ProHoster > Blogs > interneta ziņas > Kā enerģētikas inženieris pētÄ«ja neironu tÄ«klus un apskatÄ«ja bezmaksas kursu ā€œUdacity: Intro to TensorFlow for Deep Learningā€

Kā enerģētikas inženieris pētÄ«ja neironu tÄ«klus un apskatÄ«ja bezmaksas kursu ā€œUdacity: Intro to TensorFlow for Deep Learningā€

Visu savu pieauguÅ”o mūžu esmu bijis enerÄ£ijas dzēriens (nē, tagad mēs nerunājam par dzērienu ar apÅ”aubāmām Ä«paŔībām).

Mani nekad Ä«paÅ”i nav interesējusi informācijas tehnoloÄ£iju pasaule, un diez vai varu pat reizināt matricas uz papÄ«ra. Un tas man nekad nebija vajadzÄ«gs, lai jÅ«s kaut nedaudz saprastu mana darba specifiku, varu padalÄ«ties ar brÄ«niŔķīgu stāstu. Es reiz palÅ«dzu kolēģiem veikt darbu Excel tabulā, puse darba dienas bija pagājusi, es piegāju pie viņiem, un viņi sēdēja un summē datus uz kalkulatora, jā, uz parastā melna kalkulatora ar pogām. Nu, par kādiem neironu tÄ«kliem var runāt pēc Ŕī?.. Tāpēc man nekad nebija Ä«paÅ”u priekÅ”nosacÄ«jumu, lai iegrimtu IT pasaulē. Bet, kā saka: ā€œir labi, kur mÅ«su navā€, draugi man zÅ«dināja ausis par paplaÅ”ināto realitāti, par neironu tÄ«kliem, par programmÄ“Å”anas valodām (galvenokārt par Python).

Vārdos tas izskatÄ«jās ļoti vienkārÅ”i, un es nolēmu, kāpēc gan neapgÅ«t Å”o maÄ£isko mākslu, lai pielietotu to savā darbÄ«bas jomā.

Å ajā rakstā es izlaidÄ«Å”u savus mēģinājumus apgÅ«t Python pamatus un dalÄ«Å”os ar jums savos iespaidos par bezmaksas TensorFlow kursu no Udacity.

Kā enerģētikas inženieris pētÄ«ja neironu tÄ«klus un apskatÄ«ja bezmaksas kursu ā€œUdacity: Intro to TensorFlow for Deep Learningā€

Ievads

Iesākumā ir vērts atzÄ«mēt, ka pēc 11 gadiem enerģētikā, kad zini un vari visu un pat nedaudz vairāk (atbilstoÅ”i saviem pienākumiem), radikāli jaunu lietu apgÅ«Å”ana ā€“ no vienas puses, izraisa lielu entuziasmu, bet no otras - pārvērÅ”as par fiziskām sāpēm " zobrati manā galvā."

Es joprojām pilnÄ«bā nesaprotu visus programmÄ“Å”anas un maŔīnmācÄ«Å”anās pamatjēdzienus, tāpēc jums nevajadzētu mani pārāk skarbi tiesāt. Es ceru, ka mans raksts bÅ«s interesants un noderÄ«gs tādiem cilvēkiem kā es, kuri ir tālu no programmatÅ«ras izstrādes.

Pirms pāriet uz kursa pārskatu, teikÅ”u, ka, lai to apgÅ«tu, bÅ«s nepiecieÅ”amas vismaz minimālas Python zināŔanas. JÅ«s varat izlasÄ«t pāris grāmatas manekeniem (es arÄ« esmu sācis iet kursu par Stepic, bet vēl neesmu apguvis to pilnÄ«bā).

Pats TensorFlow kurss nesaturēs sarežģītas konstrukcijas, taču būs jāsaprot, kāpēc tiek importētas bibliotēkas, kā tiek definēta funkcija un kāpēc tajā kaut kas tiek aizstāts.

Kāpēc TensorFlow un Udacity?

Manu apmācību galvenais mērķis bija vēlme atpazīt elektroinstalācijas elementu fotogrāfijas, izmantojot neironu tīklus.

Es izvēlējos TensorFlow, jo dzirdēju par to no saviem draugiem. Un, cik es saprotu, Å”is kurss ir diezgan populārs.

Es mēģināju sākt mācīties no ierēdņa pamācība .

Un tad es saskāros ar divām problēmām.

  • MācÄ«bu materiālu ir daudz, un tiem ir dažādas Ŕķirnes. Man bija ļoti grÅ«ti izveidot vismaz vairāk vai mazāk pilnÄ«gu priekÅ”statu par attēla atpazÄ«Å”anas problēmas risināŔanu.
  • Lielākā daļa man nepiecieÅ”amo rakstu nav tulkoti krievu valodā. Tā sagadÄ«jās, ka es bērnÄ«bā iemācÄ«jos vācu valodu un tagad, tāpat kā daudzi padomju bērni, nezinu ne vācu, ne angļu valodu. Protams, visu savu pieauguÅ”o mūžu mēģināju apgÅ«t angļu valodu, bet sanāca kaut kas lÄ«dzÄ«gs bildē.

Kā enerģētikas inženieris pētÄ«ja neironu tÄ«klus un apskatÄ«ja bezmaksas kursu ā€œUdacity: Intro to TensorFlow for Deep Learningā€

Pēc oficiālās vietnes izpētÄ«Å”anas es atradu ieteikumus, kas jāveic viens no diviem tieÅ”saistes kursiem.

Kā es saprotu, kursi Coursera bija apmaksāti, un kurss Udacity: ievads TensorFlow padziļinātai apmācÄ«bai bija iespējams iziet ā€œbez maksas, tas ir, par veltiā€.

Kursa saturs

Kurss sastāv no 9 nodarbībām.

Pati pirmā sadaļa ir ievada, kur viņi pastāstīs, kāpēc tas principā ir vajadzīgs.

NodarbÄ«ba #2 izrādÄ«jās mana mīļākā. Tas bija pietiekami vienkārÅ”i, lai saprastu, un arÄ« demonstrēja zinātnes brÄ«numus. ÄŖsāk sakot, Å”ajā nodarbÄ«bā papildus pamatinformācijai par neironu tÄ«kliem veidotāji parāda, kā izmantot viena slāņa neironu tÄ«klu, lai atrisinātu problēmu, kas saistÄ«ta ar temperatÅ«ras pārveidoÅ”anu no Fārenheita uz Celsija.

Tas patieŔām ir ļoti uzskatāms piemērs. Es joprojām sēžu Å”eit un domāju, kā izdomāt un atrisināt lÄ«dzÄ«gu problēmu, bet tikai elektriÄ·iem.

Diemžēl iestrēgu tālāk, jo apgÅ«t nesaprotamas lietas nepazÄ«stamā valodā ir diezgan grÅ«ti. Mani izglāba tas, ko atradu uz Habrē Ŕī kursa tulkojums krievu valodā.

Tulkojums tika veikts kvalitatīvi, tika tulkotas arī Colab piezīmju grāmatiņas, tāpēc pēc tam skatījos gan oriģinālu, gan tulkojumu.

Nodarbība Nr. 3 patiesībā ir oficiālās TensorFlow apmācības materiālu adaptācija. Šajā apmācībā mēs izmantojam daudzslāņu neironu tīklu, lai uzzinātu, kā klasificēt apģērbu attēlus (Fashion MNIST datu kopa).

NodarbÄ«ba no 4 lÄ«dz 7 ir arÄ« apmācÄ«bas adaptācija. Bet, ņemot vērā to, ka tie ir pareizi sakārtoti, nav nepiecieÅ”ams paÅ”am saprast mācÄ«bu secÄ«bu. Å ajās nodarbÄ«bās Ä«sumā pastāstÄ«sim par Ä«paÅ”i precÄ«ziem neironu tÄ«kliem, kā palielināt apmācÄ«bas precizitāti un saglabāt modeli. Tajā paŔā laikā mēs vienlaikus atrisināsim problēmu, kas saistÄ«ta ar kaÄ·u un suņu klasificÄ“Å”anu attēlā.

NodarbÄ«ba Nr.8 ir pilnÄ«gi atseviŔķs kurss, ir cits pasniedzējs, un pats kurss ir diezgan plaÅ”s. NodarbÄ«ba ir par laikrindām. Tā kā mani tas vēl neinteresē, noskenēju pa diagonāli.

Tas beidzas ar 9. nodarbību, kas ir uzaicinājums apmeklēt TensorFlow lite bezmaksas kursu.

Kas jums patika un kas nepatika

SākŔu ar plusiem:

  • Kurss ir bezmaksas
  • Kurss ir uz TensorFlow 2. Dažas mācÄ«bu grāmatas, ko es redzēju, un daži kursi internetā bija par TensorFlow 1. Es nezinu, vai ir liela atŔķirÄ«ba, bet ir patÄ«kami apgÅ«t paÅ”reizējo versiju.
  • Skolotāji videoklipā nav kaitinoÅ”i (lai gan krievu versijā viņi nelasa tik jautri kā oriÄ£inālā)
  • Kurss neaizņem daudz laika
  • Kurss nerada skumjas vai bezcerÄ«bas sajÅ«tu. Kursa uzdevumi ir vienkārÅ”i un vienmēr ir mājiens Colab formā ar pareizo risinājumu, ja kaut kas nav skaidrs (un laba puse no uzdevumiem man nebija skaidra)
  • Nekas nav jāinstalē, visus kursa laboratorijas darbus var veikt pārlÅ«kprogrammā

Tagad mīnusi:

  • Kontroles materiālu praktiski nav. Nav kontroldarbu, nav uzdevumu, nekas, lai kaut kā pārbaudÄ«tu kursa apguvi
  • Ne visi mani piezÄ«mju bloki darbojās tā, kā vajadzētu. Es domāju, ka angļu valodas oriÄ£inālā kursa treÅ”ajā nodarbÄ«bā Colab pieļāva kļūdu, un es nezināju, ko ar to darÄ«t
  • Ērti skatÄ«ties tikai datorā. VarbÅ«t es to lÄ«dz galam nesapratu, bet nevarēju viedtālrunÄ« atrast lietotni Udacity. Un vietnes mobilā versija nav atsaucÄ«ga, tas ir, gandrÄ«z visu ekrāna laukumu aizņem navigācijas izvēlne, bet, lai redzētu galveno saturu, jums ir jāritina pa labi aiz skatÄ«Å”anās zonas. Tāpat video nevar noskatÄ«ties tālrunÄ«. Ekrānā, kura izmērs ir nedaudz vairāk par 6 collām, neko Ä«sti nevar redzēt.
  • Dažas lietas kursā tiek sakoŔļātas vairākas reizes, bet tajā paŔā laikā patieŔām nepiecieÅ”amās lietas paÅ”os konvolÅ«cijas tÄ«klos kursā netiek sakoŔļātas. Es joprojām nesapratu dažu vingrinājumu vispārējo mērÄ·i (piemēram, kam paredzēts Makss PÅ«lings).

Kopsavilkums

Protams, jÅ«s jau uzminējāt, ka brÄ«nums nenotika. Un pēc Ŕī Ä«sā kursa pabeigÅ”anas nav iespējams patiesi saprast, kā darbojas neironu tÄ«kli.

Protams, pēc tam es nevarēju pats atrisināt savu problēmu ar sadales iekārtu slēdžu un pogu fotogrāfiju klasifikāciju.

Bet kopumā kurss ir noderīgs. Tas parāda, ko var paveikt ar TensorFlow un kādā virzienā rīkoties tālāk.

Es domāju, ka vispirms ir jāapgūst Python pamati un jāizlasa grāmatas krievu valodā par neironu tīklu darbību, un pēc tam jāpieņem TensorFlow.

Nobeigumā es vēlos pateikties saviem draugiem, kas mudināja mani uzrakstīt pirmo rakstu par Habr un palīdzēja man to noformēt.

PS PriecāŔos redzēt jÅ«su komentārus un jebkādu konstruktÄ«vu kritiku.

Avots: www.habr.com

Pievieno komentāru