*Er mwyn dysgu Machine Learning yn unig, wrth gwrs. O dan syllu ychydig yn anfodlon ei wraig annwyl.
Mae'n debyg nad oes cymhwysiad mor syml â lefel atgyrchau asgwrn cefn â Tinder. Er mwyn ei ddefnyddio, dim ond un bys sydd ei angen arnoch i swipe ac ychydig o niwronau i ddewis y merched neu'r dynion rydych chi'n eu hoffi orau. Gweithrediad delfrydol o rym 'n Ysgrublaidd wrth ddewis pâr.
Penderfynais y byddai hyn yn ffordd dda o gael ychydig o deimlad am ddysgu peirianyddol ar gerdyn graffeg newydd. Y cyfan sydd ar ôl yw esbonio i fy ngwraig nad oes angen menyw dewach newydd arnaf, a dim ond hyfforddi rhwydweithiau niwral ydw i.
Beth yw'r broblem gyda rhwydweithiau dyddio?
Roedd adnodd o'r fath - Ashley Madison. Yn benodol, gyda’r slogan “Mae bywyd yn fyr. Cael carwriaeth." Y brif gynulleidfa yw dynion priod sy'n chwilio am garwriaeth ar yr ochr. Mae monetization hefyd yn hwyl - yn ogystal â'r safon “pwyntiau gwario i'w hoffi ac ysgrifennu,” gofynnon nhw am $19 i ddileu cyfrif defnyddiwr heb olrhain.
Yn 2015, gollyngodd y wefan yn naturiol a gollyngodd 60 GB o ddata personol i'r parth cyhoeddus. Yn ogystal â llawer o deuluoedd a ddinistriwyd, rhoddodd y gollyngiad hwn lawer o wybodaeth ddiddorol i ddadansoddwyr. Roeddwn bob amser yn amau bod llawer mwy o ddynion ar safleoedd dyddio, ond yn yr achos hwn daeth yn eithaf diddorol. Newyddiadurwr Annalee Newitz allan o 5 miliwn o ddefnyddwyr, dim ond 12 oedd yn debyg i gyfrifon merched go iawn ac yn cael eu defnyddio'n rheolaidd. Dim ond bots oedd y gweddill oedd yn sgwrsio ag ymwelwyr gwrywaidd.
Mae gormodedd o'r fath tuag at gyfrifon gwrywaidd yn nodweddiadol nid yn unig ar gyfer yr adnodd hwn, ond hefyd ar gyfer y rhan fwyaf o wefannau dyddio eraill. Rwy’n siŵr bod llawer wedi dod ar draws y sefyllfa annheg hon, sy’n ddiamau, yn annheg, pan fo’n rhaid ichi gynllunio cydnabyddwr yn ofalus, ond y cyfan sydd ei angen ar y ferch yw cofrestru. Gadewch i ni adael ansawdd y dorf hon o gefnogwyr o'r neilltu, ond ni ellir gwadu'r ffaith bod cydbwysedd y cyflenwad a'r galw yn amlwg yn symud o blaid y merched.
Nodwedd Tinder
Y grymwr 'n Ysgrublaidd delfrydol mewn cysylltiadau rhyw
Prif nodwedd y platfform hwn yw'r gost isel fesul cydnabyddwr. Mae cyd-ddigwyddiad o ddau swipes yn ddigon ac rydych chi eisoes yn cyfathrebu â pherson a allai fod yn ddiddorol. Y broblem yw bod yr un anghydbwysedd rhwng y rhywiau yn arwain at y ffaith y bydd y rhan fwyaf o ferched yn cael dwsinau o gemau'r dydd. Mae hyn yn golygu ei bod yn debygol na fydd ganddynt amser i roi sylw i chi ymhlith ymgeiswyr eraill.
Mae’n gwbl amlwg nad yw’r platfform yn awgrymu fawr o gyfle i asesu byd mewnol dwfn person o eiliad a hanner wrth lun mewn siwt nofio neu yrru car arlliwiedig ffasiynol. Felly, os nad ydych chi'n edrych yn ddwyfol yn eich ffotograffau, nid oes gennych chi ddewis ond cynyddu'ch siawns trwy fabwysiadu mewn rhai rhywogaethau. Yn syml, byddwn yn defnyddio grym ysgarol ac yn cymryd cyfaint i gynyddu ein siawns o lwyddo i fridio. Gan fod angen i chi weithiau gael eich tynnu sylw gan fwyd a chwsg, a bod swipes yn gyfyngedig, mae'n debyg y bydd yn well gennych i awtomeiddio ddewis y merched neu'r dynion sy'n gweddu orau i'ch chwaeth. Pennau coch byr neu brunettes tal - chi sydd i benderfynu.
Casglu data
Yn gyntaf oll, mae angen llawer o ddata arnoch ar gyfer cywirdeb arferol. Mae unrhyw un sydd wedi dod ar draws dysgu peirianyddol yn gwybod pa mor anodd y gall fod i gynhyrchu set ddata sydd wedi'i chasglu a'i labelu'n gywir. Yn ddamcaniaethol, bydd unrhyw adnodd tebyg yn addas fel ffynhonnell ddata, boed yn Instagram neu rwydweithiau cymdeithasol eraill. Ond mae'n well hyfforddi ar y samplau hynny y bydd y rhwydwaith yn gweithio arnynt yn y dyfodol.
Gadewch i ni gymryd yr ystorfa fel sail . Mae lluniau Tinder bob amser ar gael i'r cyhoedd, ond mae'r swyddogaeth "hoffi" eisoes yn gyfyngedig. Felly, mae angen echdynnu popeth byw o fewn y radiws a'u marcio'n ofalus. Yn gyntaf mae angen i chi ddefnyddio sgript eithaf syml:
from skimage.io import imread, imsave, imshow, show
import matplotlib.pyplot as plt
import pynder
from helpers import get_access_token, get_login_credentials
from io_helper import save_image
email, password, FBID = get_login_credentials()
FBTOKEN = get_access_token(email, password)
session = pynder.Session(facebook_token=FBTOKEN)
while True:
users = session.nearby_users()
for user in users:
photos = user.get_photos()
print("Fetched user photos..")
for photo in photos:
print(photo)
image = imread(photo)
imshow(image)
show()
input_string = "Write 1 to like. Write 2 to dislike."
ans = str(input(input_string)).lower()
if ans == "1":
save_image(image, photo, True)
else:
save_image(image, photo, False)
Bydd yn caniatáu ichi farcio'r set ddata cyn gynted â phosibl gyda dim ond dau fotwm. Y perygl allweddol yw'r ffaith bod y llyfrgell werkzeug wedi torri'n ôl a bydd yn rhaid ei gorfodi i'w hisraddio. Fel arall mae'n taflu'r gwall hwn.
Traceback (most recent call last):
File "img_scrape.py", line 4, in <module>
from helpers import get_access_token, get_login_credentials
File "/home/someone/tmp/TinderAutomation/helpers.py", line 1, in <module>
import robobrowser
File "/home/someone/tmp/TinderAutomation/venv/lib/python3.6/site-packages/robobrowser/__init__.py", line 3, in <module>
from .browser import RoboBrowser
File "/home/someone/tmp/TinderAutomation/venv/lib/python3.6/site-packages/robobrowser/browser.py", line 8, in <module>
from werkzeug import cached_property
ImportError: cannot import name 'cached_property'
Felly, yn requirements.txt mae angen i chi ysgrifennu Werkzeug==0.16.1. Yna bydd yn cymryd i ffwrdd.
Yr ail broblem yw cael yr union arwydd hwn. Nid oedd y dull safonol o'r ystorfa yn gweithio i mi, ond llwyddais i'w gael o'r consol datblygwr. I wneud hyn, ewch i a thynnu'r ymateb i'r cais POST yn . Y tu mewn rydym yn edrych am 'access_token'. Am ryw reswm ni weithiodd y tro cyntaf, ond yna des o hyd iddo a'i godio'n galed yn y sgript.
Gofynion set ddata
Mae yna nifer o ofynion allweddol ar gyfer setiau data dysgu peirianyddol:
- Digonolrwydd
- Unffurfiaeth
- Amrywiaeth
Mae digonolrwydd yn yr achos hwn yn gofyn am o leiaf 10000 o ffotograffau i adeiladu model digonol. Ydy, mae hynny'n llawer. Dyma pam mae gwasanaethau'n hoffi , lle gallwch ddirprwyo'r gwaith o farcio'ch set ddata i bobl eraill am ffi. Ar y llaw arall, a ydych chi wir eisiau i'ch bot hoffi merched Asiaidd hyfryd sy'n wynebu'r lleuad neu ferched yr un mor brydferth â gwreiddiau Indiaidd? Eto i gyd, dylai'r model adlewyrchu'ch chwaeth.
Nid oes unrhyw broblemau arbennig gydag amrywiaeth; cyflwynir pob ffotograff o wahanol onglau a golau. Mewn sbectol, ffrogiau, siwtiau nofio a siwtiau sgïo. Gall problem godi gydag unffurfiaeth y set ddata. Yn ddelfrydol, pan fyddwn yn labelu ein sampl, dylai gynnwys rhannau cyfartal yn fras. Os bydd gennych set ddata “sgiw” yn y pen draw, bydd yn rhaid i chi ei wanhau â ffotograffau o ffynonellau eraill. Bydd angen i chi ychwanegu rhai mwy deniadol, neu i'r gwrthwyneb, byddwch yn penderfynu arnynt yn seiliedig ar ganlyniad y marcio. Cefais rywbeth bert o gwmpas 60%. Naill ai dwi ddim yn rhy picky, neu dwi jest yn lwcus ac mae lot o ferched pert o gwmpas.
Nid wyf ychwaith yn diystyru'r ddamcaniaeth bod yna lawer o bots yn eu plith. Rydyn ni'n hyfforddi bot a fydd yn hoffi bots eraill. Mae rhywfaint o eironi yn hyn.
Prosesu data
Mae gennym ni griw o luniau wedi'u tagio, ond maen nhw'n gymysg iawn. Yn ystod y dydd, gyda'r nos, o'r tu ôl ac eraill. Gyda gofid, deallaf na fydd addysgu o ffotograffau o'r cefn yn arbennig o effeithiol, gan y bydd y sampl yn anwastad iawn. Felly, yr opsiwn gorau fyddai defnyddio wynebau fel arwydd cyfeirio o “cuteness.” Eto i gyd, i ni, fel ar gyfer primatiaid eraill, mae hwn yn baramedr allweddol.
Felly, gadewch i ni ddefnyddio . Mae hwn yn algorithm ardderchog sy'n eich galluogi i ddod o hyd i wynebau mewn delweddau gyda chanran isel o wallau positif ffug.
Disgrifir hyn yn fanylach yn y llawlyfr
Yn y cam nesaf, ar ôl i wynebau yn unig fod yn y sampl, mae'n gwneud synnwyr i gael gwared â lliw. Yn wir, go brin y bydd yn rhaid i chi ddewis rhwng denizen glas hardd Pandora neu harddwch y croen gwyrdd.
Mewn pobl Hue, nid yw lliw croen yn cyfrannu'n sylweddol at gyfraddau atyniad.
Felly, mae'n werth symleiddio gwaith y rhwydwaith niwral a gadael graddlwyd yn unig.
Adeiladu model
Rwyf am ddweud ar unwaith, heb gerdyn fideo da a CUDA, mae'n debyg na fyddwch chi'n cael model hyfforddedig mewn digon o amser. Felly, anelwch ar unwaith at gyfrifiadau mewn cymylau arbenigol neu ddefnyddio python-CUDA.
Cymerais enghraifft tair haen sylfaenol gan awdur yr ystorfa ac, yn rhyfeddol, dangosodd gywirdeb o tua 72%, sy’n ganlyniad eithaf da.
model = Sequential()
model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=(img_size, img_size, 3)))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Convolution2D(32, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(2, activation='softmax'))
adam = optimizers.SGD(lr=1e-4, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy',
optimizer= adam,
metrics=['accuracy'])
Os oes sampl dda, yna efallai y bydd yn ddigon i gael model ymarferol.
Gadewch i ni lansio'r bot
Diolch i awdur yr ystorfa am opsiwn parod ar gyfer profi'r syniad yn gyflym. Mewn gwirionedd, mae'n gweithio'n eithaf da yn y fersiwn sylfaenol a gellir, mewn egwyddor, gael ei lansio ar ein . Ni fydd yn bosibl hyfforddi eto; ar hyn o bryd nid ydym yn darparu cymorth CUDA i beiriannau rhithwir ar gyfer cyfrifiadau, ond gallwch redeg rhywbeth 24/7 heb unrhyw broblemau. Mae'r bot yn eithaf ysgafn, felly byddai'n fwy proffidiol cymryd tariff sy'n talu am yr adnoddau a ddefnyddir.
Canfyddiadau
Mae'n debyg fy mod i'n giwt iawn. Ac mae gen i fyd mewnol cyfoethog. Ges i rywbeth fel 13 gêm o fewn awr. Ar ben hynny, sawl gwaith ysgrifennodd y merched gyntaf.
O ganlyniad, cawsom ddeialogau neis iawn yn y diwedd, lle dywedais mai dim ond i chwarae gyda dysgu peirianyddol a labelu data y deuthum i mewn. Roedd gan un o'r merched ddiddordeb mawr, gan ei bod hi ei hun yn ddatblygwr. Mae yna deimlad cryf y bydd hi yn y pen draw yn darllen y post hwn ar Habré. Rwy'n mawr obeithio y bydd Oksana yn cadw fy anhysbysrwydd. 🙂
* tonnau paw a dweud helo
Ychydig am ochr foesegol y mater
A dweud y gwir, dydw i ddim yn hoffi'r holl syniad o roboteiddio perthnasoedd rhwng dynion a merched. Mae yna rywbeth cywir iawn am daflu'ch siaced dros ysgwyddau dieithryn oer sy'n sefyll ar ei ben ei hun. Neu ewch at ferch bert mewn caffi haf ac yfed coffi gyda'ch gilydd. Ewch allan o'r tu ôl i'r monitorau yn barod.
Mae'r haf o gwmpas. Mae'n bryd dod i adnabod.
Ffynhonnell: hab.com