dink in die derde les van die oorspronklike kursus in Engels het Colab 'n fout gegooi en ek het nie geweet wat om daarmee te doen nie
- Gerieflik om net op 'n rekenaar te kyk. Miskien het ek dit nie heeltemal verstaan nie, maar ek kon nie die Udacity-toepassing op my slimfoon vind nie. En die mobiele weergawe van die webwerf reageer nie, dit wil sê, byna die hele skermarea word deur die navigasiekieslys beset, maar om die hoofinhoud te sien, moet jy na regs verder as die kykarea blaai. Die video kan ook nie op die foon bekyk word nie. Jy kan niks regtig sien op 'n skerm wat net meer as 6 duim meet nie.
- Sommige goed in die kursus word verskeie kere oorkou, maar terselfdertyd word die werklik nodige dinge op die konvolusienetwerke self nie in die kursus opgekou nie. Ek het steeds nie die algehele doel van sommige van die oefeninge verstaan nie (byvoorbeeld waarvoor Max Pooling is).
Opsomming
Jy het sekerlik al geraai dat die wonderwerk nie gebeur het nie. En na die voltooiing van hierdie kort kursus, is dit onmoontlik om werklik te verstaan hoe neurale netwerke werk.
Natuurlik kon ek hierna nie my probleem op my eie oplos met die klassifikasie van foto's van skakelaars en knoppies in skakelratte nie.
Maar oor die algemeen is die kursus nuttig. Dit wys watter dinge met TensorFlow gedoen kan word en watter rigting om volgende in te slaan.
Ek dink ek moet eers die basiese beginsels van Python leer en boeke in Russies lees oor hoe neurale netwerke werk, en dan TensorFlow aanpak.
Ten slotte wil ek dankie sê aan my vriende wat my gedryf het om die eerste artikel oor Habr te skryf en my gehelp het om dit te formateer.
NS Ek sal bly wees om jou kommentaar en enige konstruktiewe kritiek te sien.
Bron: will.com