నా వయోజన జీవితమంతా, నేను ఎనర్జీ డ్రింక్గా ఉన్నాను (లేదు, ఇప్పుడు మనం సందేహాస్పద లక్షణాలతో పానీయం గురించి మాట్లాడటం లేదు).
ఇన్ఫర్మేషన్ టెక్నాలజీ ప్రపంచంపై నాకు ఎప్పుడూ ప్రత్యేక ఆసక్తి లేదు మరియు నేను కాగితంపై మాత్రికలను కూడా గుణించలేను. మరియు నాకు ఇది ఎప్పుడూ అవసరం లేదు, తద్వారా మీరు నా పని యొక్క ప్రత్యేకతల గురించి కొంచెం అర్థం చేసుకుంటారు, నేను అద్భుతమైన కథను పంచుకోగలను. నేను ఒకసారి నా సహోద్యోగులను ఎక్సెల్ స్ప్రెడ్షీట్లో పని చేయమని అడిగాను, సగం పని దినం గడిచిపోయింది, నేను వారి వద్దకు వెళ్లాను, మరియు వారు కూర్చుని డేటాను కాలిక్యులేటర్లో, అవును, బటన్లతో కూడిన సాధారణ బ్లాక్ కాలిక్యులేటర్లో సంగ్రహించారు. సరే, దీని తర్వాత మనం ఎలాంటి న్యూరల్ నెట్వర్క్ల గురించి మాట్లాడగలం?.. అందువల్ల, ఐటీ ప్రపంచంలో మునిగిపోవడానికి నాకు ప్రత్యేకమైన ముందస్తు అవసరాలు లేవు. కానీ, వారు చెప్పినట్లు, “మనం లేని చోట మంచిది,” అని నా స్నేహితులు నా చెవులను ఆగ్మెంటెడ్ రియాలిటీ గురించి, న్యూరల్ నెట్వర్క్ల గురించి, ప్రోగ్రామింగ్ భాషల గురించి (ప్రధానంగా పైథాన్ గురించి) సందడి చేశారు.
మాటలలో ఇది చాలా సరళంగా అనిపించింది మరియు నా కార్యాచరణ రంగంలో దీన్ని వర్తింపజేయడానికి ఈ మాయా కళను ఎందుకు ప్రావీణ్యం పొందకూడదని నేను నిర్ణయించుకున్నాను.
ఈ కథనంలో, నేను పైథాన్ యొక్క ప్రాథమికాలను నేర్చుకోవడానికి నా ప్రయత్నాలను దాటవేస్తాను మరియు ఉడాసిటీ నుండి ఉచిత టెన్సర్ఫ్లో కోర్సు గురించి నా అభిప్రాయాలను మీతో పంచుకుంటాను.
పరిచయం
ప్రారంభించడానికి, ఇంధన పరిశ్రమలో 11 సంవత్సరాల తర్వాత, మీకు తెలిసినప్పుడు మరియు ప్రతిదీ చేయగలిగినప్పుడు మరియు కొంచెం ఎక్కువ (మీ బాధ్యతల ప్రకారం), సమూలంగా కొత్త విషయాలను నేర్చుకోవడం - ఒక వైపు, గొప్ప ఉత్సాహాన్ని కలిగిస్తుంది, కానీ మరోవైపు - శారీరక నొప్పిగా మారుతుంది "నా తలలో గేర్లు."
ప్రోగ్రామింగ్ మరియు మెషిన్ లెర్నింగ్ యొక్క అన్ని ప్రాథమిక అంశాలు నాకు ఇప్పటికీ పూర్తిగా అర్థం కాలేదు, కాబట్టి మీరు నన్ను చాలా కఠినంగా తీర్పు చెప్పకూడదు. సాఫ్ట్వేర్ అభివృద్ధికి దూరంగా ఉన్న నాలాంటి వారికి నా వ్యాసం ఆసక్తికరంగా మరియు ఉపయోగకరంగా ఉంటుందని నేను ఆశిస్తున్నాను.
కోర్సు అవలోకనానికి వెళ్లే ముందు, దానిని అధ్యయనం చేయడానికి మీకు పైథాన్ గురించి కనీసం కనీస జ్ఞానం అవసరమని నేను చెబుతాను. మీరు డమ్మీస్ కోసం రెండు పుస్తకాలను చదవవచ్చు (నేను కూడా స్టెపిక్పై కోర్సు తీసుకోవడం ప్రారంభించాను, కానీ ఇంకా పూర్తిగా ప్రావీణ్యం పొందలేదు).
TensorFlow కోర్సులో సంక్లిష్టమైన నిర్మాణాలు ఉండవు, అయితే లైబ్రరీలు ఎందుకు దిగుమతి చేయబడుతున్నాయి, ఒక ఫంక్షన్ ఎలా నిర్వచించబడింది మరియు దానిలో ఏదైనా ఎందుకు భర్తీ చేయబడిందో అర్థం చేసుకోవడం అవసరం.
టెన్సర్ఫ్లో మరియు ఉడాసిటీ ఎందుకు?
నా శిక్షణ యొక్క ప్రధాన లక్ష్యం న్యూరల్ నెట్వర్క్లను ఉపయోగించి ఎలక్ట్రికల్ ఇన్స్టాలేషన్ మూలకాల ఛాయాచిత్రాలను గుర్తించాలనే కోరిక.
నేను TensorFlowని ఎంచుకున్నాను ఎందుకంటే నేను నా స్నేహితుల నుండి దాని గురించి విన్నాను. మరియు నేను అర్థం చేసుకున్నట్లుగా, ఈ కోర్సు చాలా ప్రజాదరణ పొందింది.
నేను అధికారి నుండి నేర్చుకోవడం ప్రారంభించాను
ఆపై నేను రెండు సమస్యలను ఎదుర్కొన్నాను.
- విద్యా సామగ్రి చాలా ఉన్నాయి మరియు అవి వివిధ రకాలుగా వస్తాయి. ఇమేజ్ రికగ్నిషన్ సమస్యను పరిష్కరించడానికి కనీసం ఎక్కువ లేదా తక్కువ పూర్తి చిత్రాన్ని రూపొందించడం నాకు చాలా కష్టంగా ఉంది.
- నాకు అవసరమైన చాలా వ్యాసాలు రష్యన్ భాషలోకి అనువదించబడలేదు. నేను చిన్నతనంలో జర్మన్ నేర్చుకున్నాను మరియు ఇప్పుడు చాలా మంది సోవియట్ పిల్లల మాదిరిగానే నాకు జర్మన్ లేదా ఇంగ్లీష్ తెలియదు. వాస్తవానికి, నా వయోజన జీవితంలో, నేను ఆంగ్లంలో ప్రావీణ్యం సంపాదించడానికి ప్రయత్నించాను, కానీ అది చిత్రంలో ఉన్నట్లుగా మారింది.
అధికారిక వెబ్సైట్లో త్రవ్విన తర్వాత, నేను వెళ్ళడానికి సిఫార్సులను కనుగొన్నాను
నేను అర్థం చేసుకున్నట్లుగా, కోర్సెరాపై కోర్సు చెల్లించబడింది మరియు కోర్సు
కోర్సు విషయం
కోర్సులో 9 పాఠాలు ఉంటాయి.
మొదటి విభాగం పరిచయమైనది, ఇక్కడ సూత్రప్రాయంగా ఎందుకు అవసరమో వారు మీకు చెప్తారు.
పాఠం #2 నాకు ఇష్టమైనదిగా మారింది. ఇది అర్థం చేసుకోవడానికి తగినంత సులభం మరియు సైన్స్ యొక్క అద్భుతాలను కూడా ప్రదర్శించింది. సంక్షిప్తంగా, ఈ పాఠంలో, న్యూరల్ నెట్వర్క్ల గురించి ప్రాథమిక సమాచారంతో పాటు, ఫారెన్హీట్ నుండి సెల్సియస్కు ఉష్ణోగ్రతను మార్చే సమస్యను పరిష్కరించడానికి ఒకే-పొర న్యూరల్ నెట్వర్క్ను ఎలా ఉపయోగించాలో సృష్టికర్తలు ప్రదర్శిస్తారు.
ఇది నిజంగా చాలా స్పష్టమైన ఉదాహరణ. నేను ఇంకా ఇలాంటి సమస్యను ఎలా పరిష్కరించాలో మరియు ఎలక్ట్రీషియన్ల కోసం ఎలా ఆలోచించాలో ఆలోచిస్తూనే ఉన్నాను.
దురదృష్టవశాత్తు, నేను మరింత ఆగిపోయాను, ఎందుకంటే తెలియని భాషలో అపారమయిన విషయాలను నేర్చుకోవడం చాలా కష్టం. హబ్రేలో నేను కనుగొన్నది నన్ను రక్షించింది
అనువాదం అధిక నాణ్యతతో జరిగింది, Colab నోట్బుక్లు కూడా అనువదించబడ్డాయి, కాబట్టి నేను అసలు మరియు అనువాదం రెండింటినీ చూశాను.
పాఠం సంఖ్య 3, వాస్తవానికి, అధికారిక TensorFlow ట్యుటోరియల్ నుండి మెటీరియల్ల అనుసరణ. ఈ ట్యుటోరియల్లో, బట్టల చిత్రాలను (ఫ్యాషన్ MNIST డేటాసెట్) ఎలా వర్గీకరించాలో తెలుసుకోవడానికి మేము బహుళస్థాయి న్యూరల్ నెట్వర్క్ని ఉపయోగిస్తాము.
పాఠాలు సంఖ్య 4 నుండి సంఖ్య 7 వరకు కూడా ట్యుటోరియల్ యొక్క అనుసరణ. కానీ అవి సరిగ్గా అమర్చబడినందున, అధ్యయనం యొక్క క్రమాన్ని మీరే అర్థం చేసుకోవలసిన అవసరం లేదు. ఈ పాఠాలలో మేము అల్ట్రా-కచ్చితమైన న్యూరల్ నెట్వర్క్ల గురించి క్లుప్తంగా చెప్పాము, శిక్షణ యొక్క ఖచ్చితత్వాన్ని ఎలా పెంచాలి మరియు మోడల్ను ఎలా సేవ్ చేయాలి. అదే సమయంలో, చిత్రంలో పిల్లులు మరియు కుక్కలను వర్గీకరించే సమస్యను మేము ఏకకాలంలో పరిష్కరిస్తాము.
పాఠం నం. 8 పూర్తిగా ప్రత్యేక కోర్సు, వేరే ఉపాధ్యాయుడు ఉన్నారు మరియు కోర్సు చాలా విస్తృతమైనది. పాఠం సమయ శ్రేణి గురించి. నాకు దానిపై ఇంకా ఆసక్తి లేనందున, నేను దానిని వికర్ణంగా స్కాన్ చేసాను.
ఇది పాఠం #9తో ముగుస్తుంది, ఇది TensorFlow లైట్లో ఉచిత కోర్సు తీసుకోవడానికి ఆహ్వానం.
మీకు నచ్చినవి మరియు నచ్చనివి
నేను ప్రోస్తో ప్రారంభిస్తాను:
- కోర్సు ఉచితం
- కోర్సు TensorFlow 2లో ఉంది. నేను చూసిన కొన్ని పాఠ్యపుస్తకాలు మరియు ఇంటర్నెట్లో కొన్ని కోర్సులు TensorFlow 1లో ఉన్నాయి. పెద్ద తేడా ఉందో లేదో నాకు తెలియదు, కానీ ప్రస్తుత సంస్కరణను నేర్చుకోవడం ఆనందంగా ఉంది.
- వీడియోలోని ఉపాధ్యాయులు బాధించేది కాదు (రష్యన్ వెర్షన్లో వారు అసలైన దానిలా ఉల్లాసంగా చదవరు)
- కోర్సు ఎక్కువ సమయం పట్టదు
- కోర్సు మీకు విచారంగా లేదా నిస్సహాయంగా అనిపించదు. కోర్సులో టాస్క్లు సరళమైనవి మరియు ఏదైనా స్పష్టంగా తెలియకపోతే సరైన పరిష్కారంతో Colab రూపంలో ఎల్లప్పుడూ సూచన ఉంటుంది (మరియు సగం టాస్క్లు నాకు స్పష్టంగా లేవు)
- ఏదైనా ఇన్స్టాల్ చేయవలసిన అవసరం లేదు, కోర్సు యొక్క అన్ని ప్రయోగశాల పని బ్రౌజర్లో చేయవచ్చు
ఇప్పుడు ప్రతికూలతలు:
- ఆచరణాత్మకంగా నియంత్రణ పదార్థాలు లేవు. పరీక్షలు లేవు, టాస్క్లు లేవు, కోర్సు యొక్క నైపుణ్యాన్ని ఏదో ఒకవిధంగా తనిఖీ చేయడానికి ఏమీ లేదు
- నా నోట్ప్యాడ్లు అన్నీ అవి తప్పక పని చేయలేదు. ఇంగ్లిష్లోని ఒరిజినల్ కోర్సు యొక్క మూడవ పాఠంలో కొలాబ్లో లోపం ఉందని నేను అనుకుంటున్నాను మరియు దానిని ఏమి చేయాలో నాకు తెలియదు
- కంప్యూటర్లో మాత్రమే చూడటానికి సౌకర్యంగా ఉంటుంది. బహుశా నాకు అది పూర్తిగా అర్థం కాలేదు, కానీ నా స్మార్ట్ఫోన్లో ఉడాసిటీ యాప్ని కనుగొనలేకపోయాను. మరియు సైట్ యొక్క మొబైల్ వెర్షన్ ప్రతిస్పందించదు, అంటే, దాదాపు మొత్తం స్క్రీన్ ప్రాంతం నావిగేషన్ మెనుచే ఆక్రమించబడింది, కానీ ప్రధాన కంటెంట్ను చూడటానికి మీరు వీక్షణ ప్రాంతం దాటి కుడివైపుకి స్క్రోల్ చేయాలి. అలాగే, ఫోన్లో వీడియోను చూడలేరు. మీరు నిజంగా 6 అంగుళాల కంటే ఎక్కువ కొలిచే స్క్రీన్పై దేనినీ చూడలేరు.
- కోర్సులోని కొన్ని విషయాలు చాలాసార్లు నమలబడతాయి, కానీ అదే సమయంలో, కన్వల్యూషనల్ నెట్వర్క్లలోని నిజంగా అవసరమైన విషయాలు కోర్సులో నమలబడవు. కొన్ని వ్యాయామాల యొక్క మొత్తం ఉద్దేశ్యం నాకు ఇప్పటికీ అర్థం కాలేదు (ఉదాహరణకు, మాక్స్ పూలింగ్ దేనికి).
సారాంశం
అద్భుతం జరగలేదని మీరు ఇప్పటికే ఊహించారు. మరియు ఈ చిన్న కోర్సును పూర్తి చేసిన తర్వాత, న్యూరల్ నెట్వర్క్లు ఎలా పని చేస్తాయో నిజంగా అర్థం చేసుకోవడం అసాధ్యం.
వాస్తవానికి, దీని తర్వాత స్విచ్గేర్లలోని స్విచ్లు మరియు బటన్ల ఛాయాచిత్రాల వర్గీకరణతో నేను నా సమస్యను నా స్వంతంగా పరిష్కరించలేకపోయాను.
కానీ మొత్తంగా కోర్సు ఉపయోగకరంగా ఉంటుంది. ఇది TensorFlowతో ఏయే పనులు చేయవచ్చో మరియు తదుపరి ఏ దిశలో వెళ్లాలో చూపిస్తుంది.
నేను మొదట పైథాన్ యొక్క ప్రాథమికాలను నేర్చుకోవాలని మరియు న్యూరల్ నెట్వర్క్లు ఎలా పని చేస్తాయనే దాని గురించి రష్యన్లో పుస్తకాలు చదవాలని అనుకుంటున్నాను, ఆపై TensorFlowని తీసుకోవాలి.
ముగింపులో, హబ్ర్పై మొదటి కథనాన్ని వ్రాయడానికి నన్ను ప్రోత్సహించినందుకు మరియు దానిని ఫార్మాట్ చేయడంలో నాకు సహాయం చేసినందుకు నా స్నేహితులకు ధన్యవాదాలు చెప్పాలనుకుంటున్నాను.
PS మీ వ్యాఖ్యలు మరియు ఏదైనా నిర్మాణాత్మక విమర్శలను చూసి నేను సంతోషిస్తాను.
మూలం: www.habr.com