* Naanị maka ịmụ Machine Learning, n'ezie. N'okpuru ubé enweghị afọ ojuju anya nke nwunye ọ hụrụ n'anya.
Eleghị anya ọ nweghị ngwa dị mfe na ọkwa ntụgharị azụ azụ dị ka Tinder. Iji jiri ya, ị ga-achọ naanị otu mkpịsị aka iji pịpee na neuron ole na ole ịhọrọ ụmụ agbọghọ ma ọ bụ ụmụ nwoke kachasị amasị gị. Ezigbo mmejuputa iwu nke ike n'ime nhọrọ abụọ.
Ekpebiri m na nke a ga-abụ ụzọ dị mma iji nweta ntakịrị mmetụta maka mmụta igwe na kaadị eserese ọhụrụ. Naanị ihe fọdụrụ bụ ịkọwara nwunye m na achọghị m nwanyị mara abụba ọhụrụ, na naanị m na-azụ netwọkụ akwara ozi.
Kedu nsogbu na netwọk mmekọrịta nwoke na nwanyị?
Enwere ihe enyemaka dị otú ahụ - Ashley Madison. Kpọmkwem, nke nwere isiokwu “Ndụ dị mkpụmkpụ. Nwee ịhụnanya." Ndị na-ege ntị bụ ndị di na nwunye na-achọ ihe omume n'akụkụ. Ị nweta ego na-atọkwa ụtọ - na mgbakwunye na ọkọlọtọ "mepụta ihe iji amasị na ide," ha rịọrọ maka $19 ka ihichapụ akaụntụ onye ọrụ na-enweghị akara.
N'afọ 2015, saịtị ahụ na-agbapụta n'ụzọ nkịtị yana 60 GB nke data nkeonwe abanyela na ngalaba ọha. Na mgbakwunye na ọtụtụ ezinụlọ mebiri emebi, ntapu a nyere ndị nyocha ọtụtụ ozi na-atọ ụtọ. M na-echekarị na e nwere ọtụtụ ndị ikom na saịtị mkpakọrịta nwoke na nwaanyị, ma na nke a, ọ bịara bụrụ ihe na-akpali nnọọ mmasị. Onye nta akụkọ Annalee Newitz chọpụtara na n'ime nde ndị ọrụ nde 5, naanị 12 yiri akaụntụ ụmụ nwanyị n'ezie ma na-eji ya eme ihe mgbe niile. Ndị ọzọ bụ naanị bots ndị ha na ndị ọbịa nwoke kparịtara ụka.
Echiche dị otú ahụ n'ebe akaụntụ nwoke nọ abụghị naanị maka akụrụngwa a, kamakwa maka ọtụtụ saịtị mkpakọrịta nwoke na nwaanyị. Eji m n'aka na ọtụtụ ndị zutere ọnọdụ a na-ezighị ezi, mgbe ị ga-eji nlezianya mee atụmatụ enyi, ma nwa agbọghọ ahụ kwesịrị ịdebanye aha. Ka anyị hapụ àgwà nke ìgwè ndị fan a n'akụkụ, ma eziokwu ahụ bụ ihe a na-apụghị ịgbagha agbagha na nguzozi nke ọkọnọ na ọchịchọ na-agbanwe n'ụzọ doro anya maka ụmụ agbọghọ.
Njirimara Tinder
Ezigbo onye na-akpa ike na mmekọrịta nwoke na nwanyị
Isi ihe dị na ikpo okwu a bụ ọnụ ala dị ala maka onye ọ bụla maara. Ọdabara nke swipe abụọ ezuola ma gị na onye nwere ike ịmasị gị na-akpakọrịta. Nsogbu bụ na otu enweghị aha nwoke na nwanyị na-eduga n'eziokwu na ọtụtụ ụmụ agbọghọ ga-enwe ọtụtụ egwuregwu kwa ụbọchị. Nke a pụtara na o yikarịrị ka ha agaghị enwe oge iji lebara gị anya n'etiti ndị ọzọ na-eme ntuli aka.
O doro anya na ikpo okwu na-egosi obere ohere iji nyochaa ụwa dị omimi nke mmadụ site na nlele nke abụọ na ọkara na foto na uwe mmiri ma ọ bụ na-anya ụgbọ ala tinted fashionable. Ya mere, ọ bụrụ na ị naghị ele anya dị nsọ na foto gị, ọ nweghị ihe ọzọ ị ga-eme ma ọ bụghị ime ka ohere gị dịkwuo elu site n'inwe ihe. n'ụdị ụfọdụ. N'ikwu ya n'ụzọ dị mfe, anyị ga-eji ike eme ihe ma were olu iji mee ka ohere anyị nwere inwe ọganihu ịmụ nwa. Ebe ọ bụ na nri na ihi ụra na-adọpụ gị mgbe ụfọdụ, na swipe nwere oke, ị ga-ahọrọ akpaaka ahụ họrọ ụmụ agbọghọ ma ọ bụ ụmụ nwoke nke kacha amasị gị. Isi uhie dị mkpụmkpụ ma ọ bụ brunettes toro ogologo - ọ dịịrị gị.
Ịnakọta data
Nke mbụ, ịchọrọ ọtụtụ data maka izi ezi nkịtị. Onye ọ bụla zutere mmụta igwe maara ka ọ ga-esi esi ike imepụta dataset anakọtara nke ọma ma kpọọ ya aha. N'ụzọ doro anya, akụrụngwa ọ bụla yiri ya ga-adabara dị ka isi iyi data, ma ọ bụ Instagram ma ọ bụ netwọkụ mmekọrịta ndị ọzọ. Mana ọ kacha mma ịzụ ọzụzụ na ihe nlele ndị netwọk ga-arụ ọrụ n'ọdịnihu.
Ka anyị were ebe nchekwa ahụ dịka ntọala . Foto Tinder na-adị n'ihu ọha mgbe niile, mana ọrụ "dị ka" ejedebelarị. Ya mere, ọ dị mkpa iji wepụ ihe niile dị ndụ n'ime radius ma jiri nlezianya mee akara ha. Mbụ ị ga-eji edemede dị mfe:
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)
Ọ ga-enye gị ohere iji naanị bọtịnụ abụọ tinye akara dataset ngwa ngwa o kwere mee. Ọnyà isi bụ na ọbá akwụkwọ werkzeug agbajila ndakọrịta azụ na a ga-amanye iweda ya. Ma ọ bụghị ya, ọ na-atụfu njehie a.
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' Ya mere, na chọrọ.txt ị ga-ede Werkzeug==0.16.1. Mgbe ahụ, ọ ga-apụ.
Nsogbu nke abụọ bụ ịnweta akara ngosi a. Usoro ọkọlọtọ sitere na ebe nchekwa anaghị arụ ọrụ maka m, mana enwere m ike ịnweta ya site na njikwa njikwa. Iji mee nke a, gaa na ma wepụta nzaghachi nye arịrịọ POST n'ime . N'ime anyị na-achọ 'access_token'. N'ihi ihe ụfọdụ ọ naghị arụ ọrụ na nke mbụ, ma mgbe ahụ ahụrụ m ya ma tinye ya na ederede.
Ihe ntọt data chọrọ
Enwere ọtụtụ isi ihe achọrọ maka nhazi data mmụta igwe:
- Nzuzu
- Ịdị n'otu
- Ọdịiche
Izu oke na nke a chọrọ opekata mpe foto 10000 iji wuo ihe nlereanya zuru oke. Ee, nke ahụ dị ukwuu. Nke a bụ n'ezie ihe mere ọrụ ji amasị , ebe maka ego ị nwere ike nyefee akara nke dataset gị n'aka ndị ọzọ. N'aka nke ọzọ, ị chọrọ n'ezie ka bot gị nwee mmasị na ọmarịcha ụmụ agbọghọ Eshia nwere ihu ọnwa ma ọ bụ ụmụ agbọghọ mara mma nke nwere mgbọrọgwụ India? N'agbanyeghị nke ahụ, ihe nlereanya ahụ kwesịrị igosi mmasị gị.
Enweghị nsogbu dị iche iche na-egosi foto niile site n'akụkụ dị iche iche na ọkụ. Na iko, uwe, swimsuits na ski suut. Nsogbu nwere ike ibilite na ịdị n'otu nke dataset. Dị ka o kwesịrị, mgbe anyị na-ede akara ngosi anyị, ọ ga-enwe ihe dị ka akụkụ hà nhata. Ọ bụrụ na ị nweta ihe ndekọ data “skewed”, ị ga-eji foto sitere na isi mmalite ndị ọzọ megharịa ya. Ị ga-achọ ịgbakwunye ndị ọzọ mara mma, ma ọ bụ ọzọ, ị ga-ekpebi ha dabere na nsonaazụ akara. Enwere m ihe dị ka 60% mara mma. Ma ọ bụ na m adịghị oke picky, ma ọ bụ na m nnọọ chioma na e nwere ọtụtụ mara mma ụmụ agbọghọ gburugburu.
Anaghịkwa m ewepụ echiche ahụ na enwere ọtụtụ bots n'etiti ha. Anyị na-azụ bot nke ga-amasị bots ndị ọzọ. Onwere ihe njo na nke a.
Nhazi data
Anyị nwere foto ndị nwere mkpado, mana ha agwakọtara nke ukwuu. Oge ehihie, abalị, site n'azụ na ndị ọzọ. N'ịkwa ụta, aghọtara m na nkuzi site na foto site na ntụgharị ihu agaghị adị irè karịsịa, ebe ọ bụ na ihe nlele ahụ ga-abụ nke na-enweghị isi. Ya mere, nhọrọ kacha mma ga-abụ iji ihu dị ka akara ngosi nke "ịma mma." N'agbanyeghị, maka anyị, maka ndị ọzọ primates, nke a bụ isi ihe oke.
Ya mere, ka anyị jiri . Nke a bụ algọridim dị mma nke na-enye gị ohere ịchọta ihu na onyonyo nwere obere pasent nke mmejọ ụgha.
A kọwara nke a n'ụzọ zuru ezu na ntuziaka
Na ọkwa na-esote, mgbe naanị ihu dị na nlele ahụ, ọ bụ ihe ezi uche dị na iwepụ agba. N'ezie, ọ ga-esiri gị ike ịhọrọ n'etiti ọmarịcha acha anụnụ anụnụ nke Pandora ma ọ bụ ịma mma na-acha akwụkwọ ndụ akwụkwọ ndụ.
N'ime ndị Hue, ụcha akpụkpọ ahụ anaghị etinye aka na ọkwa nke ịma mma.
Ya mere, ọ bara uru ime ka ọrụ nke netwọk akwara dị mfe ma hapụ naanị isi awọ.
Ụlọ ihe nlereanya
Achọrọ m ikwu ozugbo na enweghị ezigbo kaadị vidiyo na CUDA, ọ ga-abụrịrị na ị gaghị enweta ụdị zụrụ azụ n'oge zuru oke. Ya mere, chọọ mgbako ozugbo na igwe ojii pụrụ iche ma ọ bụ jiri Python-CUDA.
Ewere m ihe atụ atọ nke isi n'aka onye edemede nke ebe nchekwa ahụ na, ihe ijuanya, ọ gosipụtara izi ezi nke gburugburu 72%, nke bụ ezigbo nsonaazụ.
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'])
Ọ bụrụ na enwere ezigbo nlele, mgbe ahụ ọ nwere ike zuru oke iji nweta ihe nlereanya nwere ike ịrụ ọrụ.
Ka anyị malite bot
Ekele dịrị onye edemede nke ebe nchekwa maka nhọrọ dị njikere maka ịnwale echiche ahụ ngwa ngwa. N'ezie, ọ na-arụ ọrụ nke ọma na nke bụ isi version na ike, ụkpụrụ, na-obere na anyị . Ọ gaghị ekwe omume ịzụ ma ugbu a anyị anaghị enye igwe mebere na nkwado CUDA maka mgbako, mana ị nwere ike ịme ihe 24/7 n'enweghị nsogbu ọ bụla. Bot ahụ dị fechaa nke ukwuu, yabụ na ọ ga-aba uru karịa ịnara tarifu na-akwụ ụgwọ maka akụrụngwa ejiri.
Результаты
Echere m na m mara mma nke ukwuu. Ma enwere m ụwa nke ime ọgaranya. Enwetara m ihe dịka 13 matches n'ime otu elekere. Ọzọkwa, ọtụtụ ugboro ụmụ agbọghọ ahụ na-ebu ụzọ dee ya.
N'ihi ya, anyị mechiri mkparịta ụka mara mma nke ukwuu, ebe m kwuru na m bịara naanị ka m jiri mmụta igwe na ịde aha data. Otu n'ime ụmụ agbọghọ ahụ nwere mmasị dị ukwuu, ebe ya onwe ya bụ onye mmepụta ihe. Enwere mmetụta siri ike na ọ ga-emecha gụọ ọkwa a na Habré. Enwere m olile anya na Oksana ga-edobe aha m. 🙂
*Ebili mmiri gbatuo wee sị hi
Obere banyere akụkụ omume nke okwu ahụ
N'ikwu eziokwu, enweghị m mmasị na echiche niile nke imekọrịta mmekọrịta n'etiti nwoke na nwanyị. Ọ nwere ihe ziri ezi gbasara ịtụba jaket gị n'ubu onye ọbịbịa oyi nke guzo naanị ya. Ma ọ bụ gakwuru nwa agbọghọ mara mma na cafe n'oge okpomọkụ ma ṅụọ kọfị ọnụ. Si n'azụ monitors pụọ ugbua.
Oge okpomọkụ dị gburugburu. Ọ bụ oge ịmara.
isi: www.habr.com
