ഒരു എനർജി എഞ്ചിനീയർ എങ്ങനെയാണ് ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ പഠിച്ചത് കൂടാതെ "ഉഡാസിറ്റി: ആഴത്തിലുള്ള പഠനത്തിനായി ടെൻസർഫ്ലോയുടെ ആമുഖം" എന്ന സൗജന്യ കോഴ്‌സിന്റെ അവലോകനവും

എന്റെ മുതിർന്ന ജീവിതകാലം മുഴുവൻ, ഞാൻ ഒരു എനർജി ഡ്രിങ്ക് ആയിരുന്നു (ഇല്ല, ഇപ്പോൾ നമ്മൾ സംശയാസ്പദമായ ഗുണങ്ങളുള്ള ഒരു പാനീയത്തെക്കുറിച്ചല്ല സംസാരിക്കുന്നത്).

വിവരസാങ്കേതികവിദ്യയുടെ ലോകത്ത് എനിക്ക് പ്രത്യേകിച്ച് താൽപ്പര്യമില്ല, മാത്രമല്ല എനിക്ക് ഒരു കടലാസിൽ മെട്രിക്സുകളെ ഗുണിക്കാൻ പോലും കഴിയില്ല. എനിക്ക് ഇത് ഒരിക്കലും ആവശ്യമില്ല, അതിനാൽ എന്റെ ജോലിയുടെ പ്രത്യേകതകളെക്കുറിച്ച് നിങ്ങൾക്ക് കുറച്ച് മനസ്സിലാകും, എനിക്ക് ഒരു അത്ഭുതകരമായ കഥ പങ്കിടാൻ കഴിയും. ഒരിക്കൽ ഞാൻ എന്റെ സഹപ്രവർത്തകരോട് ഒരു എക്സൽ സ്‌പ്രെഡ്‌ഷീറ്റിൽ ജോലി ചെയ്യാൻ ആവശ്യപ്പെട്ടു, പ്രവൃത്തി ദിവസത്തിന്റെ പകുതി കഴിഞ്ഞു, ഞാൻ അവരുടെ അടുത്തേക്ക് പോയി, അവർ ഇരുന്നു ഒരു കാൽക്കുലേറ്ററിൽ ഡാറ്റ സംഗ്രഹിക്കുകയായിരുന്നു, അതെ, ബട്ടണുകളുള്ള ഒരു സാധാരണ കറുത്ത കാൽക്കുലേറ്ററിൽ. ശരി, ഇതിന് ശേഷം നമുക്ക് എന്ത് തരം ന്യൂറൽ നെറ്റ്‌വർക്കുകളെക്കുറിച്ചാണ് സംസാരിക്കാൻ കഴിയുക?.. അതിനാൽ, ഐടി ലോകത്ത് മുഴുകാൻ എനിക്ക് പ്രത്യേക മുൻവ്യവസ്ഥകളൊന്നും ഉണ്ടായിരുന്നില്ല. പക്ഷേ, അവർ പറയുന്നതുപോലെ, "നമ്മൾ ഇല്ലാത്തിടത്ത് ഇത് നല്ലതാണ്," എന്റെ സുഹൃത്തുക്കൾ വർദ്ധിച്ച യാഥാർത്ഥ്യത്തെക്കുറിച്ചും ന്യൂറൽ നെറ്റ്‌വർക്കുകളെക്കുറിച്ചും പ്രോഗ്രാമിംഗ് ഭാഷകളെക്കുറിച്ചും (പ്രധാനമായും പൈത്തണിനെക്കുറിച്ച്) എന്റെ ചെവിയിൽ മുഴങ്ങി.

വാക്കുകളിൽ ഇത് വളരെ ലളിതമായി കാണപ്പെട്ടു, എന്റെ പ്രവർത്തന മേഖലയിൽ ഇത് പ്രയോഗിക്കുന്നതിന് ഈ മാന്ത്രിക കലയെ എന്തുകൊണ്ട് മാസ്റ്റർ ചെയ്യരുതെന്ന് ഞാൻ തീരുമാനിച്ചു.

ഈ ലേഖനത്തിൽ, പൈത്തണിന്റെ അടിസ്ഥാനകാര്യങ്ങൾ പഠിക്കാനുള്ള എന്റെ ശ്രമങ്ങൾ ഞാൻ ഒഴിവാക്കുകയും Udacity-യിൽ നിന്നുള്ള സൗജന്യ TensorFlow കോഴ്‌സിനെക്കുറിച്ചുള്ള എന്റെ മതിപ്പ് നിങ്ങളുമായി പങ്കിടുകയും ചെയ്യും.

ആമുഖം

ആരംഭിക്കുന്നതിന്, ഊർജ വ്യവസായത്തിൽ 11 വർഷത്തിനുശേഷം, നിങ്ങൾക്ക് എല്ലാം അറിയുകയും ചെയ്യാൻ കഴിയുകയും ചെയ്യുമ്പോൾ, കുറച്ചുകൂടി (നിങ്ങളുടെ ഉത്തരവാദിത്തങ്ങൾക്കനുസരിച്ച്), സമൂലമായി പുതിയ കാര്യങ്ങൾ പഠിക്കുന്നത് - ഒരു വശത്ത്, വലിയ ഉത്സാഹത്തിന് കാരണമാകുന്നു, മറുവശത്ത് - ശാരീരിക വേദനയായി മാറുന്നു "എന്റെ തലയിലെ ഗിയറുകൾ."

പ്രോഗ്രാമിംഗിന്റെയും മെഷീൻ ലേണിംഗിന്റെയും എല്ലാ അടിസ്ഥാന ആശയങ്ങളും എനിക്ക് ഇപ്പോഴും പൂർണ്ണമായി മനസ്സിലാകുന്നില്ല, അതിനാൽ നിങ്ങൾ എന്നെ കഠിനമായി വിലയിരുത്തരുത്. സോഫ്റ്റ്‌വെയർ വികസനത്തിൽ നിന്ന് വളരെ അകലെയുള്ള എന്നെപ്പോലുള്ള ആളുകൾക്ക് എന്റെ ലേഖനം രസകരവും ഉപയോഗപ്രദവുമാകുമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു.

കോഴ്‌സ് അവലോകനത്തിലേക്ക് പോകുന്നതിന് മുമ്പ്, അത് പഠിക്കാൻ നിങ്ങൾക്ക് പൈത്തണിനെക്കുറിച്ച് കുറഞ്ഞത് അറിവെങ്കിലും ആവശ്യമാണെന്ന് ഞാൻ പറയും. ഡമ്മികൾക്കായി നിങ്ങൾക്ക് രണ്ട് പുസ്‌തകങ്ങൾ വായിക്കാം (ഞാനും സ്റ്റെപിക്കിൽ ഒരു കോഴ്‌സ് എടുക്കാൻ തുടങ്ങി, പക്ഷേ ഇതുവരെ അത് പൂർണ്ണമായി പഠിച്ചിട്ടില്ല).

TensorFlow കോഴ്‌സിൽ തന്നെ സങ്കീർണ്ണമായ നിർമ്മിതികൾ അടങ്ങിയിരിക്കില്ല, പക്ഷേ ലൈബ്രറികൾ ഇറക്കുമതി ചെയ്യുന്നത് എന്തുകൊണ്ടാണെന്നും ഒരു ഫംഗ്‌ഷൻ എങ്ങനെ നിർവചിക്കപ്പെടുന്നുവെന്നും അതിൽ എന്തെങ്കിലും പകരം വയ്ക്കുന്നത് എന്തുകൊണ്ടാണെന്നും മനസ്സിലാക്കേണ്ടത് ആവശ്യമാണ്.

എന്തുകൊണ്ട് ടെൻസർഫ്ലോയും ഉദാസിറ്റിയും?

ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉപയോഗിച്ച് ഇലക്ട്രിക്കൽ ഇൻസ്റ്റാളേഷൻ ഘടകങ്ങളുടെ ഫോട്ടോഗ്രാഫുകൾ തിരിച്ചറിയാനുള്ള ആഗ്രഹമായിരുന്നു എന്റെ പരിശീലനത്തിന്റെ പ്രധാന ലക്ഷ്യം.

ഞാൻ ടെൻസർഫ്ലോ തിരഞ്ഞെടുത്തത് എന്റെ സുഹൃത്തുക്കളിൽ നിന്ന് അതിനെക്കുറിച്ച് കേട്ടതിനാലാണ്. ഞാൻ മനസ്സിലാക്കിയതുപോലെ, ഈ കോഴ്സ് വളരെ ജനപ്രിയമാണ്.

ഉദ്യോഗസ്ഥനിൽ നിന്ന് പഠിക്കാൻ ഞാൻ ശ്രമിച്ചു ട്യൂട്ടോറിയൽ .

പിന്നെ ഞാൻ രണ്ട് പ്രശ്നങ്ങളിൽ അകപ്പെട്ടു.

• ധാരാളം വിദ്യാഭ്യാസ സാമഗ്രികൾ ഉണ്ട്, അവ വ്യത്യസ്ത ഇനങ്ങളിൽ വരുന്നു. ഇമേജ് തിരിച്ചറിയൽ പ്രശ്‌നം പരിഹരിക്കുന്നതിന് കൂടുതലോ കുറവോ പൂർണ്ണമായ ഒരു ചിത്രമെങ്കിലും സൃഷ്ടിക്കുന്നത് എനിക്ക് വളരെ ബുദ്ധിമുട്ടായിരുന്നു.
• എനിക്ക് ആവശ്യമുള്ള മിക്ക ലേഖനങ്ങളും റഷ്യൻ ഭാഷയിലേക്ക് വിവർത്തനം ചെയ്തിട്ടില്ല. കുട്ടിക്കാലത്ത് ഞാൻ ജർമ്മൻ പഠിച്ചു, ഇപ്പോൾ, പല സോവിയറ്റ് കുട്ടികളെപ്പോലെ, എനിക്ക് ജർമ്മനോ ഇംഗ്ലീഷോ അറിയില്ല. തീർച്ചയായും, എന്റെ മുതിർന്ന ജീവിതത്തിലുടനീളം, ഞാൻ ഇംഗ്ലീഷ് പഠിക്കാൻ ശ്രമിച്ചു, പക്ഷേ അത് ചിത്രത്തിലെന്നപോലെ മാറി.

ഔദ്യോഗിക വെബ്‌സൈറ്റിൽ കുഴിച്ചെടുത്ത ശേഷം, പോകാനുള്ള ശുപാർശകൾ ഞാൻ കണ്ടെത്തി രണ്ട് ഓൺലൈൻ കോഴ്സുകളിൽ ഒന്ന്.

ഞാൻ മനസ്സിലാക്കുന്നത് പോലെ, Coursera ന് കോഴ്സ് പണം നൽകി, കോഴ്സ് ഉദാസിറ്റി: ആഴത്തിലുള്ള പഠനത്തിനായുള്ള ടെൻസർഫ്ലോയുടെ ആമുഖം "സൗജന്യമായി, അതായത് ഒന്നിനും വേണ്ടി" കടന്നുപോകാൻ സാധിച്ചു.

കോഴ്‌സ് ഉള്ളടക്കം

കോഴ്സ് 9 പാഠങ്ങൾ ഉൾക്കൊള്ളുന്നു.

ആദ്യ വിഭാഗം ആമുഖമാണ്, അവിടെ തത്വത്തിൽ ഇത് എന്തിനാണ് ആവശ്യമെന്ന് അവർ നിങ്ങളോട് പറയും.

പാഠം നമ്പർ 2 എന്റെ പ്രിയപ്പെട്ടതായി മാറി. അത് മനസ്സിലാക്കാൻ കഴിയുന്നത്ര ലളിതമായിരുന്നു, കൂടാതെ ശാസ്ത്രത്തിന്റെ അത്ഭുതങ്ങൾ പ്രകടമാക്കുകയും ചെയ്തു. ചുരുക്കത്തിൽ, ഈ പാഠത്തിൽ, ന്യൂറൽ നെറ്റ്‌വർക്കുകളെക്കുറിച്ചുള്ള അടിസ്ഥാന വിവരങ്ങൾക്ക് പുറമേ, ഫാരൻഹീറ്റിൽ നിന്ന് സെൽഷ്യസിലേക്ക് താപനില പരിവർത്തനം ചെയ്യുന്നതിന്റെ പ്രശ്നം പരിഹരിക്കുന്നതിന് ഒരു ഒറ്റ-പാളി ന്യൂറൽ നെറ്റ്‌വർക്ക് എങ്ങനെ ഉപയോഗിക്കാമെന്ന് സ്രഷ്‌ടാക്കൾ കാണിക്കുന്നു.

ഇത് തീർച്ചയായും വളരെ വ്യക്തമായ ഒരു ഉദാഹരണമാണ്. സമാനമായ ഒരു പ്രശ്‌നം എങ്ങനെ പരിഹരിക്കാമെന്നും ഇലക്ട്രീഷ്യൻമാർക്ക് മാത്രം എങ്ങനെ പരിഹരിക്കാമെന്നും ഞാൻ ഇപ്പോഴും ഇവിടെ ഇരിക്കുകയാണ്.

നിർഭാഗ്യവശാൽ, ഞാൻ കൂടുതൽ സ്തംഭിച്ചു, കാരണം അപരിചിതമായ ഭാഷയിൽ മനസ്സിലാക്കാൻ കഴിയാത്ത കാര്യങ്ങൾ പഠിക്കുന്നത് വളരെ ബുദ്ധിമുട്ടാണ്. ഹബ്രെയിൽ ഞാൻ കണ്ടെത്തിയതാണ് എന്നെ രക്ഷിച്ചത് ഈ കോഴ്സിന്റെ റഷ്യൻ ഭാഷയിലേക്ക് വിവർത്തനം ചെയ്യുക.

വിവർത്തനം ഉയർന്ന നിലവാരത്തിൽ ചെയ്തു, കൊളാബ് നോട്ട്ബുക്കുകളും വിവർത്തനം ചെയ്തിട്ടുണ്ട്, അതിനാൽ ഞാൻ ഒറിജിനലും വിവർത്തനവും നോക്കി.

പാഠം നമ്പർ 3, യഥാർത്ഥത്തിൽ, ഔദ്യോഗിക TensorFlow ട്യൂട്ടോറിയലിൽ നിന്നുള്ള മെറ്റീരിയലുകളുടെ ഒരു അനുരൂപമാണ്. ഈ ട്യൂട്ടോറിയലിൽ, വസ്ത്രങ്ങളുടെ ചിത്രങ്ങൾ (ഫാഷൻ MNIST ഡാറ്റാസെറ്റ്) എങ്ങനെ തരംതിരിക്കാം എന്നറിയാൻ ഞങ്ങൾ ഒരു മൾട്ടി ലെയർ ന്യൂറൽ നെറ്റ്‌വർക്ക് ഉപയോഗിക്കുന്നു.

നമ്പർ 4 മുതൽ നമ്പർ 7 വരെയുള്ള പാഠങ്ങളും ട്യൂട്ടോറിയലിന്റെ അനുരൂപമാണ്. എന്നാൽ അവ ശരിയായി ക്രമീകരിച്ചിരിക്കുന്നതിനാൽ, പഠനത്തിന്റെ ക്രമം സ്വയം മനസ്സിലാക്കേണ്ട ആവശ്യമില്ല. ഈ പാഠങ്ങളിൽ, വളരെ കൃത്യമായ ന്യൂറൽ നെറ്റ്‌വർക്കുകളെക്കുറിച്ചും പരിശീലനത്തിന്റെ കൃത്യത എങ്ങനെ വർദ്ധിപ്പിക്കാമെന്നും മോഡൽ എങ്ങനെ സംരക്ഷിക്കാമെന്നും ഞങ്ങൾ ഹ്രസ്വമായി പറയും. അതേ സമയം, ചിത്രത്തിൽ പൂച്ചകളെയും നായ്ക്കളെയും തരംതിരിക്കുന്ന പ്രശ്നം ഞങ്ങൾ ഒരേസമയം പരിഹരിക്കും.

പാഠം നമ്പർ 8 തികച്ചും വേറിട്ട ഒരു കോഴ്സാണ്, മറ്റൊരു അധ്യാപകനുണ്ട്, കോഴ്സ് തന്നെ വളരെ വിപുലമാണ്. പാഠം സമയ ശ്രേണിയെക്കുറിച്ചാണ്. എനിക്ക് ഇതുവരെ അതിൽ താൽപ്പര്യമില്ലാത്തതിനാൽ, ഞാൻ അത് ഡയഗണലായി സ്കാൻ ചെയ്തു.

TensorFlow lite-ൽ സൗജന്യ കോഴ്‌സ് എടുക്കാനുള്ള ക്ഷണമായ പാഠം #9-ൽ ഇത് അവസാനിക്കുന്നു.

നിങ്ങൾക്ക് ഇഷ്ടപ്പെട്ടതും ഇഷ്ടപ്പെടാത്തതും

ഞാൻ നേട്ടങ്ങളിൽ നിന്ന് ആരംഭിക്കും:

• കോഴ്സ് സൗജന്യമാണ്
• കോഴ്‌സ് TensorFlow 2-ലാണ്. ഞാൻ കണ്ട ചില പാഠപുസ്തകങ്ങളും ഇന്റർനെറ്റിലെ ചില കോഴ്‌സുകളും TensorFlow 1-ൽ ആയിരുന്നു. വലിയ വ്യത്യാസമുണ്ടോ എന്ന് എനിക്കറിയില്ല, എന്നാൽ നിലവിലെ പതിപ്പ് പഠിക്കുന്നതിൽ സന്തോഷമുണ്ട്.
• വീഡിയോയിലെ അധ്യാപകർ ശല്യപ്പെടുത്തുന്നവരല്ല (റഷ്യൻ പതിപ്പിൽ അവർ ഒറിജിനൽ പോലെ സന്തോഷത്തോടെ വായിക്കുന്നില്ലെങ്കിലും)
• കോഴ്സ് കൂടുതൽ സമയം എടുക്കുന്നില്ല
• കോഴ്സ് നിങ്ങളെ ദുഃഖിപ്പിക്കുകയോ നിരാശരാക്കുകയോ ചെയ്യുന്നില്ല. കോഴ്‌സിലെ ടാസ്‌ക്കുകൾ ലളിതമാണ്, എന്തെങ്കിലും വ്യക്തതയില്ലെങ്കിൽ ശരിയായ പരിഹാരവുമായി കൊളാബിന്റെ രൂപത്തിൽ എല്ലായ്പ്പോഴും ഒരു സൂചനയുണ്ട് (പകുതി ടാസ്‌ക്കുകളും എനിക്ക് വ്യക്തമായിരുന്നില്ല)
• ഒന്നും ഇൻസ്റ്റാൾ ചെയ്യേണ്ട ആവശ്യമില്ല, കോഴ്സിന്റെ എല്ലാ ലബോറട്ടറി ജോലികളും ബ്രൗസറിൽ ചെയ്യാൻ കഴിയും

ഇപ്പോൾ ദോഷങ്ങൾ:

• പ്രായോഗികമായി നിയന്ത്രണ സാമഗ്രികളൊന്നുമില്ല. പരീക്ഷകളില്ല, ജോലികളില്ല, കോഴ്സിന്റെ വൈദഗ്ധ്യം എങ്ങനെയെങ്കിലും പരിശോധിക്കാൻ ഒന്നുമില്ല
• എന്റെ എല്ലാ നോട്ട്പാഡുകളും വേണ്ടപോലെ പ്രവർത്തിച്ചില്ല. ഇംഗ്ലീഷ് കോളാബിലെ ഒറിജിനൽ കോഴ്‌സിന്റെ മൂന്നാം പാഠത്തിൽ ഒരു പിശക് വന്നതായി ഞാൻ കരുതുന്നു, ഇത് എന്തുചെയ്യണമെന്ന് എനിക്കറിയില്ല
• കമ്പ്യൂട്ടറിൽ മാത്രം കാണാൻ സൗകര്യമുണ്ട്. ഒരുപക്ഷേ എനിക്കത് പൂർണ്ണമായി മനസ്സിലായില്ലായിരിക്കാം, പക്ഷേ എനിക്ക് എന്റെ സ്മാർട്ട്ഫോണിൽ Udacity ആപ്പ് കണ്ടെത്താൻ കഴിഞ്ഞില്ല. സൈറ്റിന്റെ മൊബൈൽ പതിപ്പ് പ്രതികരിക്കുന്നില്ല, അതായത്, മിക്കവാറും മുഴുവൻ സ്‌ക്രീൻ ഏരിയയും നാവിഗേഷൻ മെനു കൈവശപ്പെടുത്തിയിരിക്കുന്നു, എന്നാൽ പ്രധാന ഉള്ളടക്കം കാണുന്നതിന് നിങ്ങൾ കാണുന്ന സ്ഥലത്തിനപ്പുറം വലത്തേക്ക് സ്ക്രോൾ ചെയ്യേണ്ടതുണ്ട്. കൂടാതെ, വീഡിയോ ഫോണിൽ കാണാൻ കഴിയില്ല. 6 ഇഞ്ചിൽ കൂടുതൽ വലിപ്പമുള്ള ഒരു സ്ക്രീനിൽ നിങ്ങൾക്ക് ശരിക്കും ഒന്നും കാണാൻ കഴിയില്ല.
• കോഴ്‌സിലെ ചില കാര്യങ്ങൾ പലതവണ ചവച്ചരച്ചെടുക്കുന്നു, എന്നാൽ അതേ സമയം, കൺവല്യൂഷണൽ നെറ്റ്‌വർക്കുകളിൽ ശരിക്കും ആവശ്യമായ കാര്യങ്ങൾ കോഴ്‌സിൽ ചവച്ചരച്ചില്ല. ചില വ്യായാമങ്ങളുടെ മൊത്തത്തിലുള്ള ഉദ്ദേശ്യം എനിക്ക് ഇപ്പോഴും മനസ്സിലായില്ല (ഉദാഹരണത്തിന്, മാക്സ് പൂളിംഗ് എന്തിനുവേണ്ടിയാണെന്ന്).

സംഗ്രഹം

തീർച്ചയായും, അത്ഭുതം സംഭവിച്ചിട്ടില്ലെന്ന് നിങ്ങൾ ഇതിനകം ഊഹിച്ചു. ഈ ചെറിയ കോഴ്‌സ് പൂർത്തിയാക്കിയ ശേഷം, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് ശരിക്കും മനസ്സിലാക്കാൻ കഴിയില്ല.

തീർച്ചയായും, ഇതിനുശേഷം, സ്വിച്ച് ഗിയറിലെ സ്വിച്ചുകളുടെയും ബട്ടണുകളുടെയും ഫോട്ടോഗ്രാഫുകളുടെ വർഗ്ഗീകരണം ഉപയോഗിച്ച് എന്റെ പ്രശ്നം സ്വന്തമായി പരിഹരിക്കാൻ എനിക്ക് കഴിഞ്ഞില്ല.

എന്നാൽ മൊത്തത്തിൽ കോഴ്സ് ഉപയോഗപ്രദമാണ്. TensorFlow ഉപയോഗിച്ച് എന്തൊക്കെ കാര്യങ്ങൾ ചെയ്യാമെന്നും അടുത്തതായി എന്ത് ദിശയിലേക്ക് പോകണമെന്നും ഇത് കാണിക്കുന്നു.

ഞാൻ ആദ്യം പൈത്തണിന്റെ അടിസ്ഥാനകാര്യങ്ങൾ പഠിക്കുകയും ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള റഷ്യൻ പുസ്തകങ്ങൾ വായിക്കുകയും ടെൻസർഫ്ലോ എടുക്കുകയും വേണമെന്ന് ഞാൻ കരുതുന്നു.

ഉപസംഹാരമായി, ഹബറിനെക്കുറിച്ചുള്ള ആദ്യ ലേഖനം എഴുതാൻ എന്നെ പ്രേരിപ്പിച്ചതിനും അത് ഫോർമാറ്റ് ചെയ്യാൻ എന്നെ സഹായിച്ചതിനും എന്റെ സുഹൃത്തുക്കൾക്ക് നന്ദി പറയാൻ ഞാൻ ആഗ്രഹിക്കുന്നു.

PS നിങ്ങളുടെ അഭിപ്രായങ്ങളും ക്രിയാത്മകമായ വിമർശനങ്ങളും കാണുന്നതിൽ ഞാൻ സന്തോഷിക്കുന്നു.

അവലംബം: www.habr.com