Maisha yangu yote ya utu uzima, nimekuwa mnywaji wa nishati (hapana, hatuzungumzii juu ya kinywaji kilicho na mali ya shaka).
Sijawahi kupendezwa hasa na ulimwengu wa teknolojia ya habari, na nina uwezekano wa kuwa na uwezo wa kuzidisha matrices kwenye kipande cha karatasi. Na sijawahi kuhitaji, kwa hivyo ili kukupa maarifa kidogo juu ya maelezo mahususi ya kazi yangu, ninaweza kushiriki hadithi nzuri. Niliwahi kuwauliza wenzangu kufanya kazi fulani kwenye lahajedwali ya Excel. Nusu ya siku ya kazi ilikuwa imepita, na nilikwenda kwao, na walikuwa wameketi pale wakiongeza data kwenye kikokotoo-ndiyo, kikokotoo cheusi cha kawaida chenye vifungo. Kwa hivyo ni aina gani ya mitandao ya neural tunaweza kuzungumza juu baada ya hapo? Kwa hivyo sikuwahi kuwa na mwelekeo wowote wa kuzama katika ulimwengu wa IT. Lakini, kama msemo unavyokwenda, "kuna amani mahali ambapo hatupo," na marafiki zangu waliniweka nikizungumza juu ya ukweli uliodhabitiwa, mitandao ya neural, na lugha za programu (zaidi ya Python).
Kwa maneno, ilionekana kuwa rahisi sana, na niliamua kwa nini nisijue sanaa hii ya kichawi ili kuitumia katika uwanja wangu wa kazi.
Katika nakala hii, nitaruka majaribio yangu ya kujifunza misingi ya Python na kushiriki maoni yangu ya kozi ya bure ya Udacity ya TensorFlow.
Utangulizi
Kuanza, ni muhimu kuzingatia kwamba baada ya miaka 11 katika sekta ya nishati, unapojua na unaweza kufanya kila kitu na hata kidogo zaidi (katika upeo wako wa majukumu), kujifunza mambo mapya kabisa - kwa upande mmoja, husababisha shauku ya mwitu, lakini kwa upande mwingine - hugeuka kuwa maumivu ya kimwili katika "gia kichwani."
Bado sielewi kikamilifu dhana zote za msingi za upangaji programu na ujifunzaji wa mashine, kwa hivyo usinihukumu vikali sana. Natumaini makala hii itakuwa ya kuvutia na yenye manufaa kwa watu kama mimi—watu wasio na usuli wa kutengeneza programu.
Kabla sijaingia kwenye muhtasari wa kozi, nitasema kwamba angalau maarifa ya kimsingi ya Python inahitajika. Unaweza kusoma vitabu kadhaa vya wanaoanza (pia nimeanza kozi ya Stepic, lakini bado sijaifahamu kikamilifu).
Kozi ya TensorFlow yenyewe haitashughulikia miundo changamano, lakini itakuwa muhimu kuelewa ni kwa nini maktaba huagizwa kutoka nje, jinsi utendakazi 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 nilikuwa nimesikia kuihusu kutoka kwa marafiki. Na kwa kadiri nilivyoweza kusema, kozi hiyo ni maarufu sana.
Nilijaribu kuanza masomo yangu kutoka kwa ile rasmi .
Na kisha mara moja nilikutana na shida mbili.
- Kuna nyenzo nyingi za kielimu, na zote ziko katika hali mbaya. Ilikuwa ngumu sana kwangu kupata hata picha inayolingana ya jinsi ya kutatua tatizo la utambuzi wa picha.
- Nakala nyingi ninazohitaji hazijatafsiriwa kwa Kirusi. Ilifanyika tu kwamba nilisoma Kijerumani nikiwa mtoto, na sasa, kama watoto wengi wa Sovieti, sizungumzi Kijerumani au Kiingereza. Hakika nimejaribu kujua Kiingereza vizuri katika maisha yangu yote ya utu uzima, lakini ikawa kama picha.
Baada ya kuchimba kwenye tovuti rasmi, nilipata mapendekezo ya kupitia .
Kama ninavyoelewa, kozi ya Coursera ililipwa, na kozi hiyo iliwezekana kupitisha "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 misingi ya mitandao ya neva, waundaji wanaonyesha jinsi ya kutumia mtandao wa neva wa safu moja kutatua tatizo la kubadilisha halijoto kutoka Fahrenheit hadi Selsiasi.
Huu ni mfano wa kielelezo kweli. Bado ninajaribu kujua jinsi ya kupata na kutatua shida kama hiyo, lakini kwa mifumo ya umeme.
Kwa bahati mbaya, nilisita zaidi, kwa sababu kujifunza mambo usiyoyajua katika lugha isiyojulikana ni ngumu sana. Kilichoniokoa ni kile nilichomkuta Habr. .
Tafsiri ilifanywa vizuri, na daftari za Colab pia zilitafsiriwa, kwa hivyo niliangalia zote mbili asilia na tafsiri.
Somo #3 kimsingi ni rehashi ya mafunzo rasmi ya TensorFlow. Katika somo hili, tutatumia mtandao wa neva wa tabaka nyingi kujifunza jinsi ya kuainisha picha za nguo (seti ya data ya MNIST ya Mitindo).
Masomo #4 hadi #7 pia ni marekebisho ya mafunzo. Walakini, kwa sababu zimeundwa kwa ujanja, hakuna haja ya kujua mlolongo wa ujifunzaji. Masomo haya yatatambulisha kwa ufupi mitandao ya neva iliyo sahihi sana, jinsi ya kuboresha usahihi wa mafunzo, na jinsi ya kuhifadhi kielelezo. Njiani, tutaweza pia kutatua tatizo la kuainisha paka na mbwa katika picha.
Somo #8 ni kozi tofauti kabisa, inayofundishwa na mwalimu tofauti, na kozi yenyewe ni pana kabisa. Ni kuhusu mfululizo wa wakati. Kwa kuwa sijapendezwa na hilo kwa sasa, nililipitia.
Somo #9 linahitimisha mfululizo na ni mwaliko wa kuchukua kozi ya TensorFlow Lite bila malipo.
Nilichopenda na sikupenda
Nitaanza na faida:
- Kozi ni bure.
- Kozi ni ya TensorFlow 2. Baadhi ya vitabu vya kiada nilivyoona na baadhi ya kozi za mtandaoni zilikuwa za TensorFlow 1. Sijui kama kuna tofauti nyingi, lakini ni vyema kujifunza toleo jipya zaidi.
- Walimu kwenye video hawaudhi (ingawa katika toleo la Kirusi hawasomi kwa furaha kama ilivyokuwa awali)
- Kozi hiyo haichukui muda mwingi.
- Kozi hiyo haikuacha ukiwa umechoshwa au kukosa tumaini. Kazi ni rahisi, na kila wakati kuna wazo la Colab na suluhisho sahihi ikiwa kitu hakiko wazi (na sikuelewa nusu nzuri ya shida).
- Hakuna haja ya kufunga chochote; kazi zote za maabara katika kozi zinaweza kufanywa katika kivinjari.
Sasa hasara:
- Kwa kweli hakuna nyenzo za tathmini. Hakuna majaribio, hakuna kazi, hakuna chochote cha kuangalia uelewa wako wa kozi kwa mbali.
- Sio madaftari yangu yote yalifanya kazi kama ilivyotarajiwa. Nadhani Colab alikuwa akitoa makosa katika somo la tatu la kozi ya awali ya Kiingereza, na sikujua la kufanya kulihusu.
- Ni rahisi tu kutazama kwenye kompyuta. Labda ninakosa uhakika, lakini sikuweza kupata programu ya Udacity ya simu yangu mahiri. Toleo la simu la tovuti halifanyiki kazi, kumaanisha kuwa menyu ya kusogeza inachukua karibu skrini nzima, lakini ili kuona maudhui kuu, inabidi utelezeshe kidole kupita eneo la kutazama. Pia, video haiwezi kutazamwa kwenye simu. Haionekani kwa urahisi kwenye skrini ambayo ina zaidi ya inchi 6.
- Mambo mengine yanafafanuliwa tena na tena katika kozi, lakini mambo muhimu sana kuhusu mitandao ya ushawishi yenyewe hayajaelezewa. Bado sikuelewa madhumuni ya jumla ya baadhi ya mazoezi (kwa mfano, Max Pooling ni ya nini).
Muhtasari
Pengine tayari umekisia kwamba hakuna muujiza uliotokea. Na baada ya kumaliza kozi hii fupi, haiwezekani kuelewa kwa kweli jinsi mitandao ya neva hufanya kazi.
Bila shaka, baada ya hili, sikuweza kujitegemea kutatua tatizo langu la kuainisha picha za swichi na vifungo katika vifaa vya usambazaji.
Lakini kwa ujumla, kozi ni muhimu. Inaonyesha kile kinachoweza kufanywa na TensorFlow na mahali pa kwenda kutoka hapo.
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 kuwashukuru marafiki zangu kwa kunitia moyo kuandika makala yangu ya kwanza kuhusu Habr na kunisaidia kuitengeneza.
P.S. Ningeshukuru maoni yako na ukosoaji wowote wa kujenga.
Chanzo: mapenzi.com
