Жыз

Да на самом деле CUDA нужна чисто для более производительного использования видюхи.

Ну сам факт. Людей прокатили с драйверами

Ну сам факт. Людей прокатили с драйверами

Я думаю просто под параллельное вычисление было нужно запилить что-то поэтому прокатили ?

А вообще, что касается тренировок нейросетей в облаках и прочего. Если важна безопасность данных и не только как корпоративная ценность, но и на законодательном уровне, Калудами так просто не воспользуешься.

Поэтому Nvidia + CUDA наверное лучший вариант.

https://www.scaleway.com/pricing/

А тут точно GPU есть? Не нашёл в прайсе

нет, это было к слову об облаках

нет, это было к слову об облаках

а зачем что-то кроме до?

А вообще, что касается тренировок нейросетей в облаках и прочего. Если важна безопасность данных и не только как корпоративная ценность, но и на законодательном уровне, Калудами так просто не воспользуешься.

прайсинг

я ж не 1 инстансс пускаю

Кто читал/пробовал/понимает такую штуку https://developers.google.com/machine-learning/crash-course/fitter/graph Почему learning rate = 1 делает шаг по весу до 1.28, что за функция использует в этом случае

кто-то, [22.05.18 13:37] овершенно потрясный пейпер: https://goo.gl/ZiisSu - если взять бигдату музыкальных релизов из Discogs и бигдату концертов из Songkick, проставить соответствие выпускаемым альбомам и выпускающим лейблам, отранжировать их по мощности лейблов и модифицировать для сета взаимных соответствий групп площадкам алгоритм PageRank, то модель обучается и начинает по траектории концертов артиста/группы успешно предсказывать, будет ли у него контракт на выпуск альбома с major label, а для площадки - будет ли она расти во влиятельности и принимать все более крутых артистов. кто-то, [22.05.18 13:38] (сам не смотрел еще, но мнению доверяю)

кто-то, [22.05.18 13:37] овершенно потрясный пейпер: https://goo.gl/ZiisSu - если взять бигдату музыкальных релизов из Discogs и бигдату концертов из Songkick, проставить соответствие выпускаемым альбомам и выпускающим лейблам, отранжировать их по мощности лейблов и модифицировать для сета взаимных соответствий групп площадкам алгоритм PageRank, то модель обучается и начинает по траектории концертов артиста/группы успешно предсказывать, будет ли у него контракт на выпуск альбома с major label, а для площадки - будет ли она расти во влиятельности и принимать все более крутых артистов. кто-то, [22.05.18 13:38] (сам не смотрел еще, но мнению доверяю)

Что-то фейком пахнет. Для этого нужно еще управлять мнением активных масс тогда, как получилось с выборами в США.

ибо конечно группа может получить какую-то аудиторию, но как сетка определяет например какого типа песни нравятся определенной группе лиц и что если например группа будет читать в начале реп, а потом начнет играть метал. В общем либо у них там действительно аппарат влияющий на мнение масс, либо у них на столько огромная база знаний, что они могут предсказать будущую моду на исполнителей и даже если постараться, то и в других областях можно будет попробовать предсказать. К примеру Вангануть третью мировую, почему бы и нет)

Привет всем, кто подскажет, с какой книги лучше начать изучение мл ?

Привет всем, кто подскажет, с какой книги лучше начать изучение мл ?

вы опишите цели и бэкграунд? Можно с очень разных сторон подходить

https://www.cossa.ru/news/203131/?utm_source=facebook.com&utm_medium=social&utm_campaign=stareyshiy-universitet-finlyandii-zapustil&utm_content=19693941

https://www.cossa.ru/news/203131/?utm_source=facebook.com&utm_medium=social&utm_campaign=stareyshiy-universitet-finlyandii-zapustil&utm_content=19693941

Спасибо за ссылку!

Спасибо за ссылку!

?

коллеги, как в лстм предиктить будущее? делаю модель.предикт(тестХ) но не понимаю зачем

что значит предиктить будущее? Постановку задачи бы

я пытаюсь предиктить цены на товары, лстм с лукбэком натренил, теперь пора предиктить, ... model.predict() берет в себя тестовые данные, но зачем??

я пытаюсь предиктить цены на товары, лстм с лукбэком натренил, теперь пора предиктить, ... model.predict() берет в себя тестовые данные, но зачем??

Что?

:D я новичок

не газ

Хм, надо по контексту смотреть. Так ничего не понятно

Вообще, прогноз должен начаться с какого-то значения. Если нужно сделать прогноз на несколько шагов, то мы делаем прогноз на один шаг, добавляем этот прогноз в конец вектора, с которого начали, и снова для этого, уже дополненного вектора делаем прогноз. И так далее

model.predict(test) - слишком общая конструкция, чтоб по ней что-то судить

model.predict(test) - слишком общая конструкция, чтоб по ней что-то судить

спасибо! а как спрогнозировать следующее значение в ряде, имея ряд и модель?

спасибо! а как спрогнозировать следующее значение в ряде, имея ряд и модель?

https://youtu.be/wYI7RZz4Rz0

Ребят всем привет . Подскажите с чего лучше начинать новичку (литература/практический материал) ?

Ребят всем привет . Подскажите с чего лучше начинать новичку (литература/практический материал) ?

https://ru.stackoverflow.com/questions/678970/%d0%9a%d0%bd%d0%b8%d0%b3%d0%b8-%d0%b8-%d1%83%d1%87%d0%b5%d0%b1%d0%bd%d1%8b%d0%b5-%d1%80%d0%b5%d1%81%d1%83%d1%80%d1%81%d1%8b-%d0%bf%d0%be-%d0%bc%d0%b0%d1%88%d0%b8%d0%bd%d0%bd%d0%be%d0%bc%d1%83-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d1%8e/683632#683632

Там нет точной последовательности с чего начать и что лучше, но там исчерпывающий списк литературы по нашей теме

понял спасибо

Ребят, может кто доступно объяснить градиентный спуск и его суть? Пожалуйста, на курсере херово сказано-рассказано?

Ребят, может кто доступно объяснить градиентный спуск и его суть? Пожалуйста, на курсере херово сказано-рассказано?

ну типа считаем градиент и спускаемся по нему

Ребят, может кто доступно объяснить градиентный спуск и его суть? Пожалуйста, на курсере херово сказано-рассказано?

А всякие аналоги про скатывание с горки не зашли тебе?

Ребят, может кто доступно объяснить градиентный спуск и его суть? Пожалуйста, на курсере херово сказано-рассказано?

Я написал здоровенную простыню, но, мне кажется, какой-то местный бот удалил её спустя полсекунды. Так что сам теперь думай

Ребят, может кто доступно объяснить градиентный спуск и его суть? Пожалуйста, на курсере херово сказано-рассказано?

Бери яблоко и катай его по раковине. Вот это оно и есть. Если не докатилось до слива - локальный минимум.

Не сочтите за сноба, но как говориться "что там можно не понять?", это я про простой градиентный спуск а не какой-нибудь алгоритм хука-дживса-нелдера-мида в окрестностях нелинейных гиперплейнов-ограничений

хотя я люблю вот такие вещи : http://web.mit.edu/6.034/wwwbob/svm-notes-long-08.pdf (не по спуску, но как пример, как нужно писать обучалки с нуля)

ну типа считаем градиент и спускаемся по нему

?

Я написал здоровенную простыню, но, мне кажется, какой-то местный бот удалил её спустя полсекунды. Так что сам теперь думай

Можешь объяснить для чего он служит?

Есть многомерное пространство, в нём есть обычная функция, которая в каждой точке имеет значение из какого-то непрерывного линейно-упорядоченного поля (вещественное число) Ты очень хочешь найти её локальный минимум. Т.е. такую точку, в окрестностях которой функция всюду больше. Хочешь найти, потому что надеешься, что этот минимум если не совпадёт с глобальным, то будет тоже ничего Обнаруживаешь, что можешь построить ещё одну функцию - в каждой точке это будет вектор, который будет направлен в сторону, куда первая функция растёт больше всего, а длина вектора - "относительная скорость" этого роста. Такая функция называется градиент

Догадываешься, что в противоположную сторону функция будет уменьшаться быстрее всего и как раз настолько быстро, насколько велик модуль градиента. Начинаешь делать жажки в эту сторону. Жажки можешь делать по-разному, можешь идти равными , или идти тем быстрее, чем больше по модулю градиент. На каждый шажок снова меряешь градиент - и снова выбираешь направление. Когда градиент станет совсем маленький - скорее возможно ты как раз подошёл к заветной ложбинке внизу, ну а может и нет.

ERROR: S client not available

Догадываешься, что в противоположную сторону функция будет уменьшаться быстрее всего и как раз настолько быстро, насколько велик модуль градиента. Начинаешь делать жажки в эту сторону. Жажки можешь делать по-разному, можешь идти равными , или идти тем быстрее, чем больше по модулю градиент. На каждый шажок снова меряешь градиент - и снова выбираешь направление. Когда градиент станет совсем маленький - скорее возможно ты как раз подошёл к заветной ложбинке внизу, ну а может и нет.

Ок. А для чего поиск минимума служит? Для минимизации расхождения между реальным значением и спрошнозированным?

Не сочтите за сноба, но как говориться "что там можно не понять?", это я про простой градиентный спуск а не какой-нибудь алгоритм хука-дживса-нелдера-мида в окрестностях нелинейных гиперплейнов-ограничений

Чувак, я решил освоить это вчера. Я спрашиваю зачем оно нужно, а ты мне говоришь как можно не понять? Ты серьёзно?

Сбавьте, пожалуйста, градус. Оба

Ок. А для чего поиск минимума служит? Для минимизации расхождения между реальным значением и спрошнозированным?

Да. Для поиска таких параметров функции, при которых ошибка этой функции будет минимальной.

Да я ничего такого не сказал. Если нарушил правила, извиняйте. Правда заинтересован этим разделом)

https://nplus1.ru/news/2018/05/22/quantum-Landauer ?

ребята, у меня есть вопрос касательно аугментации изображений для CNN. для обучения требуется одни и те же данные для обучения/валидации/теста? или можно каждый раз рандомизировать? так как операций для аугментации у меня несколько, получается комбинативный взрыв, если делать отдельно датасет

Народ, может кто-нибудь пояснить за дискретно-косинусное преобразование изображения? (Jpeg так работает) Как получаются изображения функции (по одной оси наклонение в одну сторону, по другой - в другую). За счёт чего. Чет фантазии не хватает

Чувак, я решил освоить это вчера. Я спрашиваю зачем оно нужно, а ты мне говоришь как можно не понять? Ты серьёзно?

Ну есть функция ошибки, которая чем меньше - тем ближе твои прогнозированные значения к реальным. Вот твоя цель уменьшить эту функцию. А функция от чего зависит? От параметров. Градиент это в какую сторону менять эти параметры чтоб функция уменьшилась. Но только функция должна быть гладкой.

Градиент это производные функции по всем параметрам

Всем привет, ребята, кто работал с калди и собирал её на винде? У меня есть натренированая модель, которую я никак не могу использовать в калди, (на убунту все получилось) мб кто-то сталкивался? Буду благодарен за рекомендацию! P.S. у модели есть баш скрипт который запускает exe файлы и подставляет параметры, мб кто-то может помочь разобраться и перевести это все под винду

Всем привет, ребята, кто работал с калди и собирал её на винде? У меня есть натренированая модель, которую я никак не могу использовать в калди, (на убунту все получилось) мб кто-то сталкивался? Буду благодарен за рекомендацию! P.S. у модели есть баш скрипт который запускает exe файлы и подставляет параметры, мб кто-то может помочь разобраться и перевести это все под винду

А что конкретно идёт не так?

А что конкретно идёт не так?

команды не понимает

как только не пробовал(

а если cygwin?

сейчас попробую

а если cygwin?

спасибо

Народ, может ли кто подсказать, у меня есть нейросеть для бинарной классификации текстов, можно ли какую-нибудь образом получить список слов,по которому сеть принимает решение к какому классу относить текст?

Народ, может ли кто подсказать, у меня есть нейросеть для бинарной классификации текстов, можно ли какую-нибудь образом получить список слов,по которому сеть принимает решение к какому классу относить текст?

Если грубо, то можно попробовать скармливать слова по отдельности и смотреть на те, которые дают максимальный предикт

Народ, может ли кто подсказать, у меня есть нейросеть для бинарной классификации текстов, можно ли какую-нибудь образом получить список слов,по которому сеть принимает решение к какому классу относить текст?

А текста в виде чего подаёте?

В виде one hot вектора