Udo Würtz
Udo Würtz
  • 30
  • 169 820
Digitaler Zwilling auf Basis KI, Augmented- und Virtual Reality
Was ist der „Digitale Zwilling“? Und welchen Mehrwert hat diese Technologie für industrielle Unternehmen? Ein Digitaler Zwilling bietet das Potenzial, komplexe Produktionsprozesse zu optimieren. Wie das funktionieren kann, seht Ihr hier in diesem Video.
Переглядів: 1 070

Відео

[4/4] JP Performance meets AI: Die KI fährt selbst auf der Rennstrecke!
Переглядів 9842 роки тому
Im letzten Teil der Serie mit JP Performance wird es ernst. In dieser Folge fährt ein Recnnwagen autonom eine Kursstrecke. Ob das gut geht? Seht selbst :)
[3/4] JP Performance meets AI: Autonomes Fahren - WarmUp!
Переглядів 4992 роки тому
Im dritten Teil der Serie geht es um die Vorbereitung zum autonomen Fahren. Es geht um diverse Technologien, die man braucht und dass das Ganze alles aber definitiv nicht einfach ist. Der WarmUp bevor es auf die Rennstrecke geht!
[2/4] JP Performance meets AI: Objekterkennung & Technologie
Переглядів 5862 роки тому
Weiter geht es mit Teil der Serie mit JP Performance. Heute geht es um Objekterkennung und Technologie anhand einer Autorennbahn. Das Projekt könnt Ihr übrigens selbst nachbauen, alle notwendigen Videos dazu findet Ihr hier auf wiegehtki.de Sourcecodes stehen wie immer auf wiegehtki.dev zum Download bereit.
[1/4] JP Performance meets AI: Grundlagen Künstliche Intelligenz
Переглядів 8922 роки тому
In dem gemeinsamen Video mit JP Performance geht es um Grundlagen KI. Das Ganze als Vorbereitung zum, wie könnte es anders sein, autonomen Fahren. Have fun!
Trainiertes Modell anwenden: YOLO Modelle selber trainieren, Folge 5
Переглядів 1,3 тис.3 роки тому
In dieser Serie von insgesamt 5 Videos geht es um das Trainieren von YOLO - Modellen mit eigenen Daten, auch "custom sets" genannt. Das bedeutet, dass ihr Euer ganz persönliches Modell trainieren könnt. Dazu sind neben dem grundsätzlichen Verständnis der Thematik verschiedene Schritte notwendig, wie zum Beispiel das Erzeugen und Labeln von Daten, das Training, die Bewertung des Trainings und ei...
Prüfen des trainierten Modells: YOLO Modelle selber trainieren, Folge 4
Переглядів 8313 роки тому
In dieser Serie von insgesamt 5 Videos geht es um das Trainieren von YOLO - Modellen mit eigenen Daten, auch "custom sets" genannt. Das bedeutet, dass ihr Euer ganz persönliches Modell trainieren könnt. Dazu sind neben dem grundsätzlichen Verständnis der Thematik verschiedene Schritte notwendig, wie zum Beispiel das Erzeugen und Labeln von Daten, das Training, die Bewertung des Trainings und ei...
Das Training durchführen: YOLO Modelle selber trainieren, Folge 3
Переглядів 2,3 тис.3 роки тому
In dieser Serie von insgesamt 5 Videos geht es um das Trainieren von YOLO - Modellen mit eigenen Daten, auch "custom sets" genannt. Das bedeutet, dass ihr Euer ganz persönliches Modell trainieren könnt. Dazu sind neben dem grundsätzlichen Verständnis der Thematik verschiedene Schritte notwendig, wie zum Beispiel das Erzeugen und Labeln von Daten, das Training, die Bewertung des Trainings und ei...
Daten erzeugen und labeln: YOLO Modelle selber trainieren, Folge 2
Переглядів 2,1 тис.3 роки тому
In dieser Serie von insgesamt 5 Videos geht es um das Trainieren von YOLO - Modellen mit eigenen Daten, auch "custom sets" genannt. Das bedeutet, dass ihr Euer ganz persönliches Modell trainieren könnt. Dazu sind neben dem grundsätzlichen Verständnis der Thematik verschiedene Schritte notwendig, wie zum Beispiel das Erzeugen und Labeln von Daten, das Training, die Bewertung des Trainings und ei...
Basiswissen: YOLO Modelle selber trainieren, Folge 1
Переглядів 2,3 тис.3 роки тому
In dieser Serie von insgesamt 5 Videos geht es um das Trainieren von YOLO - Modellen mit eigenen Daten, auch "custom sets" genannt. Das bedeutet, dass ihr Euer ganz persönliches Modell trainieren könnt. Dazu sind neben dem grundsätzlichen Verständnis der Thematik verschiedene Schritte notwendig, wie zum Beispiel das Erzeugen und Labeln von Daten, das Training, die Bewertung des Trainings und ei...
Fragen und Antworten - Basiswissen Neuronale Netze
Переглядів 1,8 тис.3 роки тому
Hier geht es um Fragen, Kommentare und Hintergrundinformationen zum Basiswissen - Neuronale Netze, diesen sollte man somit vorab gesehen haben. Behandelt werden Themen wie: Werte (Zufällig oder nicht), Tippfehler im Original, Minimum oder Minima?, Underfitting - das fehlende Kapitel u.a.
NVIDIA® Jetson™- Projekt: Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Livegoing!
Переглядів 2 тис.3 роки тому
Dieser Video nimmt das Selbstbau - Projekts einer Kameraüberwachung mit Objektdetektion und Gesichtserkennung mittels Zoneminder, YOLOv3/v4, OpenCV mit CUDA® und cuDNN® aufder NVIDIA® Jetson™ Plattform in Betrieb. Benötigt wird ein NVIDIA® Jetson™ (z.B. Nano oder Xavier). Geeignet für Anfänger als auch Fortgeschrittene. Alle Schritte werden ausführlich erklärt. Ziel des Do-it-Yourself - Projekt...
NVIDIA® Jetson™- Projekt: Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Installation
Переглядів 1,8 тис.3 роки тому
Dieser Video führt in das Selbstbau - Projekts einer Kameraüberwachung mit Objektdetektion und Gesichtserkennung mittels Zoneminder, YOLOv3/v4, OpenCV mit CUDA® und cuDNN® aufder NVIDIA® Jetson™ Plattform ein. Darüberhinaus wird nach der Einführung die eigentliche Softwareinstallation zum Nachmachen gezeigt. Benötigt wird ein NVIDIA® Jetson™ (z.B. Nano oder Xavier). Geeignet für Anfänger als au...
Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Inbetriebnahme (x86)
Переглядів 4,1 тис.3 роки тому
Dieser Video ist die Inbetriebnahme der Software des Selbstbau - Projekts einer Kameraüberwachung mit Objektdetektion und Gesichtserkennung mittels Zoneminder, YOLOv3/v4, OpenCV mit CUDA® und cuDNN® auf x86 - Plattformen, benötigt wird ein PC / Workstation mit NVIDIA® - GPU. Geeignet für Anfänger als auch Fortgeschrittene. Alle Schritte werden ausführlich erklärt. Ziel des Do-it-Yourself - Proj...
Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Softwareinstallation (x86)
Переглядів 2 тис.3 роки тому
Dieser Video zeigt die eigentliche Softwareinstallation des Selbstbau - Projekts einer Kameraüberwachung mit Objektdetektion und Gesichtserkennung mittels Zoneminder, YOLOv3/v4, OpenCV mit CUDA® und cuDNN® auf x86 - Plattformen. Benötigt wird ein PC / Workstation mit NVIDIA® - GPU. Geeignet für Anfänger als auch Fortgeschrittene. Alle Schritte werden ausführlich erklärt. Ziel des Do-it-Yourself...
Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Installation Betriebssystem (x86)
Переглядів 1,5 тис.3 роки тому
Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Installation Betriebssystem (x86)
Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Einführung in das Projekt (x86)
Переглядів 7 тис.3 роки тому
Objekt- / Gesichtserkennung mit Zoneminder, YOLO und OpenCV - Einführung in das Projekt (x86)
Samurai Talk - Die KI-Strategie im Unternehmen
Переглядів 9163 роки тому
Samurai Talk - Die KI-Strategie im Unternehmen
Objekterkennung mit YOLO und NVIDIA® Jetson™ Nano - Installation
Переглядів 8 тис.4 роки тому
Objekterkennung mit YOLO und NVIDIA® Jetson™ Nano - Installation
Objekterkennung mit YOLO - Technologischer DeepDive in YOLO inklusive Ausblick auf "YOLOv5"
Переглядів 4,3 тис.4 роки тому
Objekterkennung mit YOLO - Technologischer DeepDive in YOLO inklusive Ausblick auf "YOLOv5"
Objekterkennung mit YOLO (v4) und NVIDIA® Jetson™ Nano - Basiswissen
Переглядів 6 тис.4 роки тому
Objekterkennung mit YOLO (v4) und NVIDIA® Jetson™ Nano - Basiswissen
Objekterkennung mit YOLO und NVIDIA® Jetson™ Nano - Intro
Переглядів 2,6 тис.4 роки тому
Objekterkennung mit YOLO und NVIDIA® Jetson™ Nano - Intro
TechTime: Deep Dive in GPU, FP32, CUDA- und Tensor Cores. Inkl. Live-Demo
Переглядів 3,4 тис.4 роки тому
TechTime: Deep Dive in GPU, FP32, CUDA- und Tensor Cores. Inkl. Live-Demo
Dezimalzahlen in Binär und Floatingpointformate umwandeln
Переглядів 5284 роки тому
Dezimalzahlen in Binär und Floatingpointformate umwandeln
CNNs Convolutional Neural Networks Basiswissen
Переглядів 18 тис.4 роки тому
CNNs Convolutional Neural Networks Basiswissen
Lernrate
Переглядів 1,8 тис.4 роки тому
Lernrate
Over und Underfitting
Переглядів 1,1 тис.4 роки тому
Over und Underfitting
Spielwiese für Neuronale Netze - Überblick
Переглядів 2,8 тис.4 роки тому
Spielwiese für Neuronale Netze - Überblick
Neuronale Netze - Basiswissen
Переглядів 86 тис.4 роки тому
Neuronale Netze - Basiswissen
Einführung WieGehtKI de
Переглядів 1,5 тис.4 роки тому
Einführung WieGehtKI de

КОМЕНТАРІ

  • @mytubeas2526
    @mytubeas2526 12 днів тому

    Hallo, Ich biete ein neues NVIDIA Jetson TX2 Developer Kit ,bei Interesse melden.

  • @mytubeas2526
    @mytubeas2526 12 днів тому

    Hallo, Ich biete ein neues NVIDIA Jetson TX2 Developer Kit ,bei Interesse melden.

  • @mytubeas2526
    @mytubeas2526 12 днів тому

    Hallo, Ich biete ein neues NVIDIA Jetson TX2 Developer Kit ,bei Interesse melden.

  • @meax4k216
    @meax4k216 Місяць тому

    Sehr gutes Video

  • @tobiaskarl4939
    @tobiaskarl4939 2 місяці тому

    Ssssoftware mit ssssoftem S 😁

  • @JanSchulze-cw5ul
    @JanSchulze-cw5ul 2 місяці тому

    Grundsätzlich sehr gut erklärt und dargestellt. Was ich nur nicht ganz verstehe ist die Herkunft der gewichtungswerte. Diese Spielen ja eine wesentliche Rolle der Berechnung. Werden diese in der Praxis einfach im Vorfeld festgelegt oder haben diese auch eine Abhängigkeit. Ich denke diese Info würde mir zum Verstehen helfen. Vielen Dank

    •  2 місяці тому

      Diese werden zunächst mit Zufallswerten besetzt. Dafür gibt es auch eigene Libraries zum Beispiel von NVIDIA, damit die wirklich zufällig sind. Im weiteren Verlauf werden diese dann präzisiert. VG, Udo

  • @djspecialpaul
    @djspecialpaul 2 місяці тому

    Sehr Interessant - perfekt für mein Projekt , nämlich Escape Rooms und das klappt super. Erkennung der Person, die wiederum ein Rätsel auslöst :)

  • @arnonym4220
    @arnonym4220 2 місяці тому

    Klasse! Sehr informatives Video!

  • @ErikMorando
    @ErikMorando 3 місяці тому

    Hallo Udo, danke für Deine tollen Videos. Ist Deine Lerning-Platform noch aktiv?

  • @ErikMorando
    @ErikMorando 3 місяці тому

    Hallo Udo, erst einmal vielen Dank für das toll gemachte Video. Klasse! Ich habe noch ein Verständnisproblem bei der Bestimmung der Gewichtung bzw. eine Frage zur Gewichtung der untersten beiden letzten Neuronen ab 03:55: Weshalb wird bei der Gewichtung des vorletzten Neurons eine positive Gewichtung definiert und beim letzten Neuron zur Definition einer horizontalen Linie eine negative Gewichtung verwendet?

  • @ErikMorando
    @ErikMorando 3 місяці тому

    Top, danke!

  • @itossopensourcesolutions9676
    @itossopensourcesolutions9676 3 місяці тому

    Vielen Dank für die ausführliche Erklärung von Floatingpointberechnungen. Endlich habe ich es verstanden. Das ist das Beste Video zu dem Thema was ich bisher gesehen habe !

    •  3 місяці тому

      Danke für das Lob, das freut mich! 😊

  • @haraldhuber3077
    @haraldhuber3077 3 місяці тому

    Hallo Herr Würtz, vielen Dank für das sehr aufschlussreiche Video. Was ich allerdings noch nicht ganz verstanden habe ist, wie die Zuteilung der Werte bei Video (35:59) auf das X und das O bestimmt wird. warum werden hier einzelne Werte dem Wert O zugeordnet (wie z.Bsp. 0,53 ganz unten, jedoch nicht der Wert 0,63 in der Mitte). Vielen Dank für Ihre Antwort.

    •  3 місяці тому

      Hallo Herr Huber, ich stehe gerade noch auf dem Schlauch mit den Werten, die Angabe war bei 35:59 aber da habe ich diese Werte nicht. Übersehe ich da was? Generell ist es so, dass diese Darstellung natürlich anschaulich vereinfacht ist, damit man das nachvollziehen kann. Da wir wissen, dass wir ein X in der Eingangsinformation haben, ist die Abstimmung hier auch am stärksten. Ausgehend von den Werten, die auch die Pixeldarstellung für das X am stärksten repräsentieren.

  • @user-vb6df9jr7f
    @user-vb6df9jr7f 3 місяці тому

    Weil Du Hinweise haben möchtest. Bei 1:01:10 sprichst Du von vom "falschen Minima" und "globalen Minima". Ich würde vom lokalen Minimum und globalen Minimum sprechen. Minima ist der Plural von Singular Minimum.

  • @udokralitschek
    @udokralitschek 4 місяці тому

    Hallo Udo Tolles Videos, Dankeschön dafür, ich hatte vor Jahren das ganze schon mal Installiert hatte keine Zeit mehr mich damit zu befassen ,jetzt habe ich das noch einmal Installiert ,soweit alles gut ,hat auch ohne Probleme Funktioniert. Jetzt gehst Du ins Verzeichnis Darknet .ich finde bei mir keines .Ist das irgendwo versteckt ?

  • @ferasg4583
    @ferasg4583 4 місяці тому

    Vielen Dank für die richtig guten Videos! Wissen Sie vielleicht, wie kann man, dass Recall und der precsion separat für die jeweiligen Klassen ausgeben?

  • @DerMilko
    @DerMilko 5 місяців тому

    macht es nicht sinn zum lernen ein Projekt zunehmen wofür es bereits gute Datenquellen aus dem Internet gibt? ich würde zb. gerne ein Modell trainieren wo Zielscheiben erkennt und dafür gibt es bereits sehr gute Daten. zwar müsste ich die für meinen Anwendungsfall noch Mal bearbeiten, aber fürs erste Modell halte ich die für sehr gut

  • @captainvaughn5692
    @captainvaughn5692 5 місяців тому

    Ich bin 17 und besuche eine höhere technische Schule für Informationstechnik, und ich bin ihnen sehr dankbar für dieses Video. Ich bin mir bewusst das Neuronale Netzte noch vieeel zu komplex für mich sind, in der Schule haben wir praktisch noch nie etwas darüber gelernt bekommen, jedoch besteht ein gewisses Interesse in mir und Sie haben mir eine Grundebene verschaffen von der ich höchstwarscheindlich später aufbauen kann. Vielen Dank für dieses Informationsreiche, ausführliche und gleichzeitig simpel erklärte Video!

    •  5 місяців тому

      Das freut mich, vielen Dank für das positive Feedback. Vielleicht für später mal: ich bin gerade in Cannes auf dem WAICF, dem weltgrößten AI Festival. Da gibt es so ziemlich "alles" in Bezug auf aktuelle KI Entwicklungen zu sehen. Bis dahin auf jeden Fall noch viel Spaß mit den Videos. Es werden noch weitere folgen aber aktuell fehlt mir leider die Zeit. Aber generative KI ist bereits in Vorbereitung.

  • @jonasnordalm2330
    @jonasnordalm2330 6 місяців тому

    Hallo erstmal danke für diese spannende und liebevoll erstellte Serie! ich würde gerne innerhalb einer sehr großen Menge von Fotos einer Wildkamera nur die Fotos auf denen ein bestimmtes Objekt zu sehen ist aussortieren. Ist es möglich ein trainiertes YOLO-Modell für diesen Anwendungsfall zu nutzen? Wenn ja mit welchem Programm könnte ich die Sortierung der Fotos durchführen?

  • @eineinfachermann4092
    @eineinfachermann4092 6 місяців тому

    Statt Schlagerfestival im TV solche Vorträge und die Kids würden sofort loslegen und die, nur noch in Phrasen vorkommende, deutsche Ingenieurskunst wäre schnell wieder weltweit anerkannt, aber so wird sich dank Bildung von Bildungskasten und marodem Bildungssytem nichts tun...

  • @eineinfachermann4092
    @eineinfachermann4092 6 місяців тому

    Sehr gut erklärt. Ich freue mich darauf, die nächsten Videos zu sehen.

    •  6 місяців тому

      Vielen Dank. Es kommen weitere, nur spannt mich gerade das aktuelle Thema Generative KI beruflcih stark ein. Aber ist auf dem Radar

  • @eineinfachermann4092
    @eineinfachermann4092 6 місяців тому

    Mein Herr Gesangverein, gute Idee mit Fragen und Antworten.

  • @eineinfachermann4092
    @eineinfachermann4092 6 місяців тому

    Obwohl kompliziert, aber so erklärt, dass man mehr wissen möchte. Meine Empfehlung.

  • @siegfrieddyroff9898
    @siegfrieddyroff9898 7 місяців тому

    Das begreift kein Mensch !!

    •  7 місяців тому

      Ich habe nie behauptet, das es einfach ist ;)

  • @lisamuller8032
    @lisamuller8032 7 місяців тому

    Hallo Herr Würtz, vielen Dank für die tolle Reihe! Sie hat mir sehr geholfen beim einrichten von YOLO. Allerdings habe ich das Problem, dass ich die Batch-Dateien im darknet-Verzeichnis aus Minute 57:16. Wie kann ich mir den Batch selber erstellen? Beste Grüße

    •  7 місяців тому

      Ich schaue mir das mal am Wochenende an

  • @irmgardraab4509
    @irmgardraab4509 7 місяців тому

    Hallo Herr Würtz, Ihre Beiträge finde ich sehr verständlich und sehr gut aufgebaut. Ich bin zwar schon Rentner aber immer neugierig. Jetzt habe ich schon ein wesentlich besseres Verständnis über neuronale Netze. Vielen Dank für Ihre sehr umfangreiche Arbeit und die Mühe die Sie sich gemacht haben. Viele Grüße Dieter Raab

    •  7 місяців тому

      Ganz tolles Feedback, vielen Dank dafür! :) Das freut mich!

  • @charlesbuttner433
    @charlesbuttner433 7 місяців тому

    Danke!!

  • @BinaryCloudChaser
    @BinaryCloudChaser 8 місяців тому

    Ist das jetzt ein Mini PC und ist der weil NVIDIA Grafisch stärker als so ein Raspberry ?

  • @devchannel5232
    @devchannel5232 8 місяців тому

    Eine Frage hätte ich allerdings zu 18:19. Sie meinten alle Neuronen sind auf 1st Layer miteinander verbunden. Würde das nicht bedeuten, dass jedes 1st Layer Neuron gleich wäre, da die Rechnung immer die selbe ist, nämlich die Rechnung die sie bei 11:51 verwenden?

  • @brother9022
    @brother9022 10 місяців тому

    'Einfach' und dafür sehr ausführlich beschrieben. Klasse gemacht. Danke für dieses Video!😎

  • @tracetv8115
    @tracetv8115 10 місяців тому

    Das Video glutamine mindestens einen Oscar verdient! Sehr, sehr cool erklärt l, danke für diese kostenlose Lehrstunde!

    •  10 місяців тому

      Vielen Dank für das motivierende Feedback!

  • @michaelbaumann5867
    @michaelbaumann5867 11 місяців тому

    Werde bei YOLO irrelevante Zellen S verworfen, indem der IoU der vorhergesagten Bounding Boxes B dieser Berechnet werden? Und anschließend wird noch NMS angewendet? LG

  • @apenrad
    @apenrad 11 місяців тому

    Da ich Softwareentwickler bin, hätten mich die Frameworks etwas stärker interessiert. Welche gibt es und in welcher Programmiersprache?

  • @JeGo-ee7ts
    @JeGo-ee7ts 11 місяців тому

    Hallo Udo, ich habe die Installation gemäß Anleitung durchgeführt. Alles lief problemlos bis zum Ende durch. Wenn ich jatzt aber den python3 Test durchführe, kommt folgende Fehlermeldung: >>> import cv2 >>> count = cv2.cuda.getCudaEnabledDeviceCount() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: module 'cv2' has no attribute 'cuda' >>> print(count) Traceback (most recent call last): File "<stdin>", line 1, in <module> NameError: name 'count' is not defined Hast Du eine Idee, woran das liegen könnte? Wenn ich jtop verwende, wird folgendes angezeigt: OpenCV: 4.5.5 with CUDA: YES Viele Grüße

  • @ClaudiaWick
    @ClaudiaWick Рік тому

    Ganz hervorragend gemachtes Video! Das ganze Thema ist nun mal am Anfang extrem schwierig, aber wenn es jemand so geduldig erklärt, dazu noch auf deutsch, klappt das nach der zweiten oder dritten Wiederholung schon erstaunlich gut. Danke für die Riesenmühe, die Du Dir gibst: Kanal ist abonniert und die Adressen sind notiert!

    •  Рік тому

      Danke für das tolle Feedback! :)

  • @JeGo-ee7ts
    @JeGo-ee7ts Рік тому

    Hallo Udo, vielen Dank für das sehr informative Video. Ich würde das gerne direkt so umsetzen, frage mich jedoch, ob das Ganze auch mit einer neueren JetPack Version (v5.1.1) bzw. Yolo (v5) funktioniert? Gibt es hierzu evtl. auch eine aktualisierte Anleitung?

    •  Рік тому

      Noch nicht. Leider war das Jahr ziemlich busy (Beruf aber auch mein SmartHome, welches ich extrem ausgebaut habe. Überlege gerade, hier vielleicht einen Kanal zu machen), so dass ich mich noch nicht drum kümmern konnte. Im Herbst schaut es besser aus, dann habe ich wieder mehr Zeit das anzupassen. Ist tatsächlich eine Baustelle da Nvidia einiges aktualisiert hat und auch diverse andere Pakete aktualisiert werden müssen. Ich habe das im Blick, kann aber kurzfristig noch kein Update liefern.

    • @JeGo-ee7ts
      @JeGo-ee7ts Рік тому

      Hallo Udo, vielen Dank für die schnelle Antwort. Dann bleibt es eben (zumindest bis auf Weiteres) erst mal bei dem Software-Stand aus Deinem Video. Ist ja kein Problem für den Beginn. Eine kurze Frage hätte ich noch. Würde aus Deiner Sicht hier ein Jetson Nano von der Performance her ausreichen oder wäre ein Jetson Xavier besser geeignet? Ich möchte gerne mehrere Kamera mit Objekterkennung betreiben. Viele Grüße

    •  Рік тому

      Der Nano macht IMO nicht wirklich Spaß, bei mir hat der auch nicht sehr lange gehalten. Entweder den NX oder Orion NX. Hängt auch immer mit dem finanziellen Budget zusammen, was man dafür ausgeben möchte. Oder eine Nvidia Karte für den PC und dann Linux installieren (wie in den Videos zu sehen) Nano also eher nicht

  • @fabienbolzan9230
    @fabienbolzan9230 Рік тому

    Danke für dieses, die KI in den richtigen Kontext setzende, Video. Einfach gut! Danke

  • @os-channel
    @os-channel Рік тому

    Ist "Filtern" nicht gleich "Convolution"? In beiden Fällen werden doch Feature Maps erstellt. Oder ist "Filtern" die Mathematik hinter "Convolution"? Trifft es das besser?

    •  Рік тому

      Hallo, gute Frage, danke dafür :) In diesem Kontext ist es das letztlich das Gleiche. Dazu habe ich einen Link, bei dem dieses Thema sehr ausführlich diskutiert wurde: stats.stackexchange.com/questions/154798/difference-between-kernel-and-filter-in-cnn/188216#188216 Streng genommen ist letztlich eine Konvolution die Anwendung eines Filters, welche die (Aktivierungs = Feature) Map bildet.

  • @radoinaitwakrim1398
    @radoinaitwakrim1398 Рік тому

    Ein sehr schwiriges thema Super und einfach erklärt . Respekt .vielen Dank für Ihre Bemühungen.

    •  Рік тому

      Vielen Dank, das freut mich :)

  • @user-nc8xl4qs2p
    @user-nc8xl4qs2p Рік тому

    Auch ich bin bei der Installation bei dem Thema 3.6 vs 3.7 hängen geblieben. Gibt es da schon eine Lösung, sonst kann ich bei dem Projekt nicht mehr weitermachen. Wäre schade.

  • @AfflictionCH
    @AfflictionCH Рік тому

    Sehr detaillierte Informationen. Weiter so.

    •  Рік тому

      Danke schön. :) Das nächste Thema wird, ja klar, generative KI zum selber bauen

  • @michaelbaumann5867
    @michaelbaumann5867 Рік тому

    Sie haben CNNs am besten erklärt! Das hilft mir sehr in meiner Abschlussarbeit :D

    •  Рік тому

      Das freut mich sehr! Alles Gute für die Abschlussarbeit :)

  • @lars8124
    @lars8124 Рік тому

    Freaky!

  • @Teufelsadvocat
    @Teufelsadvocat Рік тому

    Hallo Udo, ich habe da ein Problem mit dem Gesichter trainieren. wenn ich den Skript ausführe bekomme ich immer die Meldung "ValueError: Error opening known faces directory. Is the path correct?" das Verzeichnis sollte das richtige sein, den alle Ordner und Bilder werden dem www-data user zugeordnet beim ausführen des Skripts.

  • @danielbreul1613
    @danielbreul1613 Рік тому

    Meiner Meinung nach sehr unverständlich. Obwohl ich die Englische Sprache nicht sehr gut beherrsche, hat die Serie von 3Blue1Brown weit mehr Verständnis gebracht als dieses Video. Der Unterschied ist, dass direkt von Anfang an erklärt wird, WIE es nun wirklich funktioniert. Wenn man immer wieder hört "Das ist jetzt aber nur eine Vereinfachung" dann fragt man sich auch immer "ja wie ist es denn jetzt wirklich?" - Auch die Animationen tragen zum Verändnis bei: ua-cam.com/play/PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi.html

  • @intelligenz
    @intelligenz Рік тому

    In Minute 50 erscheint ganz unten die Gleichung dy/dw1 = dy/dw1 * de/dy. Müsste nicht das dy im Zähler links des Gleichzeichens eigentlich ein de sein?

    •  Рік тому

      Das stimmt. Leider ein Tippfehler, daher habe ich den Video "Fragen und Antworten - Basiswissen Neuronale Netze" als Ergänzung dazu gemacht. Dort habe ich das korrigiert und auch weitere Fragen und Antworten berücksichtigt.

  • @nilsdobs8923
    @nilsdobs8923 Рік тому

    Hallo, vielen Dank für das tolle Video. Eine Frage hätte ich: Was wäre wenn die 4 Pixel keine horizontale Linie bilden, sondern ein "L"? Wie kann eine Neuronales Netz das erkennen? Viele Grüße ✌️

    •  Рік тому

      Das Netz lernt in diesem Beispiel generell Pixelkombinationen und deren Erklärung (ist ein L, ein Strich etc.) andererseits. Danach funktioniert das auch mit unbekannten Mustern. Das Beispiel mit 4 Pixeln ist relativ trivial wenn man sich Bilder z.B. in HD demgegenüber vorstellt. Entscheidend ist das Grundverständnis: Ein System lernt Pixelmuster und die dazu gegebenen Erläuterungen zum den jeweiligen Mustern ("was zeigt das Muster: L " oder was auch immer), bildet daraus Zahlenwerte (das Modell) und kann dann ähnliche Bilder ohne Erläuterung zuordnen, in dem das unbekannte Bild in Zahlenwerten analysiert wird und geprüft wird, ob es ähnliche, bereits gespeicherte (gelernte) Muster gibt die dann eine Prognose auf das neue Muster/Bild erlauben (Wahrscheinlichkeit). Das Geniale dabei ist, dass die Werte in dem Modell aufgrund der Eingangsinformation gebildet werden und dann Muster erkannt werden. Trainiert man zum Beispiel Katzenbilder, dann können nach dem Training idealerweise auch unbekannte, nicht trainiere Katzenbilder analysiert werden. Trainiert man Hunde, dann halt Hunde, oder Autos oder was auch immer. Das macht KI so flexibel

  • @cybercrazy1059
    @cybercrazy1059 Рік тому

    Erst mal vielen Dank für die vielen tollen Videos! Ich sehe dass viel Mühe gegeben wurde. Leider erhalte ich bei der Installation immer wieder den Fehler dass die Python Version falsch ist. ERROR: This script does not work on Python 3.6 The minimum supported is 3.7. Dann fühle ich mich aufgeschmissen, weil die nachfolgenden Befehle nicht mehr ausgeführt werden können. 7 Stunden sind schon sehr aufwändig, ist das bei Linux oft so?

    •  Рік тому

      Linux ist da durchaus etwas aufwändiger, insbesondere wenn Pakete wechseln und dann bestimmte Abhängigkeiten existieren. Ich schaue mir den Script an und passe die erforderlichen Stellen an. Allerdings ist gerade viel los und das kann vermutlich eher März werden. Dann sollte das aber relativ einfach sein. Das Gute an Linux, meiner Meinung nach, ist die Tatsache dass man wirklich den Rechner kontrollieren kann und nicht irgendwelche Funktionen drin hat, die dauernd irgendwas an irgendwelche Cloud-Dienste schickt. Das gibt es zwar durchaus auch kann aber vom System unterbunden werden während bei anderen Betriebssystemen das von den Herstellern bereits fest eingebaut ist. Insofern mag ich Linux und benutze privat eine ARCH Variante.

    • @cybercrazy1059
      @cybercrazy1059 Рік тому

      ​@ Ich würde mich auf jeden Fall sehr freuen, wenn die Stellen angepasst sind. Dann schaue ich mal in wenigen Monaten hier nochmal rüber. Bis dahin versuche ich ein bisschen mehr in Linux einzuarbeiten.

  • @katze_ksb
    @katze_ksb Рік тому

    Schönes Video, vielen Dank!! Leider ist die mathematisch auch nicht übliche Darstellung ohne die Nullen vor der Dezimalstelle sehr verwirrend.

  • @chuanjuchou7800
    @chuanjuchou7800 Рік тому

    Endlich einen KI Kanal auf Deutsch gefunden! Danke für alle gut erklärte Videos.

    •  Рік тому

      Vielen Dank! :)