МАШИННОЕ ОБУЧЕНИЕ Как люди видят мою работу Как мои друзья видят мою работу Как мои родители вид / it-юмор :: geek (Прикольные гаджеты. Научный, инженерный и айтишный юмор)

it-юмор geek 
МАШИННОЕ ОБУЧЕНИЕ
Как люди видят мою работу
Как мои друзья видят мою работу
Как мои родители видят мою работу
■ *Мг-¿°Л('*. "*»)* ¿о.
•«*
?$(*,) = I ¿3 ?*(*,,*;*,) + ^г(0,).
■ ■1
А+| = Л — Ч»Г/(х,(0,У|<«>:^|) — Ч» • ^г(0|)
Ь(оМ^(о»Л(о;^))в п £.*(*•• !л;0«)‘
Как программисты видят мою
Подробнее
МАШИННОЕ ОБУЧЕНИЕ Как люди видят мою работу Как мои друзья видят мою работу Как мои родители видят мою работу ■ *Мг-¿°Л('*. "*»)* ¿о. •«* ?$(*,) = I ¿3 ?*(*,,*;*,) + ^г(0,). ■ ■1 А+| = Л — Ч»Г/(х,(0,У|<«>:^|) — Ч» • ^г(0|) Ь(оМ^(о»Л(о;^))в п £.*(*•• !л;0«)‘ Как программисты видят мою работу Как я вижу свою работу »> £гош зк1еагп import зш Что я на самом деле делаю ^1
it-юмор,geek,Прикольные гаджеты. Научный, инженерный и айтишный юмор
Еще на тему
Развернуть

Отличный комментарий!

СТАНОВИСЬ ДАТА САЕНТИСТОМ КАК Я
ТЫ ЧЁ ПЁС,
Я МАТЕМАТИК
ТАК ТЫ ЖЕ ПРОСТО РАНДОМНО Г ПОДБИРАЕШЬ КОЯФИЦИЕНТЫ | покакроссвал11Щ11я НЕ т нормальный результат
ПИТОНИСТАМ МАЛО ПЛАТЯТ... 1.	
у ж / . ','/пХ$Кг	ггтоЯ / К ЛЙсУ’/ "Жя С Ь Ч\л*Ы ■ уМ' ¡|х ^¿. 1- .^т /(мгЯ Л— / ¿¿4^
ЭТО ЗАЧЕМ? <УЧ‘ ■ 1 т 1
Liksys Liksys 17.04.201922:37 ссылка
+36.2
THIS IS YOUR MACHINE LEARNING SYSTEM?
YOP! YOU FOUR THE NT0THI5 BIG PILE OF UNEAR ALGEBRA, THEN COLLECT THE ANSWERS ON THE OTHER SIDE.
int16 int16 17.04.201921:44 ответить ссылка 12.5
А третьей халфы в кучи то нет
И главноеж в каждой ебучей рекламе нужно обозвать свою херню «искусственным интеллектом»
Egor1223 Egor1223 17.04.201921:52 ответить ссылка 4.2
"If yo do machine learning and want to sell it, name it Artificial Intelligence"
Ну, формально, нейросеть можно назвать ИИ, поскольку от естественного отличается только параметрами.
Более того, нейросеть в этом плане можно усовершенствовать, чего не проделать с мозгом
lumen lumen 17.04.201922:19 ответить ссылка -0.7
Формально, и конечный автомат можно назвать ИИ.
Нельзя, потому что в отличии от интеллекта нейросеть задрачивается под выполнение какой то конкретной функции. Она что то среднее между классическим линейным алгоритмом и интеллектом.
А вот сеть из нейросетей соединённая в единое целое и способная сама выполнять круг задач и еще по ходу дела чему нибудь обучаться, особенно выполнению новых доселе невиданных задач и опять же без чей либо особой помощи - вот це уже пожалуй интеллект.
Будто человек не задрачивается под выполнение конкретной задачи.
Одна структура может выполнять разные задачи, чем не ИИ? До естественного интеллекта конечно далеко, в мозге нейронов очень много. Причём они могут разрывать старые и образовывать новые связи в ходе развития, также есть блуждающие нейроны. Всё дело в объёме, а элементарная база уже имеется.
Многие люди неспособны на самообучение, раз уж на то пошло.
lumen lumen 18.04.201919:02 ответить ссылка 0.0
https://roem.ru/10-04-2019/277027/bobuk-sovet-sovetu/
Актуально сейчас как никогда. Учитывая, что из математики я могу вспомнить только как находить дискриминант у квадратного корня. А так хочется собственную модель запилить.
ivdos ivdos 17.04.201922:01 ответить ссылка -0.4
Запили модель, которая перерабатывает любую информацию в квадратные корни и извлекает из них дискриминанты
Квадратное уравнение конечно же.
ivdos ivdos 17.04.201922:12 ответить ссылка 0.1
1. Взять Keras
2. Накидать разных слоев, сверток там, полносвязанных и прочего говна
3. Обучить
4. ???
5. Profit

А вот как придумать, какие слои брать, как это соединять, как делать ебучую магию вида "а вот тут у нас плохо, поэтому мы применим такую-то функцию активации, хитроподвыебанный слой, нормализацию такую-то, а вот тут говнище из такой-то статьи с архива" - я ебу.
Я думаю над тем как сделать нормальный расцензуриватель. Фишка в том, что модель pix2pix конечно подходит, но результат получается мутноватый, впрочем возможно это проблема небольшого датасета. Мелкую мозаику можно привести в вид максимально приближенный к оригиналу, но когда она крупная, нужно как-то думать над тем, что бы брать цвета из ячеек, и комбинировать это с inpaint техникой. Есть куча всяких реализаций, все они в открытом доступе, но скудность моих познаний в матане не дает мне применить эти знания правильно.
ivdos ivdos 18.04.201900:36 ответить ссылка 0.9
Ну, ваши познания превышают мои на пару порядков. А практика так вообще.
А почему пикс2пикс? CycleGAN с resnet архетиктурой должен получше вписаться.

Можно попробовать что-то вроде: https://github.com/AlamiMejjati/Unsupervised-Attention-guided-Image-to-Image-Translation . Если датасет нормальный, по идее должно выучить как находить зацензуренные области и уже работать только с ними.

>> нужно как-то думать над тем, что бы брать цвета из ячеек, и комбинировать это с inpaint техникой
Ну как бы смысл в весь в том, чтобы сеть сама выучилась как это делать наилучшим образом. Или есть какие то другие идеи?

С матаном у меня обратная проблема. Я его относительно норм знаю, но в этом дип лернинге он особо не нужен и его не всегда можно притулить. Сейчас 80% статей вообще без формул (или что то тривиальное и так известное, просто для галочки).
int16 int16 19.04.201909:20 ответить ссылка 0.0
Это не подходит, почему именно pix2pix в этой статье написано https://zhuanlan.zhihu.com/p/27199954
Вообще pix2pix это модель как раз в основе которой CycleGAN.

>Ну как бы смысл в весь в том, чтобы сеть сама выучилась как это делать наилучшим образом. Или есть какие то другие идеи?
Была идея новую модель сделать. Поэтому я думал над тем каким образом вытаскивать данные из изображений. Нейронка же получает нужные данные, ей нельзя просто скормить изображение, нужно его подготовить. То есть Из чего состоит изображение из пикселей, каждый пиксель содержит информацию о цвете. Если изображение RGB то 1 байт на цвет, так-как цвета в диапазоне от 0 до 255 или же в 16ричном виде 00 - FF. RGBA уже 4 байта содержит.

Тут надо думать как все это вырисовывать. Тип смотри, при inpaint сначала детектятятся края, затем основываясь на предскозания нейронки края дорисовываются, соединяются между собой. Потом уже идет сам процесс дорисовывания. Если взять изображение с мозаикой и посмотреть каким образом детектятся края. Тут все очень хреново.
Step 1 : Gaussian smoothing
▼
Overlay '
Value at [503,037] =	174.534
Step 3 : Non-maximum suppression T
Overlay L)
ivdos ivdos 19.04.201910:11 ответить ссылка 0.0
У меня гугл переводчик что-то не может перевести эту страницу.

Так почему именно пикс2пикс?

Пикс2пикс как супервайзд модель наверное лучше подойдет исходя из того, что датасет небольшой, и скорее всего у тебя там есть пары зацензурено/незацензурено.

СайклГан работает ансупервайзд, нет необходимости в парах, но нужно очень много картинок из одного и из другового домена.

В плане архитектуры, пикс2пикс использует юнет, который в данном случае может значительно проигрывать резнет блокам.

>> Поэтому я думал над тем каким образом вытаскивать данные из изображений. Нейронка же получает нужные данные, ей нельзя просто скормить изображение, нужно его подготовить. То есть Из чего состоит изображение из пикселей, каждый пиксель содержит информацию о цвете. Если изображение RGB то 1 байт на цвет, так-как цвета в диапазоне от 0 до 255 или же в 16ричном виде 00 - FF. RGBA уже 4 байта содержит.

Я чет завис. Как это нельзя просто скормить? Во флоат поинт перевести и нормализовать и скормить. Так все и делают.

>> Тип смотри, при inpaint сначала детектируется края, затем основываясь на предскозания нейронки края дорисовываются, соединяются между собой

Я бы делал так:

1. Обучить одну сеть находить мазайку и выдавать маску где эта мозайка. Здесь прогстой юнет подойдет. Можно глянуть статьи по сегментации.
Можно написать тузу которая будет генерить все возможные вариации мозайки, добавлять чуть мыла и шума.
Кидать эту мозайку рандомно на разные участки исходных изображений. Groundtruth у нас получается есть, обучить юнет должно быть не проблема.

2. Обучить другую сеть для инпейтинга. Например http://openaccess.thecvf.com/content_cvpr_2018/papers/Yu_Generative_Image_Inpainting_CVPR_2018_paper.pdf . Здесь придется на исходных изображения поотмечать все места которые могут быть зацензурены. Есть аниме фейс детектор на основе хаар вейвлетов, его думаю можно переобучить с небольшим вручную собранным датасетом находить те самые места. Линка https://github.com/nagadomi/lbpcascade_animeface

3. Теперь у нас есть: сеть которая находит цензуру и выдает маску, сеть которая умеет в инпейнт. Вместе по идее должно делать именно то, что нужно.
int16 int16 19.04.201911:39 ответить ссылка 0.0
Сорри за тучу опечаток, у меня 5 утра и я еще на работе.
int16 int16 19.04.201911:45 ответить ссылка 0.0
Во, хоть кто-то в этом разбирается. Я писал все это с значительно более скудными познаниями. По сути я только вкатываюсь во все это дело. По практической части собираю датасет, который все еще очень небольшой всего 400+ изображений пара ценз-неценз.
По поводу скармливания изображения я это и имел ввиду, у меня просто крайне плохо получается что либо объяснять, по твоим ссылкам я пройдусь и посмотрю подумаю.
>очень много картинок
Вот с этим у меня и проблемы, да и думаю, что у нейронки тоже будут. Так-как стиль некоторых артов может в значитеьной мере разнится. Ща дотренирую pix2pix попробую запустить сайклган, посмотрим что из этого выйдет.
ivdos ivdos 19.04.201911:55 ответить ссылка 0.0
не ну не все так плохоб еще иногда можно делать:
```
from keras.models import load_model
model = load_model('model.h5')
```
Ну и opencv грызть)
А разве не pandas для этого используется?
Renaon Renaon 17.04.201922:37 ответить ссылка 0.0
И он тоже
СТАНОВИСЬ ДАТА САЕНТИСТОМ КАК Я
ТЫ ЧЁ ПЁС,
Я МАТЕМАТИК
ТАК ТЫ ЖЕ ПРОСТО РАНДОМНО Г ПОДБИРАЕШЬ КОЯФИЦИЕНТЫ | покакроссвал11Щ11я НЕ т нормальный результат
ПИТОНИСТАМ МАЛО ПЛАТЯТ... 1.	
у ж / . ','/пХ$Кг	ггтоЯ / К ЛЙсУ’/ "Жя С Ь Ч\л*Ы ■ уМ' ¡|х ^¿. 1- .^т /(мгЯ Л— / ¿¿4^
ЭТО ЗАЧЕМ? <УЧ‘ ■ 1 т 1
Liksys Liksys 17.04.201922:37 ответить ссылка 36.2
Когда-нибудь я пойму эти посты,а пока пойду полистаю приколы для даунов
Fiat lux Fiat lux 17.04.201922:53 ответить ссылка 14.9
Только зарегистрированные и активированные пользователи могут добавлять комментарии.
Похожие темы

Похожие посты
WE ARE генетический алгоритм,Science & Technology,генетический алгоритм,эволюция,эволюционные вычисления,Pixilang,genetic algorithm,evolutionary algorithms,естественный отбор,evolution,Эксперимент а области генетических алгоритмов
https://yadi.sk/d/AKx5raiN3Lghrp
Мой кошелёк на яндекс-деньги для желающих м
подробнее»

алгоритм генетический алгоритм видео,video гик geek,Прикольные гаджеты. Научный, инженерный и айтишный юмор foo52ru pixilang

генетический алгоритм,Science & Technology,генетический алгоритм,эволюция,эволюционные вычисления,Pixilang,genetic algorithm,evolutionary algorithms,естественный отбор,evolution,Эксперимент а области генетических алгоритмов https://yadi.sk/d/AKx5raiN3Lghrp Мой кошелёк на яндекс-деньги для желающих м
лучший в мире дверной звонок и автоотвечик =),Science & Technology,дверной звонок,звонок,автоответчик,ссылка на говорилку:
http://www.getchip.net/posts/087-attiny2313-sd-card-talking-device/
подробнее»

video geek,Прикольные гаджеты. Научный, инженерный и айтишный юмор krako

лучший в мире дверной звонок и автоотвечик =),Science & Technology,дверной звонок,звонок,автоответчик,ссылка на говорилку: http://www.getchip.net/posts/087-attiny2313-sd-card-talking-device/
Имитатор программиста
Уровень зарплаты:
10 000-30 000 руб.
Обязанности:
Имитировать деятельность программиста, когда приходят клиенты, открывать код (файлы с кодом дадим). Внимательно смотреть в монитор и бормотать: «Что за кретин писал этот код?!», «Говорил же, надо на фреймворке делать!» и др
подробнее»

it-юмор geek,Прикольные гаджеты. Научный, инженерный и айтишный юмор вакансия работа работа моей мечты работа мечты программист песочница

Имитатор программиста Уровень зарплаты: 10 000-30 000 руб. Обязанности: Имитировать деятельность программиста, когда приходят клиенты, открывать код (файлы с кодом дадим). Внимательно смотреть в монитор и бормотать: «Что за кретин писал этот код?!», «Говорил же, надо на фреймворке делать!» и др
Пожалуй, самый быстрый релейный компьютер в мире,Science & Technology,релейный компьтер,Brainfuck,brainfuckpc,Релейный компьютер работает! Проект еще не завершен, но компьютер уже способен исполнить программу Hello World, написанную на языке Brainfuck с безумной для релейных схем частотой 25Гц!
Всег
подробнее»

it geek,Прикольные гаджеты. Научный, инженерный и айтишный юмор brainfuck мастерство мастер поехавший Не мое песочница video

Пожалуй, самый быстрый релейный компьютер в мире,Science & Technology,релейный компьтер,Brainfuck,brainfuckpc,Релейный компьютер работает! Проект еще не завершен, но компьютер уже способен исполнить программу Hello World, написанную на языке Brainfuck с безумной для релейных схем частотой 25Гц! Всег