In description of chat write username chat for english

I see ,thankyou

I see ,thankyou

?

"Я б выучил русский только за то, что на нём писали Пушкин, Гоголь, и чат по машинному обучению..."

Ахах

Добрый день

Поделитесь, пожалуйста, нет ли у кого-нибудь позитивного опыта установки Tensorflow gpu на виртуалке Ubuntu (Virtualbox), host-система Windows 8

8.1

главная проблема в том, что Ubuntu не видит GPU

https://habrahabr.ru/post/137327/

главная проблема в том, что Ubuntu не видит GPU

тебе необходимо пробросить карту

да, это я вроде бы понял. Но в manual'е Virtualbox написано, что PCI paththrough - это фича для "Linux hosts"

пардон passthorugh

недосмотрел у тебя виндовс в качестве хоста

Да, проблема в том, что хост — винда

а не наоборот

уже увидел

тогда нужно прощаться с виндой

ну тогда уж систему с двойной загрузкой делать )

но это печаль

других вариантов нет?

ок, еще есть вариант ставить это все прямо в винде вроде

ну тогда уж систему с двойной загрузкой делать )

поставь рядом с виндой линукс и граб в качстве загрузчика

ок, сформулируем вопрос по-другому :). Приходилось ли кому-то ставить это все безобразие под виндой. Инструкция есть https://sites.google.com/site/ivanhuertacasado/installing-keras-theano-tensorflow-with-gpu-windows

Но интересно наличие прецедента, кто-то пробовал, это работоспособно вообще? :)

Ну я на 10 когда то ставил тф но без гпу

Но не вижу причин почему с гпу не заведётся

Сап, млчан. Пытаюсь запилить Super Resolution GAN в керасе, и столкнулся с такой штукой - во всех работах в D и G используется BatchNorm, но у меня с ним ничего не вышло от слова совсем. G с ним начинает выдавать мусор и никак не тренируется, а вот D хорошо тренируется, но ровно до тех пор пока нет полной модели (d_on_g, combined model). Как только на одном батче запускаю combined_model.train_on_batch, при том что D.trainable = false, дискриминатор схлопывается и начинает на любой инпут выдавать 1. Я подозреваю что это как то связано с внутренними параметрами батчнорм слоя, которые обновляются во время тренировки всей сети, а как обойти это идей нет совсем :( может кто подскажет варианты? Заранее спасибо

Сап, млчан. Пытаюсь запилить Super Resolution GAN в керасе, и столкнулся с такой штукой - во всех работах в D и G используется BatchNorm, но у меня с ним ничего не вышло от слова совсем. G с ним начинает выдавать мусор и никак не тренируется, а вот D хорошо тренируется, но ровно до тех пор пока нет полной модели (d_on_g, combined model). Как только на одном батче запускаю combined_model.train_on_batch, при том что D.trainable = false, дискриминатор схлопывается и начинает на любой инпут выдавать 1. Я подозреваю что это как то связано с внутренними параметрами батчнорм слоя, которые обновляются во время тренировки всей сети, а как обойти это идей нет совсем :( может кто подскажет варианты? Заранее спасибо

какой фреймворк

Ml от coursera - там только теория? Для практики тогда кегл думаю будет норм?

Все курсы - это только теория. Причём теория, расходящаяся с практикой на 8-12 порядков

Все курсы - это только теория. Причём теория, расходящаяся с практикой на 8-12 порядков

Что это значит?

Что она не работает на практике это значит

Все курсы - это только теория. Причём теория, расходящаяся с практикой на 8-12 порядков

лолшто

лолшто

Я тоже не понимаю как хирург может резать аппендицит не зная где он находится

Грубо говоря

Я тоже не понимаю как хирург может резать аппендицит не зная где он находится

Перебором гиперпараметров

Я тоже не понимаю как хирург может резать аппендицит не зная где он находится

а как водить незная устройство ДВС представляешь?

Я тоже не понимаю как хирург может резать аппендицит не зная где он находится

Стэкингом xgboost-ов

а как водить незная устройство ДВС представляешь?

Кажись понял о чем ты

Хотя я не думаю что без теории можно эффективно мл заниматься

Теория нужна, но её нормальной нет

Все курсы - это только теория. Причём теория, расходящаяся с практикой на 8-12 порядков

покажешь в cs231n хоть одну ошибку на 8 порядков?

Теория Вапника-Червоненскиса ошибается на 8 порядков в предсказании размера обучающей выборки для обучения с заданной точностью, и не может объяснить, почему лес лучше дерева

А оттуда все эти учения о переобучении

Реальные знания можно получить только через личный опыт, по знакомству, в чате, через конференции всяких Avito/Sberbank

Теория Вапника-Червоненскиса ошибается на 8 порядков в предсказании размера обучающей выборки для обучения с заданной точностью, и не может объяснить, почему лес лучше дерева

и чо? Какой-то курс по DL преподносит её как верную?

Реальные знания можно получить только через личный опыт, по знакомству, в чате, через конференции всяких Avito/Sberbank

ну если совсем не умеешь в самообучение, то да

Короче прочитай по диагонали любую книгу/курс по ML, но особо ей не доверяй. И вперёд решать задачи

Короче прочитай по диагонали любую книгу/курс по ML, но особо ей не доверяй. И вперёд решать задачи

сейчас читаю Рашка. Питон и мущщин ленинг Норм?

ну если совсем не умеешь в самообучение, то да

Если бы так было - то с университетов бы выпускались сразу senior dev-ы, нет? А вообще, кажется, что собеседник просто пытается сказать, что работа отличается от того материала, который дают в курсах.

Все теоретические замути пропускай, все выжимки из реального опыта запоминай

Если бы так было - то с университетов бы выпускались сразу senior dev-ы, нет? А вообще, кажется, что собеседник просто пытается сказать, что работа отличается от того материала, который дают в курсах.

но это не то же самое, что "реальные знания можно получать только в чате или на конференции авито"

так же как и прочие заявления типа "курсы по мл дают теорию отличающуюся от реальности на 8 порядков" и подача того что теория вапника непременима к dl как откровения

Я проходил "Операцию Эндрю Ы" лет 5 назад, может за это время что нибудь изменилось

Недавно посмотрел пару лекций от МФТИ, там было что-то уже близкое к реальности

Я проходил "Операцию Эндрю Ы" лет 5 назад, может за это время что нибудь изменилось

ох лол, курс старше алекснета?

Теория за это время не продвинулась нифига

А изучать каждую отдельную нейросеть можно и без курса

ERROR: S client not available

Теория за это время не продвинулась нифига

что еще расскажешь?

https://stats385.github.io/

например все что в этом курсе ты конечно знал пять лет назад?)

Так я этого и сейчас не знаю

ну я и не сомневался?‍♂

Так они тоже начинают с того, что нет нормальной теории

так ты начал с того что все курсы это теория которая ошибается на 8 порядков

впрочем спор о том зачем что-то знать если можно ничего не знать и получать бабки древний как мир и поддерживать его не вижу.

А вот чуваков которые три шаблонных метода без понимания применяют к любой задаче и на этом заканчивают вижу много)

А вот чуваков которые три шаблонных метода без понимания применяют к любой задаче и на этом заканчивают вижу много)

Вот это верно

но это не то же самое, что "реальные знания можно получать только в чате или на конференции авито"

А вы лично считаете, что университетских курсов достаточно для полноценной работы? Это ж ведь, как изучать в университете паттерны, лучшие практики разработки, но без практического опыта, это мало что даст. P.S Опечатка забавная тем, что по смыслу тоже подходит

впрочем спор о том зачем что-то знать если можно ничего не знать и получать бабки древний как мир и поддерживать его не вижу.

Чтобы поддерживать знания в актуальном состоянии, приходится тратить просто кучу времени на изучение кучи источников, потому что никто не догадался нормально всё это собрать вместе обобщить. В последнее время стали появяться годные учебные материалы, но года 3 назад с этим была вообще беда

А вы лично считаете, что университетских курсов достаточно для полноценной работы? Это ж ведь, как изучать в университете паттерны, лучшие практики разработки, но без практического опыта, это мало что даст. P.S Опечатка забавная тем, что по смыслу тоже подходит

ну если курс из норм универа с хорошим преподом и адекватным проектом в конце то лучше большинства других методов разобраться

ну если курс из норм универа с хорошим преподом и адекватным проектом в конце то лучше большинства других методов разобраться

Но ведь этого все еще будет недостаточно. Если бы было достаточно, то их всяких Stanford-ов, сразу бы шли на топ позиции, но обычно так не случается

Но ведь этого все еще будет недостаточно. Если бы было достаточно, то их всяких Stanford-ов, сразу бы шли на топ позиции, но обычно так не случается

ну если бы можно было за такое время стать топ экспертом, то это было бы скучно

Мне казалось, что большую часть работы аналитика еще состоит в отборе фич, очистке данных, понимаю предметной области, поэтому, обычно, человек с N годами опыта практической работы, будет, наверное, лучше человека с N годами академической деятельности

ну если курс из норм универа с хорошим преподом и адекватным проектом в конце то лучше большинства других методов разобраться

Может быть. Но я изучал машинное обучение не так: ещё до окончания универа на меня взвалили проект по распознаванию поз, где ничего не работало, а все более старшие сотрудники ничего не сделали и ушли

Может быть. Но я изучал машинное обучение не так: ещё до окончания универа на меня взвалили проект по распознаванию поз, где ничего не работало, а все более старшие сотрудники ничего не сделали и ушли

И ты сразу без теории стал тыкать все подряд в надежнее что что-нибудь да заработает?

И ты сразу без теории стал тыкать все подряд в надежнее что что-нибудь да заработает?

Сначала пытался применить стандартные теории, но они не работали

Потом пришлось сделать свою теорию для своей конкретной задачи, и оно заработало

Гений

Потом пришлось сделать свою теорию для своей конкретной задачи, и оно заработало

Так это у вас теории не сработали, или все же вся теория по мл не стоит изучения?

Сначала пытался применить стандартные теории, но они не работали

сколько статей с топовых конференций на эту тему не сработали?)

если можно, с ссылками)

ну если бы можно было за такое время стать топ экспертом, то это было бы скучно

That being said any time spent at a company, successful or not, is invaluable. One of the most important things you should look for in your first data science job is a collaborative environment where you can learn a ton from your colleagues. In industry, every minute of your time is valued. While you should approach every problem with initiative, you should never expect to sort out an issue all by yourself. When hunting for a job, you should definitely prioritize the team that can provide the best learning experience during your first year outside of academia. The most sought-after hard skills, statistics knowledge and coding ability, make up the foundation of a good data scientist’s toolkit. The less definable skills we pick up as scientists-in-training during the PhD program are equally as important, like having the ability to look at data and understand bias, understanding validation, problem solving with messy data often created by someone else, working in a team, and communicating effectively to present results.

Так это у вас теории не сработали, или все же вся теория по мл не стоит изучения?

Я не слышал, чтобы кто-то о ней положительно отзывался, типа "проанализировал по теории, и всё заработало". Только наоборот. Она стоит только поверхностного изучения

сколько статей с топовых конференций на эту тему не сработали?)

Статьи - это описания конкретных решений. Я не говорю, что они не работают. Но это не общая теория, а решения конкретной задачи

И в статьях часто ключевые детали не раскрывают