Это хде? О_о

да кажется на курсере

На курсере.

Мдэ. Я думал это сложная задача, а тут погуглил, и оказалось что даже Audacity это может. Прикольно :)

Эндрю вообще мочит

но для pet project было бы здорово. особенно на посмотреть чем нейроночка будет отличаться от безнейроночной регрессии

Эндрю курит в сторонке..

Мдэ. Я думал это сложная задача, а тут погуглил, и оказалось что даже Audacity это может. Прикольно :)

Не может, там игрушка бесполезная

https://mailchi.mp/4e8328c430be/machine-learning-yearning-chapters-1-1258557?e=fd8b9f9fc6

Господа товарищи! Подскажите, если данные для обучения нейронки уже "выработались" (т е на валидационной выборке ошибка начинает расти, а на тренировочном резко падать), то как лучше поступать в дальнейшем обучении: 1 Подмешивать новые данные 2 Учить на полностью новых данных Спасибо!

Господа товарищи! Подскажите, если данные для обучения нейронки уже "выработались" (т е на валидационной выборке ошибка начинает расти, а на тренировочном резко падать), то как лучше поступать в дальнейшем обучении: 1 Подмешивать новые данные 2 Учить на полностью новых данных Спасибо!

учить изначально на всех данных?‍♂

Ну причем тут на всех. Я говорю о том когда данные приходят новые. Их возможно подмешивать или сразу на новых. Может кто знает какая стратегия лучше

Нет столько мощностей, чтобы заново на большом датасете учить

Ну причем тут на всех. Я говорю о том когда данные приходят новые. Их возможно подмешивать или сразу на новых. Может кто знает какая стратегия лучше

Попробуй так и так, а потом опубликуй результаты, мне тоже интересно. Такой вопрос встаёт временами

Хорошо) Расскажу через пару дней

Ну причем тут на всех. Я говорю о том когда данные приходят новые. Их возможно подмешивать или сразу на новых. Может кто знает какая стратегия лучше

так это не связано с ошибкой вообще

ты спросил что делать когда начинается оверфиттинг

подразумевая что есть еще данные

в твоем случае скорее всего лучше подмешивать

Ага. Понятно вроде. Я про то, что данные на которых уже обученна жалко "выкидывать" =) Но по ответу понял, что добавление новых данных как бу освежает старые для нейронки =)

Правильно?

Всем привет , скажите а какие еще нейронки могут определять на изображении несколько объектов помимо yolo ?

Mobilnet + ssd

Хмм понядл , сейчас погуглю спасибо :)

https://www.kdnuggets.com/2017/10/deep-learning-object-detection-comprehensive-review.html

Спасибо сейчас почитаю :)

Господа товарищи! Подскажите, если данные для обучения нейронки уже "выработались" (т е на валидационной выборке ошибка начинает расти, а на тренировочном резко падать), то как лучше поступать в дальнейшем обучении: 1 Подмешивать новые данные 2 Учить на полностью новых данных Спасибо!

Уменьшить сложность сети. Сеть настолько большая, что начинает запоминать данные, на которых учится. А должна выявлять закономерности.

Согласен, отчасти есть и такое

Нет столько мощностей, чтобы заново на большом датасете учить

Можно попробовать обнулить нижние слои и обучить их на всем датасете. Есть шанс что 1й эпохи хватит

Ага. Понятно вроде. Я про то, что данные на которых уже обученна жалко "выкидывать" =) Но по ответу понял, что добавление новых данных как бу освежает старые для нейронки =)

Можешь мне данные использованные скидывать) Не пропадут

Всем привет а может ктонибудь по человечески объяснить что такое IoU ?

т.н intersection over union

т.н intersection over union

площадь пересечения разделить на общую площадь

Эмм площадь пересечения тренировочных объектов и проверочных ?

Это метрика Жаккарда, но относительно областей на изображении

Эмм площадь пересечения тренировочных объектов и проверочных ?

предсказания и ground truth

Понял , так я честно пытался понять что это но что такое предсказание и ground truth ? Про метрику Жаккарда тоже прочитаю ,спасибо

Понял , так я честно пытался понять что это но что такое предсказание и ground truth ? Про метрику Жаккарда тоже прочитаю ,спасибо

твоя сеть предсказывает что-то

то что выдает это предсказание

то что она пытается предсказать это ground truth

ну она поидее должна предсказывать что в какой то области есть искомый объект

аа понял и вданном случае метрика это вот эти два квадрата точнее их соотношение ?

Когда квадраты совпадают максимум, когда не совпадают вообще нуль. Хорошая метрика

ага кажется смутно но чтото понятно становится

аа понял и вданном случае метрика это вот эти два квадрата точнее их соотношение ?

площадь пересечения квадратов разделить на площадь объединения

да это я имел в виду

а как сам квадрат тут определяется?

с помощью нейронок уже ?

Ты начал с вопроса что такое iou )

Может у тебя статья про методику оценки точности рабов на толоке

с помощью нейронок уже ?

один тебе дан, второй ты вычисляешь

хочешь нейронкой

хочешь сам вручную

а а ну да как то перескочил :) аа ну меня в yolo получается я передаю тренировочные и проверочные данные вместе с txt файлами содержащими координаты этих квадратов

значит вручную получается

Да, это называется разметка ))

ERROR: S client not available

Хмм понял спсибо :)

Скажите а гдето в конфигах сети прописывается сколько эпох будет она обучаться или нет ? Допустим у меня вот так сеть начинается [net] batch=128 subdivisions=1 height=28 width=28 channels=3 max_crop=32 min_crop=32 hue=.1 saturation=.75 exposure=.75 learning_rate=0.1 policy=poly power=4 max_batches = 5000 momentum=0.9 decay=0.0005 ?

И еще скажите я могу в эту сеть любые слои добавлять ? Или там есть какието требования ? Как например у функции dense (там вроде в параметрах у нее число классов должно быть )

ну точнее так то я представляю как сеть выглядет что от одного слоя к другому данные передаются вот в связи с этим вопрос и возник. Просто у меня есть учебная сеть где все хотябы считается и есть Yolo сеть где вообще нефига не работает (валются сплошные NaN) вот я и думаю по одному слою в учебный пример перекидывать из Yolo модели может и косяк найду так.

Мужики, не могу найти в интернете есть ли проекты которые сразу включили в себя 4 технологии? Нейронные сети, big data, облачное хранилищем, blockchain? В интернете выдаёт только по некоторые из перечисленных технологии в проектах. А что бы все вместе не показывает.

Numer.ai, если я правильно понимаю, что требуется

Мужики, не могу найти в интернете есть ли проекты которые сразу включили в себя 4 технологии? Нейронные сети, big data, облачное хранилищем, blockchain? В интернете выдаёт только по некоторые из перечисленных технологии в проектах. А что бы все вместе не показывает.

что, где-то проводится чемпионат по пустобрехству?

что, где-то проводится чемпионат по пустобрехству?

Почему так решил?

Потому что в одном предложении набрана куча хайповых слов, объединять которых в один проект нет никакого смысла. ?

Потому что в одном предложении набрана куча хайповых слов, объединять которых в один проект нет никакого смысла. ?

+

Забыли ещё квантовые компьютеры, 3д печать и солнечную энергию

Да ладно, я слышал об этом проекте. Это коворкинг в который собирают всех владеющих сразу четырмя технологими. Затем коворкинг погружают на дно океана и забывают.ребята умные, сами выберутся.

Потому что в одном предложении набрана куча хайповых слов, объединять которых в один проект нет никакого смысла. ?

да можно но эта группа в дно скатилась с такими вопросами

ща последнюю неделю тут ток что такие вопросы и были как монетизировать бигдату например

а как обычную дату монетизировать

такое ощущение что маркетологи заходят какие-то и набрасывают на авось - типа вдруг предложение имеет смысл

Люди хотят денег, в этом нет ничего плохого. Плохо, что они лезут предвариательно не разобравшись в теме, ну упс. Издержки открытых каналов )

Люди хотят денег, в этом нет ничего плохого. Плохо, что они лезут предвариательно не разобравшись в теме, ну упс. Издержки открытых каналов )

да я именно это и имел ввиду)

хотят чтоб побейбеситили их еще мб

такое ощущение что маркетологи заходят какие-то и набрасывают на авось - типа вдруг предложение имеет смысл

может кто-то написал бота-маркетолога

и он через ответы в этом чате учится

типа дичь написал или нет

reinforcement, baby

Hello.

English anyone?

English anyone?

For english: @bigdata_en

Thank you so much ?