कसरी एक ऊर्जा इन्जिनियरले तंत्रिका नेटवर्कहरू अध्ययन गरे र नि: शुल्क पाठ्यक्रम "Udacity: Intro to TensorFlow for Deep Learning" को समीक्षा

मेरो सम्पूर्ण वयस्क जीवन, म एक ऊर्जा पेय भएको छु (होइन, अब हामी शंकास्पद गुणहरू भएको पेयको बारेमा कुरा गर्दैनौं)।

मैले सूचना प्रविधिको संसारमा कहिल्यै विशेष रुचि राखेको छैन, र मैले कागजको टुक्रामा म्याट्रिकहरू पनि गुणा गर्न सक्दिन। र मलाई यो कहिल्यै आवश्यक परेन, ताकि तपाईले मेरो कामको विवरणहरूको बारेमा थोरै बुझ्नुहुन्छ, म एउटा अद्भुत कथा साझा गर्न सक्छु। मैले एक पटक मेरा सहकर्मीहरूलाई एक्सेल स्प्रेडसिटमा काम गर्न आग्रह गरें, कामको आधा दिन बितिसकेको थियो, म तिनीहरूकहाँ गएँ, र तिनीहरू बसेर क्यालकुलेटरमा डाटा संक्षेप गर्दै थिए, हो, बटनहरू भएको साधारण कालो क्यालकुलेटरमा। खैर, हामी यस पछि कस्तो प्रकारको तंत्रिका सञ्जालहरूको बारेमा कुरा गर्न सक्छौं?.. त्यसैले, मसँग IT को संसारमा डुब्नको लागि कुनै विशेष आवश्यकताहरू थिएनन्। तर, उनीहरूले भनेझैं, "हामी नभएको ठाउँमा राम्रो छ," मेरा साथीहरूले मेरो कानलाई संवर्धित वास्तविकता, न्यूरल नेटवर्कहरू, प्रोग्रामिङ भाषाहरू (मुख्यतया पाइथनको बारेमा) बारे गुञ्जाए।

शब्दहरूमा यो धेरै सरल देखिन्थ्यो, र मैले यो जादुई कलालाई मेरो गतिविधिको क्षेत्रमा लागू गर्नको लागि किन मास्टर नगर्ने निर्णय गरें।

यस लेखमा, म पाइथनका आधारभूत कुराहरूमा महारत हासिल गर्ने मेरो प्रयासहरू छोड्नेछु र Udacity बाट नि:शुल्क TensorFlow पाठ्यक्रमको मेरो प्रभावहरू तपाईंसँग साझा गर्नेछु।

परिचय

सुरुमा, यो ध्यान दिन लायक छ कि ऊर्जा उद्योगमा 11 वर्ष पछि, जब तपाइँ जान्नुहुन्छ र सबै कुरा गर्न सक्नुहुन्छ र अलि बढी पनि गर्न सक्नुहुन्छ (तपाईको जिम्मेवारी अनुसार), मौलिक रूपमा नयाँ चीजहरू सिक्न - एकातिर, ठूलो उत्साह उत्पन्न गर्दछ, तर अर्कोमा - शारीरिक पीडामा परिणत हुन्छ "मेरो टाउकोमा गियरहरू।"

मैले अझै पनि प्रोग्रामिङ र मेसिन लर्निङका सबै आधारभूत अवधारणाहरू पूर्ण रूपमा बुझेको छैन, त्यसैले तपाईंले मलाई धेरै कठोर रूपमा न्याय गर्नु हुँदैन। मलाई आशा छ कि मेरो लेख सफ्टवेयर विकासबाट टाढा रहेका म जस्ता मानिसहरूका लागि रोचक र उपयोगी हुनेछ।

पाठ्यक्रम सिंहावलोकनमा जानु अघि, म भन्छु कि यसलाई अध्ययन गर्न तपाईंलाई पाइथनको न्यूनतम ज्ञान चाहिन्छ। तपाईंले डमीहरूका लागि केही पुस्तकहरू पढ्न सक्नुहुन्छ (मैले स्टेपिकमा पाठ्यक्रम पनि लिन थालेको छु, तर अझै पूर्ण रूपमा महारत हासिल गरेको छैन)।

TensorFlow पाठ्यक्रमले आफैंमा जटिल संरचनाहरू समावेश गर्दैन, तर पुस्तकालयहरू किन आयात गरिन्छन्, कार्यलाई कसरी परिभाषित गरिन्छ, र किन यसमा केही प्रतिस्थापन गरिन्छ भनेर बुझ्न आवश्यक हुनेछ।

TensorFlow र Udacity किन?

मेरो प्रशिक्षणको मुख्य लक्ष्य न्यूरल नेटवर्कहरू प्रयोग गरेर विद्युतीय स्थापना तत्वहरूको फोटोहरू पहिचान गर्ने इच्छा थियो।

मैले TensorFlow रोजें किनभने मैले मेरा साथीहरूबाट यसको बारेमा सुनेको छु। र मैले बुझेको रूपमा, यो पाठ्यक्रम धेरै लोकप्रिय छ।

मैले अधिकारीबाट सिक्ने प्रयास गरें ट्यूटोरियल .

र त्यसपछि म दुई समस्यामा परें।

• त्यहाँ धेरै शैक्षिक सामग्रीहरू छन्, र तिनीहरू विभिन्न प्रकारहरूमा आउँछन्। मलाई छवि पहिचान समस्या समाधान गर्ने कम्तिमा कम वा कम पूर्ण तस्वीर सिर्जना गर्न यो धेरै गाह्रो थियो।
• मलाई चाहिने अधिकांश लेखहरू रूसीमा अनुवाद गरिएको छैन। यस्तो भयो कि मैले बाल्यकालमा जर्मन सिकें र अहिले, धेरै सोभियत बच्चाहरू जस्तै, मलाई जर्मन वा अंग्रेजी पनि थाहा छैन। निस्सन्देह, मेरो वयस्क जीवन भर, मैले अंग्रेजी मास्टर गर्ने प्रयास गरें, तर यो तस्विरमा जस्तै बाहिर भयो।

आधिकारिक वेबसाइटमा वरपर खन्ने पछि, मैले मार्फत जाने सिफारिसहरू फेला पारे दुई अनलाइन पाठ्यक्रमहरू मध्ये एक.

मैले बुझेको रूपमा, Coursera मा पाठ्यक्रम भुक्तान गरिएको थियो, र पाठ्यक्रम Udacity: गहिरो शिक्षाको लागि TensorFlow को परिचय यो "नि: शुल्क, अर्थात्, कुनै पनि बिना" पास गर्न सम्भव थियो।

पाठ्यक्रम सामग्री

पाठ्यक्रम 9 पाठ समावेश छ।

पहिलो खण्ड परिचयात्मक छ, जहाँ तिनीहरूले तपाईंलाई यो सिद्धान्तमा किन आवश्यक छ भनेर बताउनेछन्।

पाठ #2 मेरो मनपर्ने भयो। यो बुझ्नको लागि पर्याप्त सरल थियो र विज्ञानको चमत्कारहरू पनि प्रदर्शन गर्यो। छोटकरीमा, यस पाठमा, न्यूरल नेटवर्कहरूको बारेमा आधारभूत जानकारीको अतिरिक्त, सिर्जनाकर्ताहरूले फरेनहाइटबाट सेल्सियसमा तापमान परिवर्तन गर्ने समस्या समाधान गर्न एकल-तह न्यूरल नेटवर्क कसरी प्रयोग गर्ने भनेर प्रदर्शन गर्छन्।

यो वास्तवमा एक धेरै स्पष्ट उदाहरण हो। म अझै यहाँ बसिरहेको छु कि कसरी आउनुहोस् र यस्तै समस्या समाधान गर्ने बारे सोच्दै छु, तर केवल इलेक्ट्रीशियनहरूको लागि।

दुर्भाग्यवश, म अगाडि रोकें, किनकि अपरिचित भाषामा बुझ्न नसकिने कुराहरू सिक्न एकदम गाह्रो छ। मैले Habré मा भेटेको कुराले मलाई बचायो यस पाठ्यक्रमको रूसीमा अनुवाद.

अनुवाद उच्च गुणस्तरको साथ गरिएको थियो, कोलाब नोटबुकहरू पनि अनुवाद गरिएको थियो, त्यसैले मैले मूल र अनुवाद दुवै हेरे।

पाठ नम्बर ३, वास्तवमा, आधिकारिक TensorFlow ट्यूटोरियलबाट सामग्रीहरूको रूपान्तरण हो। यस ट्यूटोरियलमा, हामी कपडाका चित्रहरू (फेशन MNIST डेटासेट) वर्गीकरण गर्ने तरिका जान्नको लागि मल्टिलेयर न्यूरल नेटवर्क प्रयोग गर्छौं।

पाठ नम्बर ४ देखि ७ सम्म पनि ट्यूटोरियलको रूपान्तरण हो। तर तिनीहरू सही रूपमा व्यवस्थित गरिएको तथ्यको कारण, त्यहाँ अध्ययनको अनुक्रम आफैं बुझ्न आवश्यक छैन। यी पाठहरूमा हामीलाई अल्ट्रा-सटीक न्यूरल नेटवर्कहरू, कसरी प्रशिक्षणको शुद्धता बढाउने र मोडेल बचत गर्ने बारे संक्षिप्त रूपमा बताइनेछ। एकै समयमा, हामी छविमा बिरालो र कुकुरहरू वर्गीकरण गर्ने समस्यालाई एकै साथ समाधान गर्नेछौं।

पाठ नं. 8 पूर्ण रूपमा छुट्टै पाठ्यक्रम हो, त्यहाँ एक फरक शिक्षक छ, र पाठ्यक्रम आफैंमा धेरै व्यापक छ। पाठ समय श्रृंखला को बारे मा छ। मलाई यसमा अझै रुचि नभएकोले, मैले यसलाई विकर्ण रूपमा स्क्यान गरें।

यो पाठ # 9 मा समाप्त हुन्छ, जुन TensorFlow lite मा नि:शुल्क पाठ्यक्रम लिने निमन्त्रणा हो।

तपाईलाई के मन पर्यो र के मन परेन

म पेशेवरहरूसँग सुरु गर्नेछु:

• पाठ्यक्रम नि:शुल्क छ
• पाठ्यक्रम TensorFlow 2 मा छ। मैले देखेका केही पाठ्यपुस्तकहरू र इन्टरनेटमा केही पाठ्यक्रमहरू TensorFlow 1 मा थिए। मलाई थाहा छैन त्यहाँ ठूलो भिन्नता छ कि छैन, तर हालको संस्करण सिक्नु राम्रो छ।
• भिडियोमा शिक्षकहरू कष्टप्रद छैनन् (यद्यपि रूसी संस्करणमा उनीहरूले मौलिक रूपमा खुशीसाथ पढ्दैनन्)
• पाठ्यक्रम धेरै समय लाग्दैन
• पाठ्यक्रमले तपाईंलाई दुःखी वा आशाहीन महसुस गर्दैन। पाठ्यक्रमका कार्यहरू सरल छन् र यदि कुनै कुरा स्पष्ट नभएको खण्डमा Colab को रूपमा सही समाधानको रूपमा सधैं एउटा सङ्केत हुन्छ (र आधा कार्यहरू मलाई स्पष्ट थिएन)
• केहि पनि स्थापना गर्न आवश्यक छैन, पाठ्यक्रम को सबै प्रयोगशाला काम ब्राउजर मा गर्न सकिन्छ

अब विपक्ष:

• त्यहाँ व्यावहारिक रूपमा कुनै नियन्त्रण सामग्रीहरू छैनन्। कुनै परीक्षण, कुनै कार्यहरू, कुनै न कुनै रूपमा पाठ्यक्रमको निपुणता जाँच गर्न केही पनि छैन
• मेरा सबै नोटप्याडहरूले काम गरेजस्तो काम गरेनन्। मलाई लाग्छ अंग्रेजी कोलाबको मूल पाठ्यक्रमको तेस्रो पाठमा त्रुटि फ्याँकिएको थियो र मलाई के गर्ने थाहा थिएन
• कम्प्युटरमा मात्र हेर्नको लागि सुविधाजनक। सायद मैले यसलाई पूर्ण रूपमा बुझिन, तर मैले मेरो स्मार्टफोनमा Udacity एप फेला पार्न सकिन। र साइटको मोबाइल संस्करण उत्तरदायी छैन, त्यो हो, लगभग सम्पूर्ण स्क्रिन क्षेत्र नेभिगेसन मेनुले ओगटेको छ, तर मुख्य सामग्री हेर्नको लागि तपाईंले हेर्ने क्षेत्र भन्दा बाहिर दायाँ स्क्रोल गर्न आवश्यक छ। साथै, फोनमा भिडियो हेर्न सकिँदैन। तपाईले वास्तवमा 6 इन्च भन्दा माथिको स्क्रिनमा केहि पनि देख्न सक्नुहुन्न।
• पाठ्यक्रममा केही चीजहरू धेरै पटक चपाइन्छ, तर एकै समयमा, कन्भोलुसनल नेटवर्कहरूमा वास्तवमै आवश्यक चीजहरू पाठ्यक्रममा चपाइँदैनन्। मैले अझै पनि केही अभ्यासहरूको समग्र उद्देश्य बुझिन (उदाहरणका लागि, अधिकतम पूलिङ के हो)।

सारांश

पक्कै पनि तपाईंले पहिले नै अनुमान गर्नुभएको छ कि चमत्कार भएको छैन। र यो छोटो पाठ्यक्रम पूरा गरेपछि, यो साँच्चै बुझ्न असम्भव छ कसरी तंत्रिका नेटवर्क काम गर्दछ।

निस्सन्देह, यस पछि मैले स्विचगियरहरूमा स्विच र बटनहरूको फोटोहरूको वर्गीकरणको साथ आफ्नै समस्या समाधान गर्न सक्षम भइन।

तर समग्रमा पाठ्यक्रम उपयोगी छ। यसले TensorFlow मार्फत के गर्न सकिन्छ र अर्को कुन दिशा लिने भन्ने कुरा देखाउँछ।

मलाई लाग्छ कि मैले पहिले पाइथनको आधारभूत कुराहरू सिक्नु पर्छ र कसरी तंत्रिका नेटवर्कहरूले काम गर्छ भन्ने बारे रूसी भाषामा पुस्तकहरू पढ्नुपर्छ, र त्यसपछि TensorFlow लाई लिनु पर्छ।

अन्तमा, म Habr मा पहिलो लेख लेख्न र मलाई यसलाई ढाँचा गर्न मद्दत गरेकोमा मेरा साथीहरूलाई धन्यवाद भन्न चाहन्छु।

PS म तपाईंको टिप्पणी र कुनै रचनात्मक आलोचना देखेर खुशी हुनेछु।

स्रोत: www.habr.com