Air fhoillseachadh o chionn ghoirid , a tha a 'sealltainn gluasad math ann an ionnsachadh innealan anns na bliadhnachan mu dheireadh. Ann an ùine ghoirid: tha an àireamh de luchd-tòiseachaidh ionnsachadh innealan air tuiteam anns an dà bhliadhna a dh’ fhalbh.
Uill. Bheir sinn sùil air “co-dhiù a tha am builgean air spreadhadh”, “mar a chumas sinn a’ fuireach ”agus bruidhinn air cò às a tha an squiggle seo a’ tighinn sa chiad àite.
An toiseach, bruidhnidh sinn mu dè a bha na àrdachadh den lùb seo. Cò às a thàinig i? Is dòcha gum bi cuimhne aca air a h-uile càil ionnsachadh innealan ann an 2012 aig farpais ImageNet. Às deidh na h-uile, is e seo a’ chiad tachartas cruinneil! Ach ann an da-rìribh chan eil seo fìor. Agus tha fàs an lùb a 'tòiseachadh beagan nas tràithe. Bhithinn ga bhriseadh sìos ann an grunn phuingean.
- Ann an 2008 thàinig am facal “dàta mòr” am bàrr. Thòisich toraidhean fìor bho 2010. Tha dàta mòr ceangailte gu dìreach ri ionnsachadh innealan. Às aonais dàta mòr, tha e do-dhèanta obrachadh seasmhach nan algoirmean a bha ann aig an àm sin. Agus chan e lìonraidhean neural a tha seo. Suas gu 2012, bha lìonraidhean neural air an gleidheadh le beag-chuid air an iomall. Ach an uairsin thòisich algorithms gu tur eadar-dhealaichte ag obair, a bha air a bhith ann airson bliadhnaichean, no eadhon deicheadan: (1963,1993, XNUMX), (1995), (2003),... Tha toiseach tòiseachaidh nam bliadhnaichean sin gu sònraichte co-cheangailte ri làimhseachadh dàta structarail gu fèin-ghluasadach: clàran airgid, luchd-cleachdaidh, sanasachd, mòran a bharrachd.
Is e toradh den chiad tonn seo seata de fhrèamaichean leithid XGBoost, CatBoost, LightGBM, msaa.
- Ann an 2011-2012 bhuannaich grunn cho-fharpaisean aithne ìomhaigh. Chaidh beagan dàil a chur air an cleachdadh fhèin. Chanainn gun do thòisich companaidhean tòiseachaidh agus fuasglaidhean fìor bhrìoghmhor a’ nochdadh ann an 2014. Thug e dà bhliadhna airson a chnàmh gu bheil neurons fhathast ag obair, gus frèaman goireasach a chruthachadh a ghabhadh a chuir a-steach agus a chuir air bhog ann an ùine reusanta, gus dòighean a leasachadh a dhèanadh seasmhach agus luathachadh an ùine co-chruinneachaidh.
Rinn lìonraidhean convolutional e comasach fuasgladh fhaighinn air duilgheadasan lèirsinn coimpiutair: seòrsachadh ìomhaighean agus nithean san ìomhaigh, lorg nithean, aithneachadh nithean agus dhaoine, leasachadh ìomhaighean, msaa, msaa.
- 2015-2017. Brosnachadh algorithms agus pròiseactan stèidhichte air lìonraidhean ath-chuairteach no an analogues (LSTM, GRU, TransformerNet, msaa). Tha algorithms cainnt-gu-teacsa a tha ag obair gu math agus siostaman eadar-theangachaidh inneal air nochdadh. Tha iad gu ìre stèidhichte air lìonraidhean convolutional gus feartan bunaiteach a thoirt a-mach. Gu ìre air sgàth 's gun do dh'ionnsaich sinn a bhith a' cruinneachadh stòran-dàta fìor mhath agus math.
“A bheil am builgean air spreadhadh? A bheil an hype ro theth? An do bhàsaich iad mar blockchain?”
Mur eil! Am-màireach stadaidh Siri ag obair air an fhòn agad, agus an latha às deidh a-màireach cha bhith fios aig Tesla air an eadar-dhealachadh eadar tionndadh agus cangarù.
Tha lìonraidhean neural ag obair mu thràth. Tha iad ann an dusanan de innealan. Tha iad dha-rìribh a’ toirt cothrom dhut airgead a chosnadh, a’ mhargaidh agus an saoghal mun cuairt ort atharrachadh. Tha Hype a’ coimhead beagan eadar-dhealaichte:
Is e dìreach nach eil lìonraidhean neural a-nis rudeigin ùr. Tha, tha sùileachadh àrd aig mòran dhaoine. Ach tha àireamh mhòr de chompanaidhean air ionnsachadh neurons a chleachdadh agus toraidhean a dhèanamh stèidhichte orra. Bidh neurons a’ toirt seachad comas-gnìomh ùr, a’ leigeil leat obraichean a ghearradh, agus a’ lughdachadh prìs sheirbheisean:
- Tha companaidhean saothrachaidh ag aonachadh algorithms gus sgrùdadh a dhèanamh air uireasbhaidhean air an loidhne toraidh.
- Bidh tuathanasan sprèidh a' ceannach siostaman airson smachd a chumail air crodh.
- A ’cothlamadh gu fèin-ghluasadach.
- Ionadan fòn fèin-ghluasadach.
- Filters ann an SnapChat. (uill, co-dhiù rudeigin feumail!)
Ach am prìomh rud, agus chan e an rud as fhollaisiche: “Chan eil barrachd bheachdan ùra ann, no cha toir iad calpa sa bhad.” Tha lìonraidhean neural air fuasgladh fhaighinn air dusanan de dhuilgheadasan. Agus nì iad co-dhùnadh eadhon nas motha. Dh'adhbhraich a h-uile beachd follaiseach a bha ann mòran ghnìomhachasan tòiseachaidh. Ach bha a h-uile dad a bha air an uachdar air a chruinneachadh mar-thà. Thairis air an dà bhliadhna a dh’ fhalbh, chan eil mi air tighinn tarsainn air aon bheachd ùr airson cleachdadh lìonraidhean neural. Chan e aon dòigh-obrach ùr a th’ ann (uill, ceart gu leòr, tha beagan dhuilgheadasan ann le GANs).
Agus tha gach tòiseachadh às deidh sin nas iom-fhillte. Chan fheum e tuilleadh dithis ghillean a bhios a’ trèanadh neuron a’ cleachdadh dàta fosgailte. Feumaidh e prògramadairean, frithealaiche, sgioba de chomharran, taic iom-fhillte, msaa.
Mar thoradh air an sin, tha nas lugha de luchd-tòiseachaidh ann. Ach tha barrachd cinneasachaidh ann. A bheil feum agad air aithne plàta cead a chuir ris? Tha ceudan de eòlaichean le eòlas iomchaidh air a’ mhargaidh. Faodaidh tu cuideigin fhastadh agus ann am mìos no dhà nì an neach-obrach agad an siostam. No ceannaich deiseil. Ach a' dèanamh tòiseachadh ùr?.. Crazy!
Feumaidh tu siostam tracadh luchd-tadhail a chruthachadh - carson a phàigheas tu airson dòrlach de cheadan nuair as urrainn dhut do chuid fhèin a dhèanamh ann an 3-4 mìosan, ga gheurachadh airson do ghnìomhachas.
A-nis tha lìonraidhean neural a’ dol tron aon shlighe a tha dusanan de theicneòlasan eile air a dhol troimhe.
A bheil cuimhne agad mar a tha bun-bheachd “leasaiche làrach-lìn” air atharrachadh bho 1995? Chan eil a’ mhargaidh fhathast làn de eòlaichean. Is e glè bheag de phroifeiseantaich a th’ ann. Ach is urrainn dhomh geall nach bi mòran eadar-dhealachaidh ann am bliadhnaichean 5-10 eadar prògramadair Java agus leasaiche lìonra neural. Bidh gu leòr den dà eòlaiche air a’ mhargaidh.
Bidh dìreach clas de dhuilgheadasan ann a dh'fhaodas neurons fhuasgladh. Tha gnìomh air èirigh - eòlaiche fhastadh.
“Dè an ath rud? Càite a bheil an innleachd fuadain a chaidh a ghealltainn?”
Ach an seo tha mì-thuigse beag ach inntinneach :)
A rèir choltais, cha toir an stac teicneòlais a th’ ann an-diugh sinn gu inntleachd fuadain. Tha beachdan agus an cuid ùr-nodha gu ìre mhòr air fàs sgìth. Bruidhnidh sinn mu na tha aig an ìre leasachaidh làithreach.
Srian
Feuch an tòisich sinn le càraichean fèin-dràibhidh. Tha e soilleir gu bheil e comasach càraichean làn fèin-riaghailteach a dhèanamh le teicneòlas an latha an-diugh. Ach cia mheud bliadhna a thachras seo chan eil e soilleir. Tha Tesla den bheachd gun tachair seo ann am beagan bhliadhnaichean -
Tha mòran eile ann , a tha a 'meas gu bheil e 5-10 bliadhna.
Tha e nas coltaiche, nam bheachd-sa, ann an 15 bliadhna gun atharraich bun-structar bailtean-mòra fhèin ann an dòigh a dh ’fhàsas càraichean fèin-riaghailteach do-sheachanta agus gum bi iad a’ leantainn. Ach chan urrainnear seo a mheas mar fhiosrachadh. Tha Tesla an latha an-diugh na loidhne-phìoban gu math toinnte airson sìoladh dàta, sgrùdadh agus ath-thrèanadh. Is iad sin riaghailtean-riaghailtean-riaghailtean, cruinneachadh dàta agus sìoltachain thairis orra (an seo Sgrìobh mi beagan a bharrachd mu dheidhinn seo, no faire bho comharran).
A ’chiad dhuilgheadas
Agus seo far am faic sinn chiad duilgheadas bunaiteach. Dàta mòr. Is e seo dìreach a thug buaidh air an tonn gnàthach de lìonraidhean neural agus ionnsachadh innealan. An-diugh, gus rudeigin iom-fhillte agus fèin-ghluasadach a dhèanamh, feumaidh tu tòrr dàta. Chan e a-mhàin mòran, ach glè, glè. Feumaidh sinn algorithms fèin-ghluasadach airson an cruinneachadh, an comharrachadh agus an cleachdadh. Tha sinn airson toirt air a’ chàr na làraidhean a tha mu choinneamh na grèine fhaicinn - feumaidh sinn an-toiseach àireamh gu leòr dhiubh a chruinneachadh. Tha sinn airson nach tèid an càr às mo chiall le baidhsagal ceangailte ris an stoc - barrachd shampaill.
A bharrachd air an sin, chan eil aon eisimpleir gu leòr. Na ceudan? Na mìltean?
An dàrna duilgheadas
An dàrna duilgheadas - sealladh air na tha an lìonra neural againn air a thuigsinn. Is e obair gu math neo-thogarrach a tha seo. Gu ruige seo, chan eil mòran dhaoine a 'tuigsinn mar a nì iad seo fhaicinn. Tha na h-artaigilean seo gu math o chionn ghoirid, chan eil annta seo ach beagan eisimpleirean, eadhon ged a tha iad fada air falbh:
obsession le inneach. Tha e a’ sealltainn gu math na tha an neuron buailteach a shocrachadh air + na tha e a’ faicinn mar fhiosrachadh tòiseachaidh.
An aire aig . Gu dearbh, gu tric faodar tarraing a chleachdadh gu mionaideach gus sealltainn dè a dh’ adhbhraich freagairt lìonra mar sin. Tha mi air rudan mar sin fhaicinn airson an dà chuid debugging agus fuasglaidhean toraidh. Tha tòrr artaigilean ann air a’ chuspair seo. Ach mar as iom-fhillte a tha an dàta, is ann as duilghe a bhios e tuigse fhaighinn air mar a choileanas tu fradharc làidir.
Uill, tha, tha an seann sheata math de “seall dè tha taobh a-staigh a’ mhogal a-staigh " Bha fèill mhòr air na dealbhan sin 3-4 bliadhna air ais, ach thuig a h-uile duine gu sgiobalta gu robh na dealbhan brèagha, ach cha robh mòran ciall aca.
Cha tug mi iomradh air dusanan de dh’ innealan eile, dòighean-obrach, hacks, rannsachadh air mar a sheallas tu taobh a-staigh an lìonra. A bheil na h-innealan sin ag obair? An cuidich iad thu le bhith a’ tuigsinn gu sgiobalta dè an duilgheadas a th’ ann agus an lìonra a dheasbad?.. Faigh an ceudad mu dheireadh? Uill, tha e mu dheidhinn an aon rud:
Faodaidh tu coimhead air farpais sam bith air Kaggle. Agus tuairisgeul air mar a bhios daoine a’ dèanamh cho-dhùnaidhean deireannach. Chruinnich sinn 100-500-800 aonadan de mhodalan agus dh’ obraich e!
Tha mi a’ dèanamh cus, gu dearbh. Ach chan eil na dòighean-obrach sin a’ toirt seachad freagairtean luath is dìreach.
Le eòlas gu leòr, an dèidh dhut diofar roghainnean a ghluasad, faodaidh tu co-dhùnadh a thoirt seachad air carson a rinn an siostam agad a leithid de cho-dhùnadh. Ach bidh e duilich giùlan an t-siostaim a cheartachadh. Stàlaich crutch, gluais an stairsneach, cuir dàta ris, gabh lìonra backend eile.
An treas duilgheadas
An treas duilgheadas bunaiteach - bidh grids a’ teagasg staitistig, chan e loidsig. Gu staitistigeil seo :
Gu loidsigeach, chan eil e glè choltach. Cha bhith lìonraidhean neural ag ionnsachadh dad iom-fhillte mura h-eil iad air an èigneachadh. Bidh iad an-còmhnaidh a’ teagasg nan comharran as sìmplidh a ghabhas dèanamh. A bheil sùilean, sròn, ceann agad? Mar sin is e seo an aghaidh! No thoir eisimpleir far nach eil sùilean a’ ciallachadh aodann. Agus a-rithist - milleanan de eisimpleirean.
Tha rùm gu leòr aig a’ bhonn
Chanainn gur e na trì duilgheadasan cruinne sin a tha an-dràsta a’ cuingealachadh leasachadh lìonraidhean neural agus ionnsachadh innealan. Agus far nach do chuir na duilgheadasan sin bacadh air, tha e mar-thà air a chleachdadh gu gnìomhach.
Seo an deireadh? A bheil lìonraidhean neural suas?
Neo-aithnichte. Ach, gu dearbh, chan eil a h-uile duine an dòchas.
Tha iomadh dòigh-obrach agus stiùireadh ann airson fuasgladh fhaighinn air na duilgheadasan bunaiteach a chomharraich mi gu h-àrd. Ach gu ruige seo, chan eil gin de na dòighean-obrach sin air a dhèanamh comasach rudeigin bunaiteach ùr a dhèanamh, gus fuasgladh fhaighinn air rudeigin nach deach fhuasgladh fhathast. Gu ruige seo, thathas a ’dèanamh a h-uile pròiseact bunaiteach air bunait dòighean-obrach seasmhach (Tesla), no tha iad fhathast nam pròiseactan deuchainn aig institiudan no corporaidean (Google Brain, OpenAI).
Gu ìre mhòr, is e am prìomh stiùir riochdachadh àrd-ìre den dàta cuir a-steach a chruthachadh. Ann an seagh, "cuimhne". Is e an eisimpleir as sìmplidh de chuimhne diofar “Embedding” - riochdachaidhean ìomhaigh. Uill, mar eisimpleir, a h-uile siostam aithneachaidh aghaidh. Bidh an lìonra ag ionnsachadh a bhith a’ faighinn bho aghaidh cuid de riochdachadh seasmhach nach eil an urra ri cuairteachadh, solais no rùn. Gu bunaiteach, tha an lìonra a’ lughdachadh na meatrach “tha diofar aghaidhean fada” agus “tha na h-aghaidhean co-ionann faisg.”
Airson an leithid de thrèanadh, tha feum air deichean agus ceudan de mhìltean de eisimpleirean. Ach tha cuid de na rudan bunaiteach ann an “Ionnsachadh Aon-dhealbh” air an toradh. A-nis chan fheum sinn ceudan de aghaidhean gus cuimhne a chumail air duine. Dìreach aon aghaidh agus sin a h-uile rud a tha sinn !
Chan eil ann ach aon duilgheadas... Chan urrainn dhan ghriod ach rudan gu math sìmplidh ionnsachadh. Nuair a thathar a’ feuchainn ri eadar-dhealachadh a dhèanamh chan ann air aghaidhean, ach, mar eisimpleir, “daoine le aodach” (Tasg ) - tha càileachd a 'tuiteam le iomadh òrdugh meudachd. Agus chan urrainn don lìonra tuilleadh ionnsachadh mu atharrachaidhean meadhanach follaiseach ann an ceàrnan.
Agus tha ionnsachadh bho mhilleanan eisimpleirean cuideachd na spòrs.
Tha obair ann gus taghaidhean a lùghdachadh gu mòr. Mar eisimpleir, faodar aon de na ciad obraichean air ais a thoirt air ais sa bhad Ionnsachadh OneShot :
Tha mòran obraichean mar sin ann, mar eisimpleir no no .
Tha aon minus - mar as trice bidh trèanadh ag obair gu math air eisimpleirean sìmplidh, “MNIST”. Agus nuair a ghluaiseas tu air adhart gu gnìomhan iom-fhillte, feumaidh tu stòr-dàta mòr, modail de nithean, no draoidheachd de sheòrsa air choreigin.
San fharsaingeachd, tha obair air trèanadh One-Shot na chuspair air leth inntinneach. Lorgaidh tu tòrr bheachdan. Ach airson a’ mhòr-chuid, tha an dà dhuilgheadas a chlàraich mi (ro-thrèanadh air stòr-dàta mòr / neo-sheasmhachd air dàta iom-fhillte) gu mòr a’ cur bacadh air ionnsachadh.
Air an làimh eile, bidh GANn - lìonraidhean nàimhdeil ginealach - a’ dèiligeadh ri cuspair freumhachadh. Is dòcha gu bheil thu air dòrlach de artaigilean a leughadh air Habré air a’ chuspair seo. (, ,)
Is e feart de GAN a bhith a’ cruthachadh cuid de dh’ àite stàite a-staigh (gu h-àraidh an aon stèidheachadh), a leigeas leat dealbh a tharraing. Faodaidh e bhith , faodaidh .
Is e an duilgheadas le GAN gur ann as iom-fhillte a tha an nì a chaidh a chruthachadh, is ann as duilghe a tha e cunntas a thoirt air ann an loidsig “gineadair-lethbhreith”. Mar thoradh air an sin, is e na h-aon fìor thagraidhean de GAN a chluinnear DeepFake, a bhios, a-rithist, a ’làimhseachadh riochdachaidhean aghaidh (air a bheil bunait mòr).
Chan fhaca mi ach glè bheag de chleachdaidhean feumail eile. Mar as trice seòrsa de chleas a’ toirt a-steach dealbhan crìochnachaidh de dhealbhan.
Agus a-rithist. Chan eil fios aig duine ciamar a leigeas seo leinn gluasad gu àm ri teachd nas soilleire. Tha e math a bhith a’ riochdachadh loidsig / àite ann an lìonra neural. Ach feumaidh sinn àireamh mhòr de eisimpleirean, chan eil sinn a’ tuigsinn mar a tha an neuron a’ riochdachadh seo ann fhèin, chan eil sinn a’ tuigsinn ciamar a bheir sinn air an neuron cuimhneachadh air beachd fìor iom-fhillte.
Ionnsachadh ath-neartachaidh - is e dòigh-obrach a tha seo bho thaobh gu tur eadar-dhealaichte. Gu cinnteach tha cuimhne agad mar a rinn Google a’ chùis air a h-uile duine ann an Go. Buannachdan o chionn ghoirid ann an Starcraft agus Dota. Ach an seo tha a h-uile dad fada bho bhith cho rosach agus gealltanach. Tha e a’ bruidhinn as fheàrr mu RL agus cho iom-fhillteachd a tha e .
Gus geàrr-chunntas goirid a dhèanamh air na sgrìobh an t-ùghdar:
- Chan eil modalan a-mach às a’ bhogsa a’ freagairt / ag obair gu dona sa mhòr-chuid de chùisean
- Tha e nas fhasa duilgheadasan practaigeach fhuasgladh ann an dòighean eile. Cha bhith Boston Dynamics a’ cleachdadh RL air sgàth cho iom-fhillteachd / do-chreidsinneach / iom-fhillteachd àireamhachd
- Airson RL a bhith ag obair, feumaidh tu gnìomh iom-fhillte. Gu math tric tha e doirbh a chruthachadh/sgrìobhadh
- Tha e doirbh modailean a thrèanadh. Feumaidh tu tòrr ùine a chaitheamh airson pumpadh suas agus faighinn a-mach à optima ionadail
- Mar thoradh air an sin, tha e duilich am modail ath-aithris, tha am modail neo-sheasmhach leis na h-atharrachaidhean as lugha
- Gu tric bidh e a’ dol thairis air cuid de phàtranan air thuaiream, eadhon gineadair àireamhan air thuaiream
Is e am prìomh phuing nach eil RL fhathast ag obair ann an cinneasachadh. Tha cuid de dheuchainnean aig Google ( , ). Ach chan fhaca mi siostam toraidh singilte.
memory. Is e eas-bhuannachd a h-uile dad a tha air a mhìneachadh gu h-àrd dìth structar. Is e aon de na dòighean gus feuchainn ri seo a sgioblachadh, cothrom a thoirt don lìonra neural air cuimhne fa leth. Gus an urrainn dhi toraidhean a ceumannan an sin a chlàradh agus ath-sgrìobhadh. An uairsin faodar an lìonra neural a dhearbhadh leis an staid cuimhne gnàthach. Tha seo glè choltach ri pròiseasairean clasaigeach agus coimpiutairean.
An fheadhainn as ainmeil agus as mòr-chòrdte - bho DeepMind:
Tha e coltach gur e seo an iuchair airson tuigse fhaighinn air fiosrachadh? Ach is dòcha nach eil. Tha an siostam fhathast a 'feumachdainn tòrr dàta airson trèanadh. Agus bidh e ag obair sa mhòr-chuid le dàta clàr structaraichte. A bharrachd air an sin, nuair a tha Facebook duilgheadas coltach ris, an uairsin ghabh iad an t-slighe “sgriubha cuimhne, dìreach dèan an neuron nas iom-fhillte, agus bidh barrachd eisimpleirean agad - agus ionnsaichidh e leis fhèin.”
Disentanglement. Is e dòigh eile air cuimhne brìoghmhor a chruthachadh na h-aon in-ghabhail a ghabhail, ach rè trèanadh, thoir a-steach slatan-tomhais a bharrachd a leigeadh leat “brìgh” a shoilleireachadh annta. Mar eisimpleir, tha sinn airson lìonra neural a thrèanadh gus dealachadh a dhèanamh eadar giùlan daonna ann an stòr. Nan lean sinn an t-slighe àbhaisteach, dh'fheumamaid dusan lìonra a dhèanamh. Tha aon a 'coimhead airson duine, tha an dàrna fear a' dearbhadh dè a tha e a 'dèanamh, an treas fear a aois, an ceathramh fear a ghnè. Bidh loidsig air leth a’ coimhead air a’ phàirt den stòr far a bheil e/ga trèanadh airson seo a dhèanamh. Bidh an treas fear a 'dearbhadh a slighe, msaa.
No, nam biodh àireamh neo-chrìochnach de dhàta ann, bhiodh e comasach aon lìonra a thrèanadh airson a h-uile toradh a dh’ fhaodadh a bhith ann (gu follaiseach, chan urrainnear an leithid de chruinneachadh de dhàta a chruinneachadh).
Tha an dòigh dì-cheangail ag innse dhuinn - leig leinn an lìonra a thrèanadh gus an urrainn dha fhèin eadar-dhealachadh a dhèanamh eadar bun-bheachdan. Gus am biodh e na bhroinn stèidhichte air a ’bhidio, far am biodh aon raon a’ dearbhadh a ’ghnìomh, bhiodh aon a’ dearbhadh suidheachadh an làr ann an ùine, a ’dearbhadh àirde an neach, agus aon a’ dearbhadh gnè an neach. Aig an aon àm, nuair a bhios mi a 'trèanadh, cha mhòr nach eil mi airson an lìonra a bhrosnachadh le leithid de phrìomh bhun-bheachdan, ach airson a bhith a' comharrachadh agus a 'buidheann raointean. Tha grunn artaigilean mar sin ann (cuid dhiubh , , ) agus san fharsaingeachd tha iad gu math teòiridheach.
Ach bu chòir don stiùireadh seo, co-dhiù gu teòiridheach, na duilgheadasan a tha air an liostadh aig an toiseach a chòmhdach.
Lùghdachadh ìomhaigh a rèir nam paramadairean “dath balla / dath làr / cumadh nì / dath nì / msaa.”
A 'lobhadh aghaidh a rèir nam paramadairean "meud, mhalaidhean, stiùireadh, dath craiceann, msaa."
Прочее
Tha mòran raointean eile, nach eil cho cruinneil, a leigeas leat an stòr-dàta a lughdachadh ann an dòigh air choreigin, obrachadh le dàta nas ioma-ghnèitheach, msaa.
aire. Is dòcha nach eil e ciallach seo a sgaradh mar dhòigh air leth. Dìreach dòigh-obrach a leasaicheas daoine eile. Tha mòran artaigilean coisrigte dha (,,). Is e am puing aire freagairt an lìonra a neartachadh gu sònraichte do nithean cudromach rè trèanadh. Gu math tric le seòrsa de shònrachadh targaid taobh a-muigh, no lìonra beag a-muigh.
Samhlachadh 3d a. Ma nì thu einnsean 3D math, faodaidh tu gu tric còmhdach a dhèanamh air 90% den dàta trèanaidh leis (chunnaic mi eadhon eisimpleir far an robh faisg air 99% den dàta còmhdaichte le einnsean math). Tha mòran bheachdan agus hacks ann air mar a bheir thu air lìonra a thrèanadh air einnsean 3D obrachadh a ’cleachdadh fìor dhàta (gleusadh grinn, gluasad stoidhle, msaa). Ach gu tric tha e nas duilghe einnsean math a dhèanamh grunn òrdughan meud na bhith a’ cruinneachadh dàta. Eisimpleirean nuair a chaidh einnseanan a dhèanamh:
trèanadh robot (, )
Seiseanan trèanaidh bathar anns a 'bhùth (ach anns an dà phròiseact a rinn sinn, b' urrainn dhuinn a dhèanamh gu furasta às aonais).
Trèanadh aig Tesla (a-rithist, am bhidio gu h-àrd).
toraidhean
Tha an artaigil gu lèir, ann an seagh, co-dhùnaidhean. Is dòcha gur e am prìomh theachdaireachd a bha mi airson a dhèanamh “tha na freebies seachad, chan eil neurons a’ toirt seachad fuasglaidhean sìmplidh tuilleadh. ” A-nis feumaidh sinn a bhith ag obair gu cruaidh gus co-dhùnaidhean iom-fhillte a dhèanamh. No obraich gu cruaidh a’ dèanamh rannsachadh saidheansail iom-fhillte.
San fharsaingeachd, tha an cuspair air a dheasbad. Is dòcha gu bheil eisimpleirean nas inntinniche aig luchd-leughaidh?
Source: www.habr.com