Tota mea adulta vita, impiger potus fui (non, nunc de potione cum dubiis proprietatibus non loquimur).
Peculiari studio in rebus technologiarum notitiarum numquam fui, et vix matrices etiam multiplicare possum in charta. Nec unquam hoc opus erat, ut pauca de specialibus operis mei intelligatis, mirabilem fabulam communicare possum. Quondam collegas meos rogavi ut opus facerent in diffusa Praecedo, die operantes dimidium, ad eos accessi, et sedebant et sumendi notitias in calculator, immo in calculatori ordinario cum globulis nigris. Bene, qualia retiacula neuralis loqui possumus post hoc?.. Numquam igitur praevia specialia habui ut me baptizarem in mundo IT. Sed, ut aiunt, "bonum est ubi non sumus," amici mei aures de re aucta, de reticulis neural, de programmandis linguis (maxime de Pythone).
Verba simplicissima spectaverunt, et statui cur non hanc artem magicam obtineret ut in meo campo navitatis adhiberetur.
In hoc articulo, praetermittebo conatus meos ad fundamenta Pythonis perdiscendi et tecum communicabo impressiones meas liberae TensorFlow cursus ab Udacity.
introduction
In primis, memorabile est quod post XI annos in industria industriam, cum omnia nosti et omnia potes, ac etiam paulo plus (secundum officia tua), novas res penitus addiscere - ex altera parte magnum studium affert; at e - in dolorem corporis vertit Β« anni mei in capite Β».
Non tamen plene intelligo omnes rationes fundamentales programmandi et machinae eruditionis, ne me nimis aspere iudices. Articulum meum spero fore interesting et utilia hominibus similibus me qui longe absunt a programmate programmatis.
Priusquam ad cursum perspiciendum accedam, dicam quod ad eam studere debeas minimam saltem notitiam Pythonis. Potes legere duos libros pro dummies (I have also started taking a course on Stepic, but have not yet mastered it completely).
Cursus TensorFlow ipse cursus implicatos non continebit, sed intelligere oportebit cur bibliothecae invehantur, quomodo munus definiatur, et cur in ea aliquid substituatur.
Cur TensorFlow et Udacity?
Praecipuum disciplinae meae propositum fuit studium cognoscendi imagines electricorum elementorum institutionis utentes retiacula neuralis.
TensorFlow elegi quod de amicis meis audivi. Hoc sane sane populare est, ut ego intelligo.
Conatus sum discere ab officio incipere .
Et tunc cucurri in duas difficultates.
- Multum es eruditionis, et veniunt in varias varietates. Difficillimum erat mihi creare saltem imaginem perfectam plus minusve problema agnitionis imaginis solvendae.
- Pleraque ex articulis quos debeo non sunt in Russicum translati. Ita factum est ut linguam Germanicam ut a puero didici et nunc, sicut multos filios Sovietanos, vel Germanos vel Anglos nesciam. Utique in tota vita mea adulta Latina magistro conabar, sed simile quiddam in pictura evenit.
Cum circumfodiendo in rutrum, commendationes inveni ut per .
Ut intellego, cursus cursusra est ac cursus fieri gratis potuit, id est pro nihilo.
Scilicet content
Ordo constat ex IX lectionibus.
Prima pars introductorium est, ubi docebunt quare opus sit in principio.
Lectio #2 evasit meus ventus. Simplex erat ad intelligendum, et etiam demonstranda mirabilia scientiae. Denique in hac lectione, praeter praecipuas informationes de reticulis neurals, creatores demonstrant retis neuralis unius iacuit uti ad problema convertendi temperaturam a Fahrenheit ad Celsium solvendam.
Hoc quidem exemplum luculentissimum est. Hic adhuc sedeo cogitando quomodo ascendendum sit et problema simile solvendum, sed solum de electricianis.
Infeliciter, adhuc stabulor, quod doctrina rerum incomprehensibilium in lingua ignota admodum difficilis est. quid me servavit quod inveni in Habre .
Interpretatio facta est valde notabile, etiam commentarioli Colab translati sunt, unde tunc inspexi tum originalem tum translationem.
Lectio N. 3 accommodatio materiarum a officiali TensorFlow est re vera. In hoc doceo, multis laicis retis neuralis utimur ad discendum quomodo picturas vestimentorum inserere (Fashion MNIST dataset).
Lectiones N. 4 ad N. 7 accommodatio dootrinae etiam sunt. Sed ex hoc quod recte disposita sunt, non est necessarium quod ordinem studiorum cognoscas. In his lectionibus breviter narrabitur de retiacula neurali ultra-pressa, quomodo subtiliter augeatur disciplina et exemplar servetur. Eodem tempore quaestionem de felibus et canibus in imagine solvemus.
Lectio No. 8 cursus est omnino separatus, magister alius est, et ipse cursus satis amplus est. Lectio est de temporis serie. Cum tamen non quaero, obliquus perspiciebam.
Hic desinit cum documento #9, quod est invitatio ad perpendiculum in TensorFlow lite.
Quod non probaverunt et non sicut
Et cum positivis incipere:
- Cursum est liberum
- Cursus in TensorFlow 2. Quaedam tradenda quae vidi et quaedam cursus in Interreti in TensorFlow fuerunt 1. Nescio si magna differentia est, sed pulchrum est discere emendationem.
- Praeceptores in video molesti non sunt (quamquam in versione Russica tam libenter quam in originali non legunt)
- Cursum non multum temporis
- In cursus tristique neque nec volutpat. Officia in decursu simplicia sunt et semper est admonitus in forma Colab cum recta solutione si quid non liquet (et bona pars operum mihi non liquet)
- Nihil opus est ut aliquid instituat, omne opus curriculi in navigatro fieri potest
Nunc cons;
- Nullae fere materiae sunt. Nullae probationes, nullae operae, nihil cursus magisterii aliquo modo coercere possunt
- Notae meae non omnes elaboraverunt ut decet. Tertiam lectionem originis puto in Colab Anglica errorem coniicit et nesciebam quid cum eo facerem.
- Ut commodo ornare nisi in pharetra. Fortasse non plene intellexi, sed Udacity app in mea Mauris quis felis non potui invenire. Et versio mobilis situs non est responsiva, id est, quasi tota area tentorii ab menu navigationis occupata, sed summa contenta videre debes librum ad ius ultra spatium prospicere. Etiam, in phone aspici non potest. Non potes vere videre aliquid in screen mensurae modo supra 6 pollices.
- Quaedam in cursu aliquoties manduntur, sed eodem tempore res ipsae necessariae in reticulis convolutionibus non manduntur. Adhuc non intellexi finem aliquarum exercitationum (exempli gratia, quid Max Pooling est).
summary
Certe iam conieci id factum non esse miraculum. Hoc brevi cursu peracto, impossibile est vere intelligere quomodo retiacula neutralia operantur.
Nimirum post hoc problema meum pro meipso solvere non potui cum classificatione imaginum virgarum et bullarum in switchgears.
Sed altiore cursu utile est. Ostendit quid fieri possit cum TensorFlow et quam directionem deinde capiat.
Primum opus esse puto fundamenta Pythonis discere et libros in Russian legere quomodo retiacula neural operantur, deinde in TensorFlow sumo.
Demum velim gratias tibi dicere amicis meis quod me impellis ad primum articulum de Habr scribendum et adiuvandum me format.
PS laetabor videre commentarios tuas et omnem criticam structuram.
Source: www.habr.com