Cara seorang jurutera tenaga mempelajari rangkaian saraf dan semakan kursus percuma "Udacity: Pengenalan kepada TensorFlow untuk Pembelajaran Mendalam"

Sepanjang kehidupan dewasa saya, saya telah menjadi minuman tenaga (tidak, sekarang kita tidak bercakap tentang minuman dengan sifat yang meragukan).

Saya tidak pernah berminat dalam dunia teknologi maklumat, dan saya hampir tidak boleh mendarab matriks pada sekeping kertas. Dan saya tidak pernah memerlukan ini, supaya anda memahami sedikit tentang spesifik kerja saya, saya boleh berkongsi cerita yang indah. Saya pernah meminta rakan sekerja saya untuk melakukan kerja dalam hamparan Excel, separuh hari bekerja telah berlalu, saya pergi kepada mereka, dan mereka sedang duduk dan merumuskan data pada kalkulator, ya, pada kalkulator hitam biasa dengan butang. Nah, apakah jenis rangkaian neural yang boleh kita bincangkan selepas ini?.. Oleh itu, saya tidak pernah mempunyai sebarang prasyarat khas untuk menceburkan diri dalam dunia IT. Tetapi, seperti yang mereka katakan, "adalah bagus di mana kita tidak berada," kawan saya membunyikan telinga saya tentang realiti tambahan, mengenai rangkaian saraf, tentang bahasa pengaturcaraan (terutamanya mengenai Python).

Dalam kata-kata ia kelihatan sangat mudah, dan saya memutuskan mengapa tidak menguasai seni ajaib ini untuk menerapkannya dalam bidang aktiviti saya.

Dalam artikel ini, saya akan melangkau percubaan saya untuk menguasai asas Python dan berkongsi dengan anda tanggapan saya tentang kursus TensorFlow percuma daripada Udacity.

Pengenalan

Sebagai permulaan, perlu diperhatikan bahawa selepas 11 tahun dalam industri tenaga, apabila anda tahu dan boleh melakukan segala-galanya dan bahkan lebih sedikit (mengikut tanggungjawab anda), mempelajari perkara-perkara baru secara radikal - dalam satu pihak, menyebabkan semangat yang besar, tetapi di sisi lain - bertukar menjadi sakit fizikal " gear di kepala saya."

Saya masih tidak memahami sepenuhnya semua konsep asas pengaturcaraan dan pembelajaran mesin, jadi anda tidak seharusnya menilai saya terlalu keras. Saya harap artikel saya akan menarik dan berguna kepada orang seperti saya yang jauh dari pembangunan perisian.

Sebelum beralih kepada gambaran keseluruhan kursus, saya akan mengatakan bahawa untuk mempelajarinya anda memerlukan sekurang-kurangnya pengetahuan Python yang minimum. Anda boleh membaca beberapa buku untuk dummies (saya juga telah mula mengikuti kursus Stepic, tetapi masih belum menguasai sepenuhnya).

Kursus TensorFlow itu sendiri tidak akan mengandungi binaan yang kompleks, tetapi anda perlu memahami mengapa perpustakaan diimport, cara sesuatu fungsi ditakrifkan dan mengapa sesuatu digantikan ke dalamnya.

Mengapa TensorFlow dan Udacity?

Matlamat utama latihan saya adalah keinginan untuk mengenali gambar elemen pemasangan elektrik menggunakan rangkaian saraf.

Saya memilih TensorFlow kerana saya mendengar tentangnya daripada rakan saya. Dan seperti yang saya faham, kursus ini agak popular.

Saya cuba mula belajar daripada pegawai itu tutorial .

Dan kemudian saya menghadapi dua masalah.

• Terdapat banyak bahan pendidikan, dan ia datang dalam pelbagai jenis. Amat sukar bagi saya untuk mencipta sekurang-kurangnya gambaran yang lebih kurang lengkap untuk menyelesaikan masalah pengecaman imej.
• Kebanyakan artikel yang saya perlukan belum diterjemahkan ke dalam bahasa Rusia. Kebetulan saya belajar bahasa Jerman semasa kecil dan sekarang, seperti kebanyakan kanak-kanak Soviet, saya tidak tahu sama ada bahasa Jerman atau Inggeris. Sudah tentu, sepanjang kehidupan dewasa saya, saya cuba menguasai bahasa Inggeris, tetapi ternyata seperti dalam gambar.

Selepas mencari-cari di laman web rasmi, saya mendapati cadangan untuk dilalui satu daripada dua kursus dalam talian.

Seperti yang saya faham, kursus di Coursera telah dibayar, dan kursus itu Udacity: Pengenalan kepada TensorFlow untuk Pembelajaran Mendalam adalah mungkin untuk lulus "percuma, iaitu, tanpa bayaran."

Kandungan kursus

Kursus ini terdiri daripada 9 pelajaran.

Bahagian pertama adalah pengenalan, di mana mereka akan memberitahu anda mengapa ia diperlukan pada dasarnya.

Pelajaran #2 ternyata menjadi kegemaran saya. Ia cukup mudah untuk difahami dan juga menunjukkan keajaiban sains. Ringkasnya, dalam pelajaran ini, sebagai tambahan kepada maklumat asas tentang rangkaian saraf, pencipta menunjukkan cara menggunakan rangkaian saraf satu lapisan untuk menyelesaikan masalah menukar suhu daripada Fahrenheit kepada Celsius.

Ini sememangnya satu contoh yang sangat jelas. Saya masih duduk di sini memikirkan cara untuk membuat dan menyelesaikan masalah yang sama, tetapi hanya untuk juruelektrik.

Malangnya, saya terhenti lebih jauh, kerana mempelajari perkara yang tidak dapat difahami dalam bahasa yang tidak dikenali agak sukar. Apa yang menyelamatkan saya ialah apa yang saya temui di Habré terjemahan kursus ini ke dalam bahasa Rusia.

Terjemahan dilakukan dengan kualiti yang tinggi, buku nota Colab juga telah diterjemahkan, jadi saya kemudian melihat kedua-dua yang asal dan terjemahan.

Pelajaran No. 3 sebenarnya adalah penyesuaian bahan daripada tutorial rasmi TensorFlow. Dalam tutorial ini, kami menggunakan rangkaian saraf berbilang lapisan untuk mempelajari cara mengklasifikasikan gambar pakaian (dataset MNIST Fesyen).

Pelajaran No. 4 hingga No. 7 juga merupakan adaptasi daripada tutorial. Tetapi disebabkan oleh fakta bahawa mereka disusun dengan betul, tidak perlu memahami urutan kajian sendiri. Dalam pelajaran ini kita akan diberitahu secara ringkas tentang rangkaian saraf ultra-tepat, bagaimana untuk meningkatkan ketepatan latihan dan menyelamatkan model. Pada masa yang sama, kami akan menyelesaikan masalah mengklasifikasikan kucing dan anjing dalam imej secara serentak.

Pelajaran No. 8 adalah kursus yang berasingan, terdapat guru yang berbeza, dan kursus itu sendiri agak luas. Pelajaran adalah tentang siri masa. Oleh kerana saya belum berminat lagi, saya mengimbasnya secara menyerong.

Ini berakhir dengan pelajaran #9, iaitu jemputan untuk mengikuti kursus percuma pada TensorFlow lite.

Perkara yang anda suka dan tidak suka

Saya akan mulakan dengan yang positif:

• Kursus adalah percuma
• Kursus ini pada TensorFlow 2. Beberapa buku teks yang saya lihat dan beberapa kursus di Internet adalah pada TensorFlow 1. Saya tidak tahu sama ada terdapat perbezaan yang besar, tetapi seronok untuk mempelajari versi semasa.
• Guru dalam video tidak menjengkelkan (walaupun dalam versi Rusia mereka tidak membaca dengan ceria seperti dalam asal)
• Kursus ini tidak mengambil banyak masa
• Kursus ini tidak membuat anda berasa sedih atau putus asa. Tugasan dalam kursus adalah mudah dan sentiasa ada petunjuk dalam bentuk Colab dengan penyelesaian yang betul jika ada sesuatu yang tidak jelas (dan separuh daripada tugasan itu tidak jelas kepada saya)
• Tidak perlu memasang apa-apa, semua kerja makmal kursus boleh dilakukan dalam pelayar

Sekarang keburukan:

• Hampir tiada bahan kawalan. Tiada ujian, tiada tugas, tiada apa-apa untuk memeriksa penguasaan kursus
• Tidak semua pad nota saya berfungsi sebagaimana mestinya. Saya rasa dalam pelajaran ketiga kursus asal dalam bahasa Inggeris Colab telah melemparkan ralat dan saya tidak tahu apa yang perlu dilakukan dengannya
• Mudah untuk ditonton hanya pada komputer. Mungkin saya tidak memahaminya sepenuhnya, tetapi saya tidak dapat mencari aplikasi Udacity pada telefon pintar saya. Dan versi mudah alih tapak tidak responsif, iaitu, hampir keseluruhan kawasan skrin diduduki oleh menu navigasi, tetapi untuk melihat kandungan utama anda perlu menatal ke kanan di luar kawasan tontonan. Selain itu, video tidak boleh ditonton di telefon. Anda benar-benar tidak dapat melihat apa-apa pada skrin yang berukuran lebih daripada 6 inci.
• Beberapa perkara dalam kursus dikunyah beberapa kali, tetapi pada masa yang sama, perkara yang benar-benar perlu pada rangkaian konvolusi itu sendiri tidak dikunyah dalam kursus. Saya masih tidak memahami tujuan keseluruhan beberapa latihan (contohnya, untuk Max Pooling).

Ringkasan

Pasti anda sudah meneka bahawa keajaiban itu tidak berlaku. Dan selepas menamatkan kursus pendek ini, adalah mustahil untuk benar-benar memahami bagaimana rangkaian saraf berfungsi.

Sudah tentu, selepas ini saya tidak dapat menyelesaikan masalah saya sendiri dengan klasifikasi gambar suis dan butang dalam suis.

Tetapi secara keseluruhan kursus ini berguna. Ia menunjukkan perkara yang boleh dilakukan dengan TensorFlow dan arah yang perlu diambil seterusnya.

Saya rasa saya mula-mula perlu mempelajari asas Python dan membaca buku dalam bahasa Rusia tentang cara rangkaian saraf berfungsi, dan kemudian mengambil TensorFlow.

Kesimpulannya, saya ingin mengucapkan terima kasih kepada rakan-rakan saya kerana mendorong saya untuk menulis artikel pertama tentang Habr dan membantu saya memformatnya.

PS Saya akan gembira melihat komen anda dan sebarang kritikan yang membina.

Sumber: www.habr.com