एका ऊर्जा अभियंत्याने न्यूरल नेटवर्क्सचा अभ्यास कसा केला आणि विनामूल्य अभ्यासक्रमाचे पुनरावलोकन "Udacity: Intro to TensorFlow for Deep Learning"

माझे संपूर्ण प्रौढ आयुष्य, मी एक एनर्जी ड्रिंक आहे (नाही, आता आम्ही संशयास्पद गुणधर्म असलेल्या पेयाबद्दल बोलत नाही).

मला माहिती तंत्रज्ञानाच्या जगात कधीच विशेष रस नव्हता आणि मी कागदाच्या तुकड्यावर मॅट्रिक्सचा गुणाकार देखील करू शकत नाही. आणि मला याची गरज कधीच पडली नाही, जेणेकरून तुम्हाला माझ्या कामाच्या वैशिष्ट्यांबद्दल थोडेसे समजेल, मी एक अद्भुत कथा सामायिक करू शकेन. मी एकदा माझ्या सहकाऱ्यांना एक्सेल स्प्रेडशीटमध्ये काम करण्यास सांगितले, अर्धा कामाचा दिवस निघून गेला होता, मी त्यांच्याकडे गेलो आणि ते बसून कॅल्क्युलेटरवर डेटाची बेरीज करत होते, होय, बटणे असलेल्या एका सामान्य काळ्या कॅल्क्युलेटरवर. बरं, यानंतर आपण कोणत्या प्रकारच्या न्यूरल नेटवर्कबद्दल बोलू शकतो?.. त्यामुळे, आयटीच्या जगात स्वत:ला बुडवून ठेवण्यासाठी माझ्याकडे कधीच काही विशेष अटी नव्हत्या. पण, जसे ते म्हणतात, “आम्ही नसतो तिथे चांगले आहे,” माझ्या मित्रांनी माझे कान संवर्धित वास्तविकतेबद्दल, न्यूरल नेटवर्क्सबद्दल, प्रोग्रामिंग भाषांबद्दल (प्रामुख्याने पायथनबद्दल) सांगितले.

शब्दात ते अगदी साधे दिसले आणि मी ठरवले की माझ्या क्रियाकलाप क्षेत्रात ती लागू करण्यासाठी ही जादूची कला का करू नये.

या लेखात, मी पायथनच्या मूलभूत गोष्टींवर प्रभुत्व मिळवण्याचे माझे प्रयत्न सोडून देईन आणि Udacity कडून मोफत TensorFlow कोर्सचे माझे इंप्रेशन तुमच्यासोबत शेअर करेन.

परिचय

सुरुवातीला, हे लक्षात घेण्यासारखे आहे की ऊर्जा उद्योगात 11 वर्षांनंतर, जेव्हा तुम्हाला सर्वकाही माहित असते आणि ते करू शकता आणि त्याहूनही थोडे अधिक (तुमच्या जबाबदाऱ्यांनुसार), मूलभूतपणे नवीन गोष्टी शिकणे - एकीकडे, खूप उत्साह निर्माण होतो, पण दुसरीकडे - शारीरिक वेदना मध्ये बदलते " माझ्या डोक्यात गियर."

मला अजूनही प्रोग्रामिंग आणि मशीन लर्निंगच्या सर्व मूलभूत संकल्पना पूर्णपणे समजल्या नाहीत, त्यामुळे तुम्ही माझ्याबद्दल कठोरपणे न्याय करू नका. मला आशा आहे की माझा लेख माझ्यासारख्या सॉफ्टवेअर डेव्हलपमेंटपासून दूर असलेल्या लोकांसाठी मनोरंजक आणि उपयुक्त असेल.

अभ्यासक्रमाच्या विहंगावलोकनाकडे जाण्यापूर्वी, मी असे म्हणेन की त्याचा अभ्यास करण्यासाठी तुम्हाला पायथनचे किमान ज्ञान असणे आवश्यक आहे. तुम्ही डमीसाठी दोन पुस्तके वाचू शकता (मी स्टेपिकचा कोर्स देखील सुरू केला आहे, परंतु अद्याप त्यात पूर्णपणे प्रभुत्व मिळवलेले नाही).

TensorFlow कोर्समध्येच जटिल रचना नसतील, परंतु लायब्ररी का आयात केल्या जातात, कार्य कसे परिभाषित केले जाते आणि त्यामध्ये काहीतरी का बदलले जाते हे समजून घेणे आवश्यक आहे.

TensorFlow आणि Udacity का?

न्यूरल नेटवर्क वापरून इलेक्ट्रिकल इंस्टॉलेशन घटकांची छायाचित्रे ओळखण्याची इच्छा हे माझ्या प्रशिक्षणाचे मुख्य ध्येय होते.

मी TensorFlow निवडले कारण मी याबद्दल माझ्या मित्रांकडून ऐकले आहे. आणि जसे मला समजले आहे, हा कोर्स खूप लोकप्रिय आहे.

मी अधिकाऱ्याकडून शिकण्याचा प्रयत्न केला ट्यूटोरियल .

आणि मग मला दोन समस्या आल्या.

• तेथे बरेच शैक्षणिक साहित्य आहेत आणि ते वेगवेगळ्या प्रकारात येतात. प्रतिमा ओळखण्याच्या समस्येचे निराकरण करण्यासाठी कमीतकमी कमी किंवा जास्त पूर्ण चित्र तयार करणे माझ्यासाठी खूप कठीण होते.
• मला आवश्यक असलेले बहुतेक लेख रशियनमध्ये भाषांतरित केलेले नाहीत. असे घडले की मी लहानपणी जर्मन शिकलो आणि आता, बर्‍याच सोव्हिएत मुलांप्रमाणे मलाही जर्मन किंवा इंग्रजी येत नाही. अर्थात, माझ्या प्रौढ आयुष्यात, मी इंग्रजीवर प्रभुत्व मिळविण्याचा प्रयत्न केला, परंतु चित्रात असे काहीतरी घडले.

अधिकृत वेबसाइटवर शोध घेतल्यानंतर, मला त्यामधून जाण्यासाठी शिफारसी आढळल्या दोन ऑनलाइन अभ्यासक्रमांपैकी एक.

जसे मला समजले आहे, Coursera वर कोर्स सशुल्क होता, आणि कोर्स Udacity: सखोल शिक्षणासाठी TensorFlow चा परिचय पास करणे शक्य होते "विनाशुल्क, म्हणजे विनाकारण."

अभ्यासक्रम सामग्री

कोर्समध्ये 9 धडे आहेत.

पहिला विभाग प्रास्ताविक आहे, जिथे ते तुम्हाला सांगतील की ते तत्त्वतः का आवश्यक आहे.

धडा #2 माझा आवडता ठरला. हे समजण्यास पुरेसे सोपे होते आणि विज्ञानाच्या चमत्कारांचे प्रात्यक्षिक देखील होते. थोडक्यात, या धड्यात, न्यूरल नेटवर्कबद्दल मूलभूत माहिती व्यतिरिक्त, निर्माते तापमान फॅरेनहाइट ते सेल्सिअसमध्ये रूपांतरित करण्याच्या समस्येचे निराकरण करण्यासाठी सिंगल-लेयर न्यूरल नेटवर्क कसे वापरावे हे दाखवतात.

हे खरंच खूप स्पष्ट उदाहरण आहे. मी अजूनही इथे बसून अशीच समस्या कशी सोडवायची याचा विचार करत आहे, पण फक्त इलेक्ट्रिशियनसाठी.

दुर्दैवाने, मी पुढे थांबलो, कारण अपरिचित भाषेत अगम्य गोष्टी शिकणे खूप कठीण आहे. हॅब्रेवर मला जे सापडले तेच मला वाचवले या कोर्सचे रशियनमध्ये भाषांतर.

अनुवाद उच्च गुणवत्तेसह केले गेले होते, कोलाब नोटबुकचे देखील भाषांतर केले गेले होते, म्हणून मी नंतर मूळ आणि अनुवाद दोन्हीकडे पाहिले.

धडा क्र. ३ हे खरे तर अधिकृत टेन्सरफ्लो ट्यूटोरियलमधील सामग्रीचे रूपांतर आहे. या ट्युटोरियलमध्ये, कपड्यांच्या चित्रांचे (फॅशन MNIST डेटासेट) वर्गीकरण कसे करायचे हे शिकण्यासाठी आम्ही मल्टीलेअर न्यूरल नेटवर्क वापरतो.

धडे क्रमांक 4 ते क्रमांक 7 हे ट्यूटोरियलचे रूपांतर आहे. परंतु ते योग्यरित्या मांडलेले असल्यामुळे, अभ्यासाचा क्रम स्वतः समजून घेण्याची गरज नाही. या धड्यांमध्ये आपल्याला अल्ट्रा-प्रिसाइज न्यूरल नेटवर्क, प्रशिक्षणाची अचूकता कशी वाढवायची आणि मॉडेल जतन कसे करावे याबद्दल थोडक्यात सांगितले जाईल. त्याच वेळी, आम्ही एकाच वेळी प्रतिमेमध्ये मांजरी आणि कुत्र्यांचे वर्गीकरण करण्याच्या समस्येचे निराकरण करू.

धडा क्र. 8 हा पूर्णपणे वेगळा अभ्यासक्रम आहे, एक वेगळा शिक्षक आहे आणि अभ्यासक्रम स्वतःच खूप विस्तृत आहे. धडा वेळ मालिकेबद्दल आहे. मला अजून त्यात रस नसल्यामुळे, मी ते तिरपे स्कॅन केले.

हे धडा #9 ने समाप्त होते, जे TensorFlow lite वर विनामूल्य कोर्स घेण्याचे आमंत्रण आहे.

तुम्हाला काय आवडले आणि काय नाही आवडले

मी साधकांसह प्रारंभ करेन:

• अभ्यासक्रम विनामूल्य आहे
• हा कोर्स TensorFlow 2 वर आहे. मी पाहिलेली काही पाठ्यपुस्तके आणि इंटरनेटवरील काही अभ्यासक्रम TensorFlow 1 वर होते. मला माहित नाही की त्यात मोठा फरक आहे की नाही, परंतु सध्याची आवृत्ती शिकून छान वाटले.
• व्हिडिओमधील शिक्षक त्रासदायक नाहीत (जरी रशियन आवृत्तीत ते मूळ प्रमाणे आनंदाने वाचत नाहीत)
• कोर्सला जास्त वेळ लागत नाही
• कोर्स तुम्हाला उदास किंवा निराश वाटत नाही. कोर्समधली टास्क सोपी आहेत आणि काहीतरी स्पष्ट नसल्यास योग्य उपायासह कोलाबच्या रूपात नेहमीच एक इशारा असतो (आणि अर्धी कामे मला स्पष्ट नव्हती)
• काहीही इन्स्टॉल करण्याची गरज नाही, अभ्यासक्रमाची सर्व प्रयोगशाळेची कामे ब्राउझरमध्ये करता येतात

आता बाधक:

• व्यावहारिकरित्या कोणतेही नियंत्रण साहित्य नाहीत. कोणत्याही चाचण्या नाहीत, कोणतीही कार्ये नाहीत, कोर्सचे प्रभुत्व तपासण्यासाठी काहीही नाही
• माझे सर्व नोटपॅड जसे पाहिजे तसे काम करत नाहीत. मला असे वाटते की इंग्रजी कोलॅबमधील मूळ अभ्यासक्रमाच्या तिस-या धड्यात एक त्रुटी आली होती आणि त्याचे काय करावे हे मला कळत नव्हते
• केवळ संगणकावर पाहण्यासाठी सोयीस्कर. कदाचित मला ते पूर्णपणे समजले नसेल, परंतु मला माझ्या स्मार्टफोनवर Udacity अॅप सापडले नाही. आणि साइटची मोबाइल आवृत्ती प्रतिसाद देणारी नाही, म्हणजे, जवळजवळ संपूर्ण स्क्रीन क्षेत्र नेव्हिगेशन मेनूने व्यापलेले आहे, परंतु मुख्य सामग्री पाहण्यासाठी तुम्हाला दृश्य क्षेत्राच्या पलीकडे उजवीकडे स्क्रोल करणे आवश्यक आहे. तसेच फोनवर व्हिडिओ पाहता येणार नाही. 6 इंचांपेक्षा जास्त आकाराच्या स्क्रीनवर तुम्ही खरोखर काहीही पाहू शकत नाही.
• अभ्यासक्रमातील काही गोष्टी बर्‍याच वेळा चघळल्या जातात, परंतु त्याच वेळी, कॉन्व्होल्युशनल नेटवर्कवर खरोखर आवश्यक असलेल्या गोष्टी कोर्समध्ये चघळल्या जात नाहीत. मला अजूनही काही व्यायामांचा एकंदर उद्देश समजला नाही (उदाहरणार्थ, मॅक्स पूलिंग कशासाठी आहे).

सारांश

नक्कीच आपण आधीच अंदाज लावला आहे की चमत्कार घडला नाही. आणि हा छोटा कोर्स पूर्ण केल्यानंतर, न्यूरल नेटवर्क कसे कार्य करतात हे खरोखर समजणे अशक्य आहे.

अर्थात, यानंतर मी स्विचगियर्समधील स्विच आणि बटणांच्या छायाचित्रांच्या वर्गीकरणासह माझी समस्या स्वतःच सोडवू शकलो नाही.

पण एकूणच हा कोर्स उपयुक्त आहे. ते TensorFlow सह कोणत्या गोष्टी करता येतील आणि पुढे कोणती दिशा घ्यायची हे दाखवते.

मला असे वाटते की मला प्रथम पायथनची मूलभूत माहिती शिकण्याची आणि न्यूरल नेटवर्क कसे कार्य करतात याबद्दल रशियन भाषेतील पुस्तके वाचण्याची आणि नंतर टेन्सरफ्लोवर जाणे आवश्यक आहे.

शेवटी, मी माझ्या मित्रांचे आभार मानू इच्छितो की त्यांनी मला Habr वर पहिला लेख लिहिण्यास भाग पाडले आणि मला ते स्वरूपित करण्यात मदत केली.

PS मला तुमच्या टिप्पण्या आणि कोणतीही रचनात्मक टीका पाहून आनंद होईल.

स्त्रोत: www.habr.com