*සත්තකින්ම Machine Learning ඉගෙනීම සඳහා පමණි. ඔහුගේ ආදරණීය බිරිඳගේ තරමක් අතෘප්තිමත් බැල්ම යටතේ.
ටින්ඩර් වැනි කොඳු ඇට පෙළේ ප්රතීක මට්ටමට සරල යෙදුමක් නොමැත. එය භාවිතා කිරීම සඳහා, ඔබට ස්වයිප් කිරීමට එක් ඇඟිල්ලක් සහ ඔබ වඩාත් කැමති ගැහැණු ළමයින් හෝ පිරිමින් තෝරා ගැනීමට නියුරෝන කිහිපයක් පමණක් අවශ්ය වේ. යුගල තෝරාගැනීමේදී තිරිසන් බලයේ කදිම ක්රියාත්මක කිරීමකි.
නව ග්රැෆික් කාඩ්පතක යන්ත්ර ඉගෙනීම සඳහා කුඩා හැඟීමක් ලබා ගැනීමට මෙය හොඳ ක්රමයක් බව මම තීරණය කළෙමි. ඉතිරිව ඇත්තේ මට නව තරබාරු කාන්තාවක් අවශ්ය නොවන බව මගේ බිරිඳට පැහැදිලි කිරීම පමණක් වන අතර මම ස්නායු ජාල පුහුණු කිරීම පමණි.
ආලය ජාල වල ගැටලුව කුමක්ද?
එවැනි සම්පතක් තිබුණා - ඈෂ්ලි මැඩිසන්. නිශ්චිත, සටන් පාඨය සමඟින් “ජීවිතය කෙටියි. අනියම් සම්බන්ධයක් පවත්වන්න." ප්රධාන ප්රේක්ෂකයින් වන්නේ විවාහක පිරිමින් පැත්තෙන් අනියම් සම්බන්ධයක් සොයයි. මුදල් ඉපැයීම ද විනෝදජනකයි - සම්මත “කැමති වීමට සහ ලිවීමට ලකුණු වියදම් කරන්න” ට අමතරව, ඔවුන් පරිශීලක ගිණුමක් හෝඩුවාවක් නොමැතිව මකා දැමීමට ඩොලර් 19ක් ඉල්ලා සිටියේය.
2015 දී, වෙබ් අඩවිය ස්වභාවිකවම කාන්දු වූ අතර පුද්ගලික දත්ත 60 GB පොදු වසම වෙත කාන්දු විය. බොහෝ විනාශ වූ පවුල්වලට අමතරව, මෙම කාන්දුව විශ්ලේෂකයින්ට රසවත් තොරතුරු රාශියක් ලබා දුන්නේය. ආලය අඩවි වල තවත් බොහෝ පිරිමින් සිටින බව මම නිතරම සැක කළෙමි, නමුත් මේ අවස්ථාවේ දී එය තරමක් සිත්ගන්නා සුළු විය. මාධ්යවේදිනියක් වන ඇනලී නිවිට්ස්
පිරිමි ගිණුම් කෙරෙහි එවැනි ප්රමුඛතාවයක් මෙම සම්පත සඳහා පමණක් නොව අනෙකුත් බොහෝ ආලය අඩවි සඳහාද සාමාන්ය වේ. ඔබට දැන හඳුනා ගැනීමක් ප්රවේශමෙන් සැලසුම් කිරීමට සිදු වූ විට, බොහෝ දෙනෙක් මෙම නිසැකවම අසාධාරණ තත්වයට මුහුණ දී ඇති බව මට විශ්වාසයි, නමුත් ගැහැණු ළමයා ලියාපදිංචි විය යුතුය. මෙම රසික රසිකාවියන්ගේ ගුණාත්මක භාවය පසෙකින් තබමු, නමුත් සැපයුමේ සහ ඉල්ලුමේ ශේෂය පැහැදිලිවම ගැහැණු ළමයින්ට පක්ෂව මාරු වී ඇති බව ප්රතික්ෂේප කළ නොහැකිය.
ටින්ඩර් විශේෂාංගය
ස්ත්රී පුරුෂ සමාජභාවයේ පරමාදර්ශී තිරිසන් බලවේගය
මෙම වේදිකාවේ ප්රධාන ලක්ෂණය වන්නේ අඳුනන අයෙකු සඳහා අඩු පිරිවැයයි. ස්වයිප් දෙකක අහඹු සිදුවීමක් ප්රමාණවත් වන අතර ඔබ දැනටමත් සිත්ගන්නාසුලු පුද්ගලයෙකු සමඟ සන්නිවේදනය කරමින් සිටී. ගැටලුව වන්නේ එකම ස්ත්රී පුරුෂ අසමතුලිතතාවය බොහෝ ගැහැණු ළමයින් දිනකට තරඟ දුසිම් ගණනක් තිබීමයි. මෙයින් අදහස් කරන්නේ වෙනත් අපේක්ෂකයින් අතර ඔබ කෙරෙහි අවධානය යොමු කිරීමට ඔවුන්ට බොහෝ විට කාලයක් නොමැති බවයි.
පිහිනුම් ඇඳුමක ඡායාරූපයක් දෙස බැලීමෙන් හෝ විලාසිතාමය වර්ණ ගැන්වූ මෝටර් රථයක් පැදවීමේදී තත්පර එකහමාරක් බැලූ බැල්මට පුද්ගලයෙකුගේ ගැඹුරු අභ්යන්තර ලෝකය තක්සේරු කිරීමට වේදිකාව කුඩා අවස්ථාවක් අදහස් කරන බව පැහැදිලිය. එමනිසා, ඔබ ඔබේ ඡායාරූපවල හුදෙක් දිව්යමය ලෙස නොපෙනේ නම්, දරුකමට හදා ගැනීමෙන් ඔබේ අවස්ථා වැඩි කර ගැනීම හැර ඔබට වෙනත් විකල්පයක් නැත.
දත්ත රැස් කිරීම
පළමුවෙන්ම, සාමාන්ය නිරවද්යතාව සඳහා ඔබට බොහෝ දත්ත අවශ්ය වේ. නිවැරදිව එකතු කර ලේබල් කළ දත්ත කට්ටලයක් නිෂ්පාදනය කිරීම කොතරම් දුෂ්කර දැයි යන්ත්ර ඉගෙනීමට මුහුණ දුන් ඕනෑම අයෙකු දනී. න්යායාත්මකව, ඕනෑම සමාන සම්පතක් දත්ත මූලාශ්රයක් ලෙස සුදුසු වනු ඇත, එය Instagram හෝ වෙනත් සමාජ ජාල වේ. නමුත් අනාගතයේදී ජාලය වැඩ කරන එම සාම්පල පුහුණු කිරීම වඩාත් සුදුසුය.
අපි ගබඩාව පදනමක් ලෙස ගනිමු
from skimage.io import imread, imsave, imshow, show
import matplotlib.pyplot as plt
import pynder
from helpers import get_access_token, get_login_credentials
from io_helper import save_image
email, password, FBID = get_login_credentials()
FBTOKEN = get_access_token(email, password)
session = pynder.Session(facebook_token=FBTOKEN)
while True:
users = session.nearby_users()
for user in users:
photos = user.get_photos()
print("Fetched user photos..")
for photo in photos:
print(photo)
image = imread(photo)
imshow(image)
show()
input_string = "Write 1 to like. Write 2 to dislike."
ans = str(input(input_string)).lower()
if ans == "1":
save_image(image, photo, True)
else:
save_image(image, photo, False)
බොත්තම් දෙකකින් හැකි ඉක්මනින් දත්ත කට්ටලය සලකුණු කිරීමට එය ඔබට ඉඩ සලසයි. ප්රධාන අන්තරාය වන්නේ werkzeug පුස්තකාලය පසුගාමී ගැළපුම බිඳ දමා ඇති අතර එය පහත හෙලීමට බල කිරීමට සිදුවනු ඇත. එසේ නොමැතිනම් එය මෙම දෝෂය විසි කරයි.
Traceback (most recent call last):
File "img_scrape.py", line 4, in <module>
from helpers import get_access_token, get_login_credentials
File "/home/someone/tmp/TinderAutomation/helpers.py", line 1, in <module>
import robobrowser
File "/home/someone/tmp/TinderAutomation/venv/lib/python3.6/site-packages/robobrowser/__init__.py", line 3, in <module>
from .browser import RoboBrowser
File "/home/someone/tmp/TinderAutomation/venv/lib/python3.6/site-packages/robobrowser/browser.py", line 8, in <module>
from werkzeug import cached_property
ImportError: cannot import name 'cached_property'
එබැවින්, requirements.txt හි ඔබ Werkzeug==0.16.1 ලිවිය යුතුය. එවිට එය ඉවත් වනු ඇත.
දෙවන ගැටළුව වන්නේ මෙම සංකේතය ලබා ගැනීමයි. ගබඩාවෙන් සම්මත ක්රමය මට වැඩ කළේ නැත, නමුත් මම එය සංවර්ධක කොන්සෝලයෙන් ලබා ගැනීමට සමත් විය. මෙය සිදු කිරීම සඳහා, යන්න
දත්ත කට්ටල අවශ්යතා
යන්ත්ර ඉගෙනුම් දත්ත කට්ටල සඳහා ප්රධාන අවශ්යතා කිහිපයක් තිබේ:
- ප්රමාණවත් බව
- ඒකාකාරී බව
- විවිධත්වය
මෙම නඩුවේ ප්රමාණවත් තරම් ප්රමාණවත් ආකෘතියක් තැනීම සඳහා අවම වශයෙන් ඡායාරූප 10000 ක් අවශ්ය වේ. ඔව්, ඒක ගොඩක්. ඇත්තටම මේ නිසා සේවා වැනි
විවිධත්වය සමඟ විශේෂ ගැටළු නොමැත; සියලුම ඡායාරූප විවිධ කෝණවලින් සහ ආලෝකකරණයෙන් ඉදිරිපත් කෙරේ. වීදුරු, ඇඳුම්, පිහිනුම් ඇඳුම් සහ ස්කී සූට්. දත්ත කට්ටලයේ ඒකාකාරිත්වය සමඟ ගැටළුවක් මතු විය හැකිය. ඉතා මැනවින්, අපි අපගේ නියැදිය ලේබල් කරන විට, එය ආසන්න වශයෙන් සමාන කොටස් වලින් සමන්විත විය යුතුය. ඔබ අවසන් වන්නේ "විකුණුම්" දත්ත කට්ටලයක් සමඟ නම්, ඔබට එය වෙනත් මූලාශ්රවල ඡායාරූප සමඟ තනුක කිරීමට සිදුවේ. ඔබට වඩාත් ආකර්ෂණීය ඒවා එකතු කිරීමට අවශ්ය වනු ඇත, නැතහොත් අනෙක් අතට, ඔබ සලකුණු ප්රතිඵලය මත පදනම්ව ඒවා තීරණය කරනු ඇත. මට 60% පමණ ලස්සන දෙයක් ලැබුණා. එක්කෝ මම වැඩිය අච්චාරු නැහැ, නැත්නම් මම වාසනාවන්තයි, ලස්සන කෙල්ලෝ ගොඩක් වටේ ඉන්නවා.
ඔවුන් අතර බොහෝ bots සිටින බවට උපකල්පනය ද මම අඩු නොකරමි. අපි වෙනත් බොට් වලට කැමති බොට් එකක් පුහුණු කරමු. මේකේ යම් උත්ප්රාසයක් තියෙනවා.
දත්ත සැකසීම
අප සතුව ටැග් කළ ඡායාරූප රාශියක් ඇත, නමුත් ඒවා ඉතා මිශ්ර වේ. දිවා, රාත්රී, පිටුපසින් සහ වෙනත් අය. කණගාටුවෙන් වුවද, නියැදිය ඉතා අසමාන වනු ඇති බැවින්, ප්රතිලෝම කෝණයකින් ඡායාරූප වලින් ඉගැන්වීම විශේෂයෙන් ඵලදායී නොවන බව මට වැටහේ. එමනිසා, හොඳම විකල්පය වනුයේ "හුරුබුහුටිකම" සඳහා යොමු ලකුණක් ලෙස මුහුණු භාවිතා කිරීමයි. තවමත්, අපට, අනෙකුත් primates සඳහා, මෙය ප්රධාන පරාමිතියකි.
එබැවින්, අපි භාවිතා කරමු
මෙය අත්පොතෙහි වඩාත් විස්තරාත්මකව විස්තර කර ඇත
ඊළඟ අදියරේදී, නියැදියේ මුහුණු පමණක් වූ පසු, වර්ණය ඉවත් කිරීම අර්ථවත් කරයි. ඇත්ත වශයෙන්ම, ඔබට පැන්ඩෝරාගේ ලස්සන නිල් ඩෙනිසන් හෝ කොළ පැහැති සමක් ඇති සුන්දරත්වය තෝරා ගැනීමට අපහසු වනු ඇත.
Hue මිනිසුන් තුළ, සමේ වර්ණය ආකර්ෂණීය බව ශ්රේණිගත කිරීම සඳහා සැලකිය යුතු දායකත්වයක් ලබා නොදේ.
එබැවින්, ස්නායුක ජාලයේ කාර්යය සරල කිරීම සහ අළු පරිමාණයෙන් පමණක් ඉතිරි කිරීම වටී.
ආදර්ශ ගොඩනැගිල්ල
හොඳ වීඩියෝ කාඩ්පතක් සහ CUDA නොමැතිව ඔබට ප්රමාණවත් කාලයක් තුළ පුහුණු ආකෘතියක් නොලැබෙන බව මට වහාම පැවසීමට අවශ්යය. එබැවින්, වහාම විශේෂිත වලාකුළු වල ගණනය කිරීම් හෝ python-CUDA භාවිතයෙන් ඉලක්ක කරන්න.
මම ගබඩාවේ කතුවරයාගෙන් මූලික තුන්-ස්ථර උදාහරණයක් ගත් අතර, පුදුමයට කරුණක් නම්, එය 72% ක පමණ නිරවද්යතාවයක් පෙන්නුම් කළ අතර එය තරමක් හොඳ ප්රතිඵලයකි.
model = Sequential()
model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=(img_size, img_size, 3)))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Convolution2D(32, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(2, activation='softmax'))
adam = optimizers.SGD(lr=1e-4, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy',
optimizer= adam,
metrics=['accuracy'])
හොඳ නියැදියක් තිබේ නම්, වැඩ කළ හැකි ආකෘතියක් ලබා ගැනීමට එය ප්රමාණවත් විය හැකිය.
අපි බොට් එක දියත් කරමු
අදහස ඉක්මනින් පරීක්ෂා කිරීම සඳහා සූදානම් කළ විකල්පයක් සඳහා ගබඩාවේ කතුවරයාට ස්තූතියි. ඇත්ත වශයෙන්ම, එය මූලික අනුවාදයේ හොඳින් ක්රියා කරන අතර, ප්රතිපත්තිමය වශයෙන්, අපගේ මත දියත් කළ හැකිය
ප්රතිඵල
මම හිතන්නේ මම හරිම හුරතල්. ඒ වගේම මට පොහොසත් අභ්යන්තර ලෝකයක් තියෙනවා. මට පැයක් ඇතුළත තරග 13ක් වගේ දෙයක් ලැබුණා. එපමණක්ද නොව, කිහිප වතාවක්ම ගැහැණු ළමයින් මුලින්ම ලිවීය.
එහි ප්රතිඵලයක් වශයෙන්, අපි ඉතා ලස්සන දෙබස් සමඟ අවසන් කළෙමු, එහිදී මම පැවසුවේ යන්ත්ර ඉගෙනීම සහ දත්ත ලේබල් කිරීම සමඟ සෙල්ලම් කිරීමට පමණක් බවයි. එක් ගැහැණු ළමයෙකු අතිශයින් උනන්දු වූයේ ඇය සංවර්ධකයෙකු වන බැවිනි. ඇය අවසානයේ Habré හි මෙම සටහන කියවනු ඇතැයි දැඩි හැඟීමක් ඇත. ඔක්සානා මගේ නිර්නාමික භාවය පවත්වා ගනු ඇතැයි මම සැබවින්ම බලාපොරොත්තු වෙමි. 🙂
* අත වනමින් හායි කියයි
ගැටලුවේ සදාචාරාත්මක පැත්ත ගැන ටිකක්
අවංකවම, පිරිමින් සහ ගැහැණු ළමයින් අතර සබඳතා රොබෝකරණය කිරීමේ සම්පූර්ණ අදහසට මම කැමති නැත. තනිවම සිටගෙන සිටින සීතල ආගන්තුකයෙකුගේ උරහිස් මත ඔබේ ජැකට්ටුව විසි කිරීම ඉතා නිවැරදි දෙයක් තිබේ. නැතහොත් ගිම්හාන ආපන ශාලාවක සිටින ලස්සන ගැහැණු ළමයෙකු වෙත ගොස් එකට කෝපි බොන්න. දැනටමත් මොනිටර පිටුපසින් ඉවත් වන්න.
ගිම්හානය අවට ය. දැන හඳුනා ගැනීමට කාලයයි.
මූලාශ්රය: www.habr.com