Jinsi mhandisi wa nishati alisoma mitandao ya neva na hakiki ya kozi ya bure "Udacity: Intro to TensorFlow for Deep Learning"

Maisha yangu yote ya watu wazima, nimekuwa kinywaji cha nishati (hapana, sasa hatuzungumzi juu ya kinywaji kilicho na mali mbaya).

Sijawahi kupendezwa hasa na ulimwengu wa teknolojia ya habari, na siwezi hata kuzidisha matrices kwenye kipande cha karatasi. Na sikuwahi kuhitaji hii, ili uelewe kidogo juu ya maalum ya kazi yangu, naweza kushiriki hadithi nzuri. Mara moja niliuliza wenzangu kufanya kazi katika lahajedwali la Excel, nusu ya siku ya kazi ilikuwa imepita, nilikwenda kwao, na walikuwa wameketi na kufupisha data kwenye calculator, ndiyo, kwenye calculator nyeusi ya kawaida na vifungo. Naam, ni aina gani ya mitandao ya neural tunaweza kuzungumza juu baada ya hili? .. Kwa hiyo, sikuwahi kuwa na mahitaji yoyote maalum ya kujiingiza katika ulimwengu wa IT. Lakini, kama wanasema, "ni vizuri mahali ambapo hatupo," marafiki zangu walisikiza masikio yangu juu ya ukweli uliodhabitiwa, kuhusu mitandao ya neural, kuhusu lugha za programu (haswa kuhusu Python).

Kwa maneno ilionekana kuwa rahisi sana, na niliamua kwa nini nisijue sanaa hii ya kichawi ili kuitumia katika uwanja wangu wa shughuli.

Katika makala haya, nitaruka majaribio yangu ya kufahamu misingi ya Python na kushiriki nawe maoni yangu ya kozi ya bila malipo ya TensorFlow kutoka Udacity.

Utangulizi

Kuanza, ni muhimu kuzingatia kwamba baada ya miaka 11 katika tasnia ya nishati, unapojua na unaweza kufanya kila kitu na hata kidogo zaidi (kulingana na majukumu yako), kujifunza mambo mapya kabisa - kwa upande mmoja, husababisha shauku kubwa, lakini kwa upande mwingine - hugeuka kuwa maumivu ya kimwili " gia katika kichwa changu."

Bado sielewi kikamilifu dhana zote za msingi za upangaji programu na ujifunzaji wa mashine, kwa hivyo hupaswi kunihukumu vikali sana. Natumai nakala yangu itakuwa ya kupendeza na muhimu kwa watu kama mimi ambao wako mbali na ukuzaji wa programu.

Kabla ya kuendelea na muhtasari wa kozi, nitasema kwamba ili kuisoma utahitaji angalau ujuzi mdogo wa Python. Unaweza kusoma vitabu kadhaa vya dummies (pia nimeanza kuchukua kozi ya Stepic, lakini bado sijaijua kabisa).

Kozi ya TensorFlow yenyewe haitakuwa na miundo changamano, lakini itakuwa muhimu kuelewa ni kwa nini maktaba huagizwa kutoka nje, jinsi utendaji unavyofafanuliwa, na kwa nini kitu kinabadilishwa ndani yake.

Kwa nini TensorFlow na Udacity?

Kusudi kuu la mafunzo yangu lilikuwa hamu ya kutambua picha za vifaa vya usakinishaji wa umeme kwa kutumia mitandao ya neva.

Nilichagua TensorFlow kwa sababu nilisikia kuihusu kutoka kwa marafiki zangu. Na kama ninavyoelewa, kozi hii ni maarufu sana.

Nilijaribu kuanza kujifunza kutoka kwa afisa mafunzo .

Na kisha nilikutana na shida mbili.

• Kuna vifaa vingi vya kufundishia, na vinakuja kwa aina tofauti. Ilikuwa vigumu sana kwangu kuunda angalau picha kamili au isiyo kamili ya kutatua tatizo la utambuzi wa picha.
• Nakala nyingi ninazohitaji hazijatafsiriwa kwa Kirusi. Ilifanyika tu kwamba nilijifunza Kijerumani nikiwa mtoto na sasa, kama watoto wengi wa Sovieti, sijui Kijerumani au Kiingereza. Kwa kweli, katika maisha yangu yote ya watu wazima, nilijaribu kujua Kiingereza vizuri, lakini ikawa kitu kama kwenye picha.

Baada ya kuchimba kwenye tovuti rasmi, nilipata mapendekezo ya kupitia moja ya kozi mbili za mtandaoni.

Kama ninavyoelewa, kozi ya Coursera ililipwa, na kozi hiyo Udacity: Utangulizi wa TensorFlow kwa Mafunzo ya Kina iliwezekana kupita “bila malipo, yaani, bure.”

Maudhui ya kozi

Kozi hiyo ina masomo 9.

Sehemu ya kwanza kabisa ni utangulizi, ambapo watakuambia kwa nini inahitajika kwa kanuni.

Somo #2 liligeuka kuwa ninalopenda zaidi. Ilikuwa rahisi kutosha kuelewa na pia ilionyesha maajabu ya sayansi. Kwa kifupi, katika somo hili, pamoja na maelezo ya msingi kuhusu mitandao ya neva, waundaji wanaonyesha jinsi ya kutumia mtandao wa neva wa safu moja kutatua tatizo la kubadilisha halijoto kutoka Fahrenheit hadi Selsiasi.

Hakika huu ni mfano wa wazi kabisa. Bado nimekaa hapa nikifikiria jinsi ya kuja na kutatua shida kama hiyo, lakini kwa wataalamu wa umeme tu.

Kwa bahati mbaya, nilisita zaidi, kwa sababu kujifunza vitu visivyoeleweka kwa lugha isiyojulikana ni ngumu sana. Kilichoniokoa ni kile nilichopata kwa Habre Tafsiri ya kozi hii kwa Kirusi.

Tafsiri ilifanywa kwa ubora wa hali ya juu, daftari za Colab pia zilitafsiriwa, kwa hiyo nikaangalia zote mbili asilia na tafsiri.

Somo la 3, kwa kweli, ni urekebishaji wa nyenzo kutoka kwa mafunzo rasmi ya TensorFlow. Katika somo hili, tunatumia mtandao wa neva wa tabaka nyingi kujifunza jinsi ya kuainisha picha za nguo (seti ya data ya MNIST ya mtindo).

Masomo Na. 4 hadi 7 pia ni marekebisho ya mafunzo. Lakini kutokana na ukweli kwamba wamepangwa kwa usahihi, hakuna haja ya kuelewa mlolongo wa kujifunza mwenyewe. Katika masomo haya tutaambiwa kwa ufupi kuhusu mitandao ya neural ya ultra-sahihi, jinsi ya kuongeza usahihi wa mafunzo na kuokoa mfano. Wakati huo huo, tutatatua wakati huo huo tatizo la kuainisha paka na mbwa kwenye picha.

Somo la 8 ni kozi tofauti kabisa, kuna mwalimu tofauti, na kozi yenyewe ni pana kabisa. Somo ni kuhusu mfululizo wa wakati. Kwa kuwa bado sijapendezwa nayo, niliichanganua kwa mshazari.

Hii inaisha na somo #9, ambalo ni mwaliko wa kuchukua kozi bila malipo kwenye TensorFlow lite.

Kile ulichopenda na haukupenda

Nitaanza na faida:

• Kozi ni bure
• Kozi iko kwenye TensorFlow 2. Baadhi ya vitabu vya kiada ambavyo niliona na baadhi ya kozi kwenye Mtandao vilikuwa kwenye TensorFlow 1. Sijui kama kuna tofauti kubwa, lakini ni vyema kujifunza toleo la sasa.
• Walimu kwenye video hawaudhi (ingawa katika toleo la Kirusi hawasomi kwa furaha kama katika asili)
• Kozi hiyo haichukui muda mwingi
• Kozi hiyo haikufanyi uhisi huzuni au kutokuwa na tumaini. Kazi katika kozi ni rahisi na kila wakati kuna maoni katika mfumo wa Colab na suluhisho sahihi ikiwa kitu hakiko wazi (na nusu nzuri ya majukumu hayakuwa wazi kwangu)
• Hakuna haja ya kufunga chochote, kazi zote za maabara za kozi zinaweza kufanywa katika kivinjari

Sasa hasara:

• Kuna kivitendo hakuna vifaa vya kudhibiti. Hakuna majaribio, hakuna kazi, hakuna chochote cha kuangalia umilisi wa kozi
• Sio daftari zangu zote zilifanya kazi kama inavyopaswa. Nadhani katika somo la tatu la kozi ya awali katika Kiingereza Colab alikuwa akifanya makosa na sikujua la kufanya nayo.
• Rahisi kutazama kwenye kompyuta pekee. Labda sikuielewa kikamilifu, lakini sikuweza kupata programu ya Udacity kwenye simu yangu mahiri. Na toleo la rununu la tovuti sio jibu, ambayo ni, karibu eneo lote la skrini linachukuliwa na menyu ya urambazaji, lakini ili kuona yaliyomo kuu unahitaji kusonga kulia zaidi ya eneo la kutazama. Pia, video haiwezi kutazamwa kwenye simu. Huwezi kuona chochote kwenye skrini yenye ukubwa wa zaidi ya inchi 6.
• Vitu vingine kwenye kozi hutafunwa mara kadhaa, lakini wakati huo huo, vitu muhimu sana kwenye mitandao ya uhamasishaji wenyewe havitafunwa kwenye kozi. Bado sikuelewa madhumuni ya jumla ya baadhi ya mazoezi (kwa mfano, Max Pooling ni ya nini).

Muhtasari

Hakika tayari ulidhani kwamba muujiza haukutokea. Na baada ya kumaliza kozi hii fupi, haiwezekani kuelewa kwa kweli jinsi mitandao ya neural inavyofanya kazi.

Kwa kweli, baada ya hii sikuweza kutatua shida yangu peke yangu na uainishaji wa picha za swichi na vifungo kwenye swichi.

Lakini kwa ujumla kozi ni muhimu. Inaonyesha ni mambo gani yanaweza kufanywa kwa TensorFlow na mwelekeo gani wa kuchukua.

Nadhani ninahitaji kwanza kujifunza misingi ya Python na kusoma vitabu kwa Kirusi kuhusu jinsi mitandao ya neural inavyofanya kazi, na kisha kuchukua TensorFlow.

Kwa kumalizia, ningependa kusema asante kwa marafiki zangu kwa kunisukuma kuandika makala ya kwanza kuhusu Habr na kunisaidia kuitengeneza.

PS Nitafurahi kuona maoni yako na ukosoaji wowote wa kujenga.

Chanzo: mapenzi.com