🥇मशीन लर्निंग और टिंडर का उपयोग करके प्रति घंटे 13 लड़कियों को कैसे चुनें

*बेशक, पूरी तरह से मशीन लर्निंग सीखने के लिए। अपनी प्यारी पत्नी की थोड़ी असंतुष्ट निगाहों के नीचे।

स्पाइनल रिफ्लेक्सिस के स्तर पर टिंडर जितना सरल शायद कोई एप्लिकेशन नहीं है। इसका उपयोग करने के लिए, आपको स्वाइप करने के लिए केवल एक उंगली और अपनी पसंद की लड़कियों या पुरुषों को चुनने के लिए कुछ न्यूरॉन्स की आवश्यकता होती है। जोड़ी चयन में पाशविक बल का एक आदर्श कार्यान्वयन।

मैंने तय किया कि नए ग्राफ़िक्स कार्ड पर मशीन लर्निंग का थोड़ा अनुभव प्राप्त करने का यह एक अच्छा तरीका होगा। बस अपनी पत्नी को यह समझाना बाकी है कि मुझे एक नई मोटी महिला की जरूरत नहीं है, और मैं सिर्फ तंत्रिका नेटवर्क का प्रशिक्षण ले रहा हूं।

डेटिंग नेटवर्क में क्या समस्या है?

ऐसा एक संसाधन था - एशले मैडिसन। विशिष्ट, इस नारे के साथ "जीवन छोटा है।" चक्कर है।" मुख्य दर्शक विवाहित पुरुष हैं जो अपने लिए प्रेम प्रसंग की तलाश में हैं। मुद्रीकरण भी मजेदार है - मानक "पसंद करने और लिखने के लिए अंक खर्च करें" के अलावा, उन्होंने उपयोगकर्ता के खाते को बिना किसी निशान के हटाने के लिए $19 की मांग की।

2015 में, साइट स्वाभाविक रूप से लीक हो गई और 60 जीबी व्यक्तिगत डेटा सार्वजनिक डोमेन में लीक हो गया। कई नष्ट हुए परिवारों के अलावा, इस लीक ने विश्लेषकों को कई दिलचस्प जानकारी प्रदान की। मुझे हमेशा संदेह था कि डेटिंग साइटों पर बहुत अधिक पुरुष थे, लेकिन इस मामले में यह काफी दिलचस्प निकला। पत्रकार एनाली न्यूट्ज़ लीक हुए डेटा का विश्लेषण पाया गया कि 5 मिलियन उपयोगकर्ताओं में से केवल 12 वास्तविक लड़की खातों के समान थे और नियमित रूप से उपयोग किए जाते थे। बाकी सिर्फ बॉट थे जो पुरुष आगंतुकों से चैट करते थे।

Подобный перевес в сторону мужских аккаунтов характерен не только для этого ресурса, но и для большинства других сайтов знакомств. Уверен, что многие сталкивались с этой несомненно несправедливой ситуацией, когда тебе приходится старательно продумывать знакомство, а девушке достаточно просто зарегистрироваться. Качество этой толпы поклонников оставим в стороне, но факт несомненный, баланс спроса и предложения явно смещен в пользу девушек.

टिंडर फीचर

लैंगिक संबंधों में आदर्श पाशविक शक्ति

इस प्लेटफ़ॉर्म की मुख्य विशेषता प्रति परिचित कम लागत है। दो स्वाइप का संयोग ही काफी है और आप पहले से ही एक संभावित दिलचस्प व्यक्ति के साथ संवाद कर रहे हैं। समस्या यह है कि समान लिंग असंतुलन इस तथ्य की ओर ले जाता है कि अधिकांश लड़कियों के प्रतिदिन दर्जनों मैच होंगे। इसका मतलब यह है कि अन्य उम्मीदवारों के बीच उनके पास आप पर ध्यान देने का समय ही नहीं होगा।

यह बिल्कुल स्पष्ट है कि यह प्लेटफ़ॉर्म किसी स्विमसूट में फोटो पर डेढ़ सेकंड की नज़र या फैशनेबल टिंटेड कार चलाते हुए किसी व्यक्ति की गहरी आंतरिक दुनिया का आकलन करने का बहुत कम अवसर देता है। इसलिए, यदि आप अपनी तस्वीरों में केवल दिव्य नहीं दिखते हैं, तो आपके पास इसे अपनाकर अपनी संभावनाओं को बढ़ाने के अलावा कोई विकल्प नहीं है आर-रणनीति कुछ प्रजातियों में. सीधे शब्दों में कहें तो, हम प्रजनन की सफलता की संभावनाओं को बढ़ाने के लिए बलपूर्वक प्रयास करेंगे और मात्रा बढ़ाएंगे। चूँकि आपको कभी-कभी भोजन और नींद से विचलित होने की आवश्यकता होती है, और स्वाइप सीमित हैं, आप शायद पसंद करेंगे कि स्वचालन उन लड़कियों या पुरुषों का चयन करे जो आपके स्वाद के लिए सबसे उपयुक्त हों। छोटे रेडहेड्स या लम्बे ब्रुनेट्स - यह आप पर निर्भर है।

डेटा एकत्रित करना

सबसे पहले, आपको सामान्य सटीकता के लिए बहुत सारे डेटा की आवश्यकता होती है। जिस किसी ने भी मशीन लर्निंग का सामना किया है, वह जानता है कि सही ढंग से एकत्रित और लेबल किए गए डेटासेट का उत्पादन करना कितना मुश्किल हो सकता है। सैद्धांतिक रूप से, कोई भी समान संसाधन डेटा स्रोत के रूप में उपयुक्त होगा, चाहे वह इंस्टाग्राम हो या अन्य सोशल नेटवर्क। लेकिन उन नमूनों पर प्रशिक्षण लेना सबसे अच्छा है जिन पर नेटवर्क भविष्य में काम करेगा।

आइए रिपॉजिटरी को आधार के रूप में लें टिंडर स्वचालन. टिंडर की तस्वीरें हमेशा सार्वजनिक रूप से उपलब्ध होती हैं, लेकिन "पसंद" फ़ंक्शन पहले से ही सीमित है। इसलिए, दायरे में सभी जीवित चीजों को निकालना और उन्हें सावधानीपूर्वक चिह्नित करना आवश्यक है। सबसे पहले आपको एक काफी सरल स्क्रिप्ट का उपयोग करना होगा:

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)

यह आपको केवल दो बटनों के साथ डेटासेट को जितनी जल्दी हो सके चिह्नित करने की अनुमति देगा। मुख्य ख़तरा इस तथ्य में निहित है कि वर्कज़ेग लाइब्रेरी ने पिछड़ी संगतता को तोड़ दिया है और इसे डाउनग्रेड करने के लिए मजबूर होना पड़ेगा। अन्यथा यह यह त्रुटि उत्पन्न करता है.

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'

इसलिए, require.txt में आपको Werkzeug==0.16.1 लिखना होगा। फिर यह उड़ान भरेगा.
दूसरी समस्या यही टोकन पाने की है. रिपॉजिटरी से मानक विधि मेरे लिए काम नहीं करती थी, लेकिन मैं इसे डेवलपर कंसोल से प्राप्त करने में कामयाब रहा। ऐसा करने के लिए, पर जाएँ लिंक और POST अनुरोध पर प्रतिक्रिया निकालें www.facebook.com/v2.6/dialog/oauth/confirm?dpr=1. अंदर हम 'access_token' ढूंढते हैं। किसी कारण से यह पहली बार काम नहीं कर सका, लेकिन फिर मैंने इसे ढूंढ लिया और इसे स्क्रिप्ट में हार्डकोड कर दिया।

डेटासेट आवश्यकताएँ

मशीन लर्निंग डेटासेट के लिए कई प्रमुख आवश्यकताएँ हैं:

पर्याप्तता
वर्दी
विविधता

इस मामले में पर्याप्तता के लिए एक पर्याप्त मॉडल बनाने के लिए कम से कम 10000 तस्वीरों की आवश्यकता होती है। हाँ, यह बहुत है. वास्तव में यही कारण है कि सेवाएँ पसंद आती हैं अमेज़ॅन मैकेनिकल तुर्क, जहां शुल्क के लिए आप अपने डेटासेट का मार्कअप अन्य लोगों को सौंप सकते हैं। दूसरी ओर, क्या आप सचमुच चाहते हैं कि आपका बॉट अद्भुत चाँद-चेहरे वाली एशियाई लड़कियों या भारतीय मूल की समान रूप से सुंदर लड़कियों को पसंद करे? फिर भी, मॉडल को आपके स्वाद को प्रतिबिंबित करना चाहिए।

विविधता के साथ कोई विशेष समस्या नहीं है; सभी तस्वीरें विभिन्न कोणों और प्रकाश व्यवस्था से प्रस्तुत की जाती हैं। चश्मे, ड्रेस, स्विमसूट और स्की सूट में। डेटासेट की एकरूपता को लेकर समस्या उत्पन्न हो सकती है. आदर्श रूप से, जब हम अपने नमूने पर लेबल लगाते हैं, तो उसमें लगभग बराबर हिस्से होने चाहिए। यदि आपके पास "तिरछा" डेटासेट है, तो आपको इसे अन्य स्रोतों से तस्वीरों के साथ पतला करना होगा। आपको अधिक आकर्षक जोड़ने की आवश्यकता होगी, या इसके विपरीत, आप उन्हें मार्कअप परिणाम के आधार पर निर्धारित करेंगे। मुझे लगभग 60% सुंदर कुछ मिला। या तो मैं बहुत नख़रेबाज़ नहीं हूँ, या मैं बस भाग्यशाली हूँ और मेरे आसपास बहुत सारी सुंदर लड़कियाँ हैं।

मैं इस परिकल्पना को भी खारिज नहीं करता कि उनमें से कई बॉट हैं। हम एक बॉट को प्रशिक्षित करते हैं जो अन्य बॉट की तरह होगा। इसमें कुछ विडम्बना है.

डाटा प्रासेसिंग

हमारे पास टैग की गई तस्वीरों का एक समूह है, लेकिन वे बहुत मिश्रित हैं। दिन के समय, रात के समय, पीछे से और अन्य। अफसोस के साथ, मैं समझता हूं कि उल्टे कोण से तस्वीरों से पढ़ाना विशेष रूप से प्रभावी नहीं होगा, क्योंकि नमूना बहुत असमान होगा। इसलिए, सबसे अच्छा विकल्प चेहरों को "प्यारापन" के संदर्भ चिह्न के रूप में उपयोग करना होगा। फिर भी, हमारे लिए, अन्य प्राइमेट्स की तरह, यह एक प्रमुख पैरामीटर है।

इसलिए, आइए उपयोग करें हार झरने. यह एक उत्कृष्ट एल्गोरिदम है जो आपको छवियों में झूठी सकारात्मक त्रुटियों के कम प्रतिशत के साथ चेहरे ढूंढने की अनुमति देता है।

इसका मैनुअल में अधिक विस्तार से वर्णन किया गया है OpenCV

अगले चरण में, नमूने में केवल चेहरे होने के बाद, रंग हटाना ही उचित होगा। वास्तव में, आपको शायद ही पेंडोरा की खूबसूरत नीली निवासी या हरी चमड़ी वाली सुंदरता के बीच चयन करना होगा।

स्रोत

ह्यू लोगों में, त्वचा का रंग आकर्षण की रेटिंग में महत्वपूर्ण योगदान नहीं देता है।
इसलिए, यह तंत्रिका नेटवर्क के काम को सरल बनाने और केवल ग्रेस्केल छोड़ने के लायक है।

प्रतिरूप निर्माण

मैं तुरंत कहना चाहता हूं कि एक अच्छे वीडियो कार्ड और CUDA के बिना, आपको संभवतः पर्याप्त समय में एक प्रशिक्षित मॉडल नहीं मिलेगा। इसलिए, तुरंत विशेष बादलों में या पायथन-सीयूडीए का उपयोग करके गणना करने का लक्ष्य रखें।

मैंने रिपॉजिटरी के लेखक से एक बुनियादी तीन-परत उदाहरण लिया और, आश्चर्यजनक रूप से, इसने लगभग 72% की सटीकता दिखाई, जो काफी अच्छा परिणाम है।

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'])

यदि कोई अच्छा नमूना है, तो यह एक व्यावहारिक मॉडल प्राप्त करने के लिए पर्याप्त हो सकता है।

आइए बॉट लॉन्च करें

विचार के त्वरित परीक्षण के लिए तैयार विकल्प के लिए भंडार के लेखक को धन्यवाद। वास्तव में, यह मूल संस्करण में काफी अच्छी तरह से काम करता है और सिद्धांत रूप में, इसे हमारे यहां लॉन्च किया जा सकता है तैयार किराए का सर्वर. अभी प्रशिक्षण देना संभव नहीं होगा; फिलहाल हम गणना के लिए CUDA समर्थन वाली वर्चुअल मशीनें प्रदान नहीं करते हैं, लेकिन आप बिना किसी समस्या के 24/7 कुछ चला सकते हैं। बॉट काफी हल्का है, इसलिए ऐसा टैरिफ लेना अधिक लाभदायक होगा जो उपयोग किए गए संसाधनों के लिए भुगतान करता हो।

निष्कर्ष

मुझे लगता है मैं बहुत प्यारा हूं. और मेरे पास एक समृद्ध आंतरिक दुनिया है। मुझे एक घंटे के भीतर 13 मैच मिले। इसके अलावा, कई बार लड़कियों ने पहले लिखा।
परिणामस्वरूप, हम बहुत अच्छे संवादों के साथ समाप्त हुए, जहाँ मैंने कहा कि मैं पूरी तरह से मशीन लर्निंग और डेटा लेबलिंग के साथ खेलने आया हूँ। लड़कियों में से एक को इसमें बेहद दिलचस्पी थी, क्योंकि वह खुद एक डेवलपर है। इस बात की प्रबल भावना है कि वह अंततः हैबे पर इस पोस्ट को पढ़ेगी। मुझे सचमुच उम्मीद है कि ओक्साना मेरी गुमनामी बरकरार रखेगी। 🙂
*पंजा हिलाकर नमस्ते कहता है

मुद्दे के नैतिक पक्ष के बारे में थोड़ा

ईमानदारी से कहूं तो, मुझे पुरुषों और लड़कियों के बीच रिश्तों को रोबोटाइज करने का पूरा विचार पसंद नहीं है। अकेले खड़े एक ठंडे अजनबी के कंधों पर अपनी जैकेट फेंकने के बारे में कुछ बहुत ही सही बात है। या किसी ग्रीष्मकालीन कैफे में किसी सुंदर लड़की के पास जाएं और साथ में कॉफी पिएं। पहले ही मॉनिटर के पीछे से निकल जाओ.

गर्मी चारों ओर है। यह परिचित होने का समय है.

स्रोत: www.habr.com

मशीन लर्निंग और टिंडर का उपयोग करके प्रति घंटे 13 लड़कियों को कैसे चुनें