https://habrahabr.ru/post/348058/

https://habrahabr.ru/post/348058/

Спасибо и вам тоже.

Приветствую. Кто сможет помочь зафайнтюнить vgg16 на керасе?

Веса ручками пообновлять, чтоли?

Веса ручками пообновлять, чтоли?

Почти

:)

Не запускается базовый пример

Подскажите нубу, имеет смысл нейронку пытатьсч натренировать на сл задачку: есть куча пар gpx трэков (lat, lon, alt + кучка данных с гиро/аксов/магнетометра) и к каждому есть референсный (lat, lon, alt). Или все-таки в математику упороться с кватернионами и пр.

И сразу стало понятно, какой пример, какую ошибку выдает.

Подскажите нубу, имеет смысл нейронку пытатьсч натренировать на сл задачку: есть куча пар gpx трэков (lat, lon, alt + кучка данных с гиро/аксов/магнетометра) и к каждому есть референсный (lat, lon, alt). Или все-таки в математику упороться с кватернионами и пр.

И в чем же задача?

И в чем же задача?

Натренировать можельку чтоб она из «сырых» трэков делала нормальные.

Наверное, можно

Народ, кто-нибудь в курсе как в numpy сделать dataX = np.vstack([dataX,X]) Но при этом не обьявляя dataX заново. Тоесть, если большой обьем данных, то он какбы отдельно в памяти делает np.vstack([dataX,X]) , а после этого присваивает его dataX. Получается 2 огромных куска dataX, и как следствие - очень долго всё это дело работает. Вопрост такой: есть ли какой-то вариант сделать то же самое по типу mas.append(), т.е. чтобы он сразу же стакал вектора в dataX.

https://stackoverflow.com/questions/13215525/how-to-extend-an-array-in-place-in-numpy

Можно вручную сделать resize и положить данные туда, но не факт, что это уберёт мусор.

хм. ща потестим, мб реально быстрее будет. какой мусор?о_О

Я не прав - resize возвращает новый массив

Тоесть по сути шыло на мыло меняем?

Да

Мдэ. грустненько.

Ну, учитывая то, что массивы лежат в памяти как попало - не думаю, что тут есть хорошее решение :(

Может сразу читать в большой массив, уже собранный по размерам под vstack?

Может сразу читать в большой массив, уже собранный по размерам под vstack?

Проблема в том что я не знаю изначально размер массива. Он циклично по папочкам проходит, собирает от туда данные, берет признаки и их уже заносит какбы в dataX.

:( Можно сделать в два прохода, но всё равно печально.

попробуйте очистить через gc.collect() https://docs.python.org/3/library/gc.html

Кто-то пользовался пакетом bear в R?

по поводу массива

если работать потом все равно с массивом numpy то может быть есть смысл до тех пор пока собираются данные из папок и его размеры не известны сложить все в бд?

хотя бы в sqlite в memory

скорее всего эти данные вообще в память могут не влезть, ведь этот массив вы скорее всего еще куда то пихнете обучаться, и есть веротность того, что алгоритм оптимизирован не под память а под скорость

ну и на крайняк можно на локальной машине спарк погонять - не лучшее решение, но если данных действительно много - почему нет)

Надо распознать показания счетчика

https://www.pyimagesearch.com/2017/02/13/recognizing-digits-with-opencv-and-python/ https://www.pyimagesearch.com/2017/07/17/credit-card-ocr-with-opencv-and-python/

Народ, кто-нибудь в курсе как в numpy сделать dataX = np.vstack([dataX,X]) Но при этом не обьявляя dataX заново. Тоесть, если большой обьем данных, то он какбы отдельно в памяти делает np.vstack([dataX,X]) , а после этого присваивает его dataX. Получается 2 огромных куска dataX, и как следствие - очень долго всё это дело работает. Вопрост такой: есть ли какой-то вариант сделать то же самое по типу mas.append(), т.е. чтобы он сразу же стакал вектора в dataX.

а разве concatenate не делает то, что нужно? https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.concatenate.html

PS Я не сварщик, просто похожая проблема была как-то в pandas

Кто-то пользовался пакетом bear в R?

Да

Как его запустить в R studio?

То есть я его подключила Понимает, что там окно доп должно выскочить? И как туда данные подгрузить?

Я на митапе немного рассказывал про него https://statist-bhfz.github.io/r_trials.html#/-r----

Все по мануалу с оф. сайта работает, в чем конкретно затык?

Всем привет

Как сделать такую задачу. Клиент фотографирует банковскую карту. Нейросеть ее определяет, вычитывает номер, фио дату и потом меняет цифры в середине на xxxx xxxx на фотографии. Так там фон может быть разный, угол то есть номер карты красиво должен замаскироваться внутри фотографии Далее фотография отправляется дальше в нужный отдел

Все по мануалу с оф. сайта работает, в чем конкретно затык?

Затык в том, что library(bear), а дальше не знаю, что с ним делать

ERROR: S client not available

Там ведь как-то надо его запустить

Это расширение

Или скажите как заставить нейросеть

Мутировоть цифру в символ X

На картинке

Там ведь как-то надо его запустить

go() вроде бы

Вот, ошибка на это

Пакет здорово обновился

Из-под просто R (не RStudio) тоже не работает?

Как сделать такую задачу. Клиент фотографирует банковскую карту. Нейросеть ее определяет, вычитывает номер, фио дату и потом меняет цифры в середине на xxxx xxxx на фотографии. Так там фон может быть разный, угол то есть номер карты красиво должен замаскироваться внутри фотографии Далее фотография отправляется дальше в нужный отдел

Все, что нужно - определить границы прямоугольника-карточки. Цифры на одном и том же месте, можно наложить поверх картинку с крестиками

Все, что нужно - определить границы прямоугольника-карточки. Цифры на одном и том же месте, можно наложить поверх картинку с крестиками

У каждых карт разный фон

Поместишь будет некрасиво

Сейчас много VAE сетей

Которые как бы могут прям на картинке сделать как человек улыбается. Неужели они не могут сделать из одной буквы другое ?

Которые как бы могут прям на картинке сделать как человек улыбается. Неужели они не могут сделать из одной буквы другое ?

ну это будет слишком хардхорное решение для такой задачи, и не факт что оно будет работать, найти позицию карточки и по позиции закрасить нужные области, или просто размыть, или наложить ххх будет намного проще

Добрый день! Кто-нибудь может посоветовать, где можно прочитать про применение условных случайных полей в задаче определения логического структуры текста? Кто-нибудь может посоветовать еще просто статей по этому методу?

По запросу conditional random fields text structure в гугле?

Если хочешь что-то осмысленное получить, рекомендую инстанцию повыше ods.ai

По запросу conditional random fields text structure в гугле?

Это понятно, хотелось бы найти еще более подробное на английском и что-нибудь русскоязычное

Привет вам! Хочу освоить высокоуровневую библиотеку для нейросетей. Думал про keras, но недавно услышал про tflearn. Чем tflearn может быть лучше?