Sapanjang kahirupan sawawa kuring, kuring parantos janten inuman énérgi (henteu, ayeuna urang henteu ngobrol ngeunaan inuman anu gaduh sipat anu teu pikaresepeun).
Kuring geus pernah geus utamana kabetot dina dunya téhnologi informasi, sarta kuring boro malah bisa ngalikeun matrices dina salembar kertas. Sareng kuring henteu peryogi ieu, supados anjeun ngartos sakedik ngeunaan spésifik padamelan kuring, kuring tiasa ngabagi carita anu saé. Kuring sakali nanya ka kolega kuring pikeun ngalakukeun pagawean dina spreadsheet Excel, satengah poé gawé geus kaliwat, kuring indit ka aranjeunna, sarta aranjeunna diuk na nyimpulkeun data dina kalkulator a, enya, dina kalkulator hideung biasa kalawan tombol. Nya, jaringan saraf naon anu tiasa urang bahas saatos ieu?.. Ku alatan éta, kuring henteu kantos ngagaduhan prasyarat khusus pikeun neuleumkeun diri dina dunya IT. Tapi, sakumaha anu aranjeunna nyarios, "éta saé dimana urang henteu," réréncangan kuring ngageterkeun ceuli kuring ngeunaan realitas anu ditambah, ngeunaan jaringan saraf, ngeunaan basa pamrograman (utamana ngeunaan Python).
Dina kecap éta katingalina saderhana pisan, sareng kuring mutuskeun naha henteu ngawasaan seni gaib ieu pikeun nerapkeunana dina kagiatan kuring.
Dina tulisan ieu, kuring bakal ngalangkungan usaha kuring pikeun ngawasaan dasar-dasar Python sareng ngabagikeun ka anjeun tayangan ngeunaan kursus TensorFlow gratis ti Udacity.
perkenalan
Pikeun dimimitian ku, eta sia noting yén sanggeus 11 taun dina industri énergi, nalika anjeun terang tur bisa ngalakukeun sagalana malah leuwih saeutik (nurutkeun tanggung jawab anjeun), diajar hal anyar radikal - di hiji sisi, ngabalukarkeun sumanget hébat. tapi di sisi séjén - robah jadi nyeri fisik " gears dina sirah kuring."
Kuring masih henteu ngartos sadayana konsép dasar tina program sareng pembelajaran mesin, janten anjeun henteu kedah ngahukum kuring sacara kasar. Kuring miharep artikel abdi bakal metot sarta mangpaat pikeun jalma kawas kuring anu jauh ti ngembangkeun software.
Sateuacan ngalih kana tinjauan kursus, kuring bakal nyarios yén pikeun diajar éta anjeun peryogi sahenteuna pangaweruh Python. Anjeun tiasa maca sababaraha buku pikeun dummies (Kuring ogé parantos ngamimitian kursus Stepic, tapi henteu acan ngawasa lengkep).
Tangtu TensorFlow sorangan moal ngandung constructs kompléks, tapi bakal perlu ngartos naha perpustakaan diimpor, kumaha fungsi hiji diartikeun, jeung naha hal ieu diganti kana eta.
Naha TensorFlow sareng Udacity?
Tujuan utama latihan kuring nyaéta kahayang pikeun mikawanoh poto elemen instalasi listrik ngagunakeun jaringan saraf.
Kuring milih TensorFlow sabab kuring nguping ngeunaan éta ti babaturan kuring. Sareng sakumaha anu kuring ngartos, kursus ieu cukup populer.
Kuring nyoba ngamimitian diajar ti resmi .
Lajeng abdi lumpat kana dua masalah.
- Aya loba bahan atikan, sarta aranjeunna datangna dina variétas béda. Hésé pisan pikeun kuring nyiptakeun sahenteuna gambar anu langkung lengkep atanapi kirang lengkep pikeun ngarengsekeun masalah pangakuan gambar.
- Kalolobaan artikel Abdi peryogi teu acan ditarjamahkeun kana Rusia. Ieu ngan jadi kajadian nu kuring diajar Jerman salaku anak jeung ayeuna, kawas loba barudak Soviét, kuring teu nyaho boh Jerman atawa Inggris. Tangtosna, sapanjang hirup sawawa kuring nyobian ngawasaan basa Inggris, tapi tétéla sapertos dina gambar.
Saatos ngagali dina halaman wéb resmi, kuring mendakan rekomendasi pikeun ngaliwat .
Salaku I ngartos eta, kursus on Coursera dibayar, sarta tangtu Ieu mungkin pikeun lulus "gratis, nyaeta, keur nanaon".
eusi kursus
Kursus ieu diwangun ku 9 palajaran.
Bagian anu pangheulana nyaéta bubuka, dimana aranjeunna bakal nyarioskeun ka anjeun naha éta diperyogikeun sacara prinsip.
Palajaran #2 tétéla jadi favorit kuring. Ieu cukup basajan ngartos tur ogé nunjukkeun keajaiban elmu. Pondokna, dina palajaran ieu, sajaba inpormasi dasar ngeunaan jaringan saraf, panyipta nunjukkeun kumaha ngagunakeun jaringan neural lapisan tunggal pikeun ngajawab masalah ngarobah suhu tina Fahrenheit ka Celsius.
Ieu memang conto anu jelas pisan. Kuring masih calik didieu mikir ngeunaan kumaha carana datang nepi ka jeung ngajawab masalah sarupa, tapi ngan pikeun electricians.
Hanjakal, kuring macet salajengna, sabab diajar hal-hal nu teu kaharti dina basa asing rada hese. Anu nyalametkeun kuring nyaéta anu kuring mendakan dina Habré .
Tarjamahan dilakukeun kalayan kualitas anu luhur, buku catetan Colab ogé ditarjamahkeun, janten kuring teras ningali anu asli sareng tarjamahan.
Pangajaran No.. 3, kanyataanna, adaptasi bahan tina tutorial TensorFlow resmi. Dina tutorial ieu, kami nganggo jaringan saraf multilayer pikeun diajar kumaha mengklasifikasikan gambar baju (dataset Fashion MNIST).
Palajaran No.. 4 nepi ka No.. 7 ogé mangrupa adaptasi tutorial. Tapi kusabab kanyataan yén aranjeunna disusun leres, henteu kedah ngartos sekuen diajar sorangan. Dina palajaran ieu urang bakal sakeudeung ngawartoskeun ngeunaan jaringan neural ultra-tepat, kumaha carana ngaronjatkeun akurasi latihan jeung simpen model. Dina waktos anu sami, urang sakaligus bakal ngajawab masalah ngagolongkeun ucing sareng anjing dina gambar.
Palajaran No.. 8 mangrupakeun tangtu lengkep misah, aya guru béda, sarta tangtu sorangan cukup éksténsif. palajaran ngeunaan runtuyan waktu. Kusabab kuring henteu acan resep kana éta, kuring nyeken sacara diagonal.
Ieu ditungtungan ku palajaran # 9, anu mangrupikeun uleman pikeun nyandak kursus gratis dina TensorFlow lite.
Naon anu anjeun resep sareng henteu resep
Kuring bakal mimitian ku pro:
- Kursusna gratis
- Kursusna aya dina TensorFlow 2. Sababaraha buku ajar anu kuring ningali sareng sababaraha kursus dina Internét aya dina TensorFlow 1. Kuring henteu weruh lamun aya bédana badag, tapi éta nice pikeun neuleuman versi ayeuna.
- Guru-guru dina pidéo henteu ngaganggu (sanaos dina versi Rusia aranjeunna henteu maca kalayan riang sapertos dina aslina)
- Kursusna henteu nyandak seueur waktos
- Tangtu teu nyieun anjeun ngarasa sedih atawa asa. Tugas-tugas dina kursus éta saderhana sareng sok aya petunjuk dina bentuk Colab kalayan solusi anu leres upami aya anu teu jelas (sareng satengahna tugas anu teu jelas pikeun kuring)
- Teu perlu install nanaon, sagala karya laboratorium tangtu bisa dipigawé dina browser
Ayeuna kontra:
- Aya praktis euweuh bahan kontrol. Taya tés, euweuh tugas, euweuh kumaha bae pariksa penguasaan kursus
- Henteu sakabéh notepad kuring digawé sakumaha sakuduna. Jigana dina palajaran katilu tina kursus aslina dina basa Inggris Colab ieu ngalungkeun kasalahan sarta kuring henteu weruh naon anu kudu dipigawé kalayan eta
- Merenah pikeun lalajo ngan dina komputer. Panginten kuring henteu ngartos sapinuhna, tapi kuring henteu mendakan aplikasi Udacity dina smartphone kuring. Sareng versi mobile situs éta henteu responsif, nyaéta, ampir sakumna daérah layar dijajah ku ménu navigasi, tapi pikeun ningali kontén utama anjeun kedah ngagulung ka katuhu saluareun daérah panempoan. Ogé, video teu bisa ditempo dina telepon. Anjeun teu bisa bener ningali nanaon dina layar ukur leuwih 6 inci.
- Sababaraha hal dina kursus dikunyah sababaraha kali, tapi dina waktos anu sami, hal-hal anu leres-leres diperyogikeun dina jaringan konvolusi sorangan henteu dikunyah dina kursus. Kuring masih teu ngarti tujuan sakabéh sababaraha latihan (contona, naon Max Pooling).
singgetan
Pasti anjeun geus ditebak yén mujijat teu lumangsung. Sareng saatos réngsé kursus pondok ieu, mustahil leres-leres ngartos kumaha jaringan saraf jalan.
Tangtosna, saatos ieu kuring henteu tiasa ngabéréskeun masalah kuring sorangan ku klasifikasi poto saklar sareng tombol dina switchgear.
Tapi sacara umum tangtu mangpaat. Éta nunjukkeun naon anu tiasa dilakukeun ku TensorFlow sareng arah naon anu bakal dilakukeun salajengna.
Jigana mah mimitina kudu diajar dasar Python jeung maca buku dina basa Rusia ngeunaan kumaha jaringan neural jalan, lajeng nyandak kana TensorFlow.
Dina kacindekan, kuring hoyong ngucapkeun hatur nuhun ka réréncangan kuring pikeun ngadorong kuring nyerat tulisan munggaran ngeunaan Habr sareng ngabantosan kuring ngaformat éta.
PS Kuring bakal bungah ningali komentar anjeun sarta sagala kritik konstruktif.
sumber: www.habr.com