Відео

Здравствуйте, так как гайд старый, рекомендую изучить yolo от ultralytics. Если необходимо настроить именно tensorflow object detection, то напишите в тг @krasnoteh

Numpy работают только на cpu , а PyTorch больше ценится на рынке труда это факт.

Мне кажется все дело в том на сколько быстро работает твой мозг, если ты привык впитывать тоны информации за короткий промежуток времени, такая подача может казаться медленной. Моё мнение такое: в его подаче темп самого видеоряда и речи идеален, он позволяет внимательно рассмотреть и что самое главное воспринять информацию во время пауз. Я бы не хотел чтобы подача менялась.

Я не понимаю как можно быть такими криворукими, чтобы НЕДЕЛЕЮ или две ставить tf. Он реально ставится за час, если посмотреть зависимости сразу

@@sus4750 а вот и хрен там, во-первых 2.18 версия ни в какую не хочет работать с GPU, только 2.16, но пока ты их там перепробуешь и натрахаешься с дровами, я реально ставил дня 3 вообще не понимая что происходит по всем гайдам

@@sus4750 я человек который кучу времени (больше недели точно) потратил на установку PyTorch GPU, так что, я думаю это должно лишь заинтриговать тебя в твоём вопросе и непонимании))))))

по-моему гиблая затея

У линукса и винды есть фундаментальное различие и это архитектура ядра и диспетчеризация процессов. Выражается это в том, что на линуксе матричные вычисления эффективнее по времени. А wsl это лишь надстройка на виндой, обертка так сказать, и вся логика работы с тензорами в всл такая же как и в Винде.

Без проблем работает

Пока не смотрел его

Делал и так, и так, может кусок кода не тот вставил, но суть та

Пока не изучал

Трейнер классная идея, в остальном пт лайтнинг это усложненный мусор

Имеете ввиду ллм (gpt-подобные)? Ну там как будто концептуально не сложно и не тянет на отдельное видео, просто сделать команду ей типа /search_in_internet(запрос) и дообучить на таких ответах

@@КрасноТех Я из раков) по этому если бы сдеал - было бы топ. что бы модель получали свежие новости и тд для обработки

Не прав. Это в винде перешел в wsl ubuntu

Спасибо, я 2ой курс сейчас

@КрасноТех универ?Или техникум?Специальность с ml связано?

@@lev431 Универ, связанно косвенно

У меня так не срослось. Нужно было подбирать версию Пайтона, Тензорфлоу, и библиотеки cuda. Там ещё нужно специфическую версию ставить библитек, которую нашёл в комментах на ютубе, другие версси не были найдены через установщик анаконды.

@ Тогда как рекомендуется в документации tensorflow: conda create --name tf python=3.9 conda activate tf conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 pip install --upgrade pip pip install "tensorflow<2.11" Где вместо указанных версий можно указывать свои. Все равно так проще, чем заморачиваться с загрузкой папок и перемещением файлов.

@@MsStreltsov Я таким образом устанавливал. Версии: - python 3.8.20 - cudatoolkit=11.2 - cudnn=8.1.0 - tensorflow==2.8.0 Установка: // создаём виртуальное окружение и активируем его conda create -n tf_env python=3.8 -y conda activate tf_env // устанавливаем Cuda Toolkit и cuDNN conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 // усстанавливаем TensorFlow pip install --upgrade pip pip install tensorflow==2.8 Проверка: Для *CUDA Toolkit* conda list | findstr cuda // должно выдать список установленных дров Lkz *cuDNN* conda list | findstr cudnn // должно выдать что-то вроде: cudnn 8.1.0.77 h3e0f4f4_0 conda-forge Для TensorFlow pip list | findstr tensorflow // должно выдать что-то вроде: tensorflow 2.8.0 tensorflow-estimator 2.8.0 tensorflow-io-gcs-filesystem 0.31.0 Проверка в Python: import tensorflow as tf print("TensorFlow version:", tf.__version__) print("Num GPUs Available:", len(tf.config.list_physical_devices('GPU'))) // должно выдать (для 1 гпу): Num GPUs Available: 1 TensorFlow version: 2.8.0

@@MsStreltsov Я таким образом утанавливал. Версии: - python 3.8.20 - cudatoolkit=11.2 - cudnn=8.1.0 - tensorflow==2.8.0 Установка: // создаём виртуальное окружение и активируем его conda create -n tf_env python=3.8 -y conda activate tf_env // устанавливаем Cuda Toolkit и cuDNN conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 // усстанавливаем TensorFlow pip install --upgrade pip pip install tensorflow==2.8 Проверка: Для *CUDA Toolkit* conda list | findstr cuda // должно выдать список установленных дров Для *cuDNN* conda list | findstr cudnn // должно выдать что-то вроде: cudnn 8.1.0.77 h3e0f4f4_0 conda-forge Для TensorFlow pip list | findstr tensorflow // должно выдать что-то вроде: tensorflow 2.8.0 tensorflow-estimator 2.8.0 tensorflow-io-gcs-filesystem 0.31.0 Проверка в Python: import tensorflow as tf print("TensorFlow version:", tf.__version__) print("Num GPUs Available:", len(tf.config.list_physical_devices('GPU'))) // должно выдать (для 1 гпу): Num GPUs Available: 1 TensorFlow version: 2.8.0

Я таким образом устанавливал. Версии: - python 3.8.20 - cudatoolkit=11.2 - cudnn=8.1.0 - tensorflow==2.8.0 Установка: // создаём виртуальное окружение и активируем его conda create -n tf_env python=3.8 -y conda activate tf_env // устанавливаем Cuda Toolkit и cuDNN conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 // усстанавливаем TensorFlow pip install --upgrade pip pip install tensorflow==2.8 Проверка: Для *CUDA Toolkit* conda list | findstr cuda // должно выдать список установленных дров Для *cuDNN* conda list | findstr cudnn // должно выдать что-то вроде: cudnn 8.1.0.77 h3e0f4f4_0 conda-forge Для TensorFlow pip list | findstr tensorflow // должно выдать что-то вроде: tensorflow 2.8.0 tensorflow-estimator 2.8.0 tensorflow-io-gcs-filesystem 0.31.0 Проверка в Python: import tensorflow as tf print("TensorFlow version:", tf.__version__) print("Num GPUs Available:", len(tf.config.list_physical_devices('GPU'))) // должно выдать (для 1 гпу): Num GPUs Available: 1 TensorFlow version: 2.8.0

На официальном сайте PyTorch достаточно просто выбрать команду для установленной версии cuda драйверов, скопировать команду в терминал, готово. Cudnn и прочие зависимости сами подтянутся во время установки. А вот с tensorflow боль в анусе гарантирована только если ты пытаешься поставить старую версию, или тем более новую, под windows. На wsl как раз таки мучения с cudnn и прочими подобными моментами с драйверами и библиотеками Nvidia, но в целом тоже делов особых не составит все поставить. Поднять Jupyter notebook и пользоваться либо в браузере, либо в ide по типу cursor или data spell.

Часок потрать на развертывание докер контейнера, и все проблем нет.

Далее все будет на pytorch, tensorflow если и будет, то для сравнения и очень мало

jax не изучал пока, если он действительно сильно более оптимизирован, то может для обучения больших моделей пригодится. Как основной фреймворк все-же выбираю самый популярный, но конечно для серьезных проектов их можно комбинировать.

Здравствуйте, мой гитхаб скорее помойка старых проектов) Сейчас занимаюсь более сложными проектами (на заказ), соответственно не для опен-сорса. Когда будет время, будут проекты конкретно на канал (реализации, разбор архитектур), они пойдут на гитхаб. Спасибо, что смотрите и ждете, работаем.

keras это только фронтенд, под ним всегда должно быть то, что производит сами вычисления. Его обычно используют с tensorflow, с pytorch тоже вроде как можно (никогда не видел, чтоб кто-то так делал), но зачем?

На 2-й Asher Fulero - Glimpsing Infinity На 18-й Night Stalker by Wave Saver

всегда 32 было)

@КрасноТех в каком то старом видосе видел 64, не свап, а именно оперативы