Учусь по Вашим урокам. Спасибо большое! Хотелось бы самому сделать такую же программу изображений весов связей нейронов - поделитесь, пожалуйста, ее кодом.
очень здорово, спасибо за материал. программа демонстрировавшая работу нейронной сети написана на питоне? если да, то какие библиотеки использовались, было бы интересно их изучить, чтобы нечто подобное сделать ?
Объясните пожалуйста, как вы добились того, что нейронка распознаёт цифры, написанные от вашей руки? Нейросеть я тренировал как вы учили, программу для рисования цифр тоже написал, не получается ничего от слова совсем. Через paint тоже пытался(к нужному формату данные я приводил (784 дробных числа в диапазоне 0-1)), результат не лучше
Спасибо за урок! а метод "К-ближайших соседей" справляется с данной задачей в среднем лучше или хуже чем нейросеть построенная нами на прошлом уроке? Про то что лучше использовать "сверточные" НС я знаю. просто интересно, может кто то пробовал.
Благодарю сердечно за внятные разъяснения с практикой. А можно ли вывернуть задачу наизнанку? Например обучить нейронку так, чтобы когда ей будет задано, например, число 9, она должна будет нарисовать картинку девятки. Отобразить, так сказать, усредненный вариант всех каракулей девяток, содержащихся в обучающем сэте. Было бы очень любопытно поглядеть на результат
Спасибо за видео. У меня вопрос по поводу готовых структур нейросетей. Есть ли какая нибудь база, где можно посидеть покопаться, по выбирать и найти подходящию для себя сеть?
Я знаю по сверточным НС (речь о них в будущих видео) есть стандартные сети VGG-16, 19, AlexNet, GoogleNet и т.п. В частности сети VGG поставляются с пакетом Keras (причем, уже обученные). Другие нужно искать по названиям и качать.
@@selfedu_rus Получается, если нужно найти какой-то объект на картинке, на первый план выходит создание обучающей и тестовой выборки, т.к. создать сеть лучше, чем выше перечисленные, навряд ли получится?
@@dubinin_s Грамотный датасет - это в любом случае 80% успеха. Апгрейд существующих архитектур никак не поможет, если на входе мусор, а на хорошем датасете результат будет приемлемым даже у небольшой нейросети, не требующей долгих вычислений.
А можно еще вопрос по прошлому уроку (там где программа была для распознавания цифр). А мы не можем добавлять собственные изображения в Выборку? Чтобы можно было в paint нарисовать цифру, а данная программа распознавала бы ее?
Здравствуйте, подскажите пожалуйста. Я написал такую же нейросеть по распознаванию цифр. На тестовой выборке все хорошо(97% правильно), распознает даже то, что самому сложно догадаться. А вот, когда рисую изображение в paint и вставляю его в predict, НС очень плохо распознает даже четкие изображения (сжатие произвожу методом resize, а цвет меняю с помощью quantize). У вас, как видно из видео, все работает отлично. Не могли бы вы подсказать, что в таком случае можно сделать, ну или как вы делали?
@@selfedu_rus В принципе, я так и делал. Семерку и девятку не распознает ни в какую. Только вот меня смущает то, что, когда я подставил конвертированную картинку в обученную модель, а потом вывожу результат распознавания как список, то у меня список не состоит из хаотичного набора цифр, а строго одна единица и все нули(типо так: [0., 0., 1., 0., 0., ...]). Может в этом какая-то ошибка?
@@didya123, проблему решил частично. Но баги все равно случаются. Я отказался от идеи сжатия и настроил поля в paint 28*28. Также надо подогнать толщину линии при рисовании, чтобы она была похожа на толщину линии в датасете. И рисовать нужно белым цветом на черном фоне. Тогда, при распознавании, цвета инвестируются и получится изображение похожее на то, которое было в обучающем датасете.
Скажите, а нужно ли свои изображения цифр центрировать, чтобы цифра была по центру рисуем ой области? У меня проблемы с распознаванием цифр 7 и 9. Они в мнисте немного смещены вниз играет ли это роль?
Конкретные маски нейронов формируются в результате процесса обучения. Как работает алгоритм back propagation мы говорили ранее, поэтому тут на уровне математики особо нечего добавить.
тайминиги пишутся без пробелов + ChatGPT как никак в данный момент говорит так как говорят люди. А люди сами не могут понять какую лучше архитектуру использовать
Спасибо за самые понятные уроки по нейросетям!
Ваши уроки просто находка для нас, благодарю за вашу работу!
Спасибо вам огромное за такой замечательный курс!!! Ничего лучше я не видел, даже на платных ресурсах!!!
Самые лучшие объяснения в интернете
Лучший в мире учитель, за работой!
папаня за работой
Учусь по Вашим урокам. Спасибо большое!
Хотелось бы самому сделать такую же программу изображений весов связей нейронов - поделитесь, пожалуйста, ее кодом.
примеры топ🔥🔥, ты должен обучать студентов ВУЗах
Спасибо, информативно, круто, лайк!!!
очень здорово, спасибо за материал.
программа демонстрировавшая работу нейронной сети написана на питоне?
если да, то какие библиотеки использовались, было бы интересно их изучить, чтобы нечто подобное сделать ?
Поделитесь кодом предложенной программы для проверки. Пожалуйста🙏🙏
Объясните пожалуйста, как вы добились того, что нейронка распознаёт цифры, написанные от вашей руки? Нейросеть я тренировал как вы учили, программу для рисования цифр тоже написал, не получается ничего от слова совсем. Через paint тоже пытался(к нужному формату данные я приводил (784 дробных числа в диапазоне 0-1)), результат не лучше
Спасибо за урок! а метод "К-ближайших соседей" справляется с данной задачей в среднем лучше или хуже чем нейросеть построенная нами на прошлом уроке? Про то что лучше использовать "сверточные" НС я знаю. просто интересно, может кто то пробовал.
лучший автор в руютуб
Благодарю сердечно за внятные разъяснения с практикой.
А можно ли вывернуть задачу наизнанку? Например обучить нейронку так, чтобы когда ей будет задано, например, число 9, она должна будет нарисовать картинку девятки. Отобразить, так сказать, усредненный вариант всех каракулей девяток, содержащихся в обучающем сэте.
Было бы очень любопытно поглядеть на результат
Да, конечно, это есть дальше по курсу в теме автоэнкодеры )
@@selfedu_rus Спасибо за информацию. До автоэнкодеров еще не добрался
подскажите книгу или сайт где можно по практиковатся с нейросетями
Спасибо за уроки 🖖👍
Будет ли, что-то по neural architecture search?
А есть исходник программы?
или что-то для общего случая нейронной сети
Спасибо за видео.
У меня вопрос по поводу готовых структур нейросетей. Есть ли какая нибудь база, где можно посидеть покопаться, по выбирать и найти подходящию для себя сеть?
Я знаю по сверточным НС (речь о них в будущих видео) есть стандартные сети VGG-16, 19, AlexNet, GoogleNet и т.п. В частности сети VGG поставляются с пакетом Keras (причем, уже обученные). Другие нужно искать по названиям и качать.
@@selfedu_rus Получается, если нужно найти какой-то объект на картинке, на первый план выходит создание обучающей и тестовой выборки, т.к. создать сеть лучше, чем выше перечисленные, навряд ли получится?
@@dubinin_s Грамотный датасет - это в любом случае 80% успеха. Апгрейд существующих архитектур никак не поможет, если на входе мусор, а на хорошем датасете результат будет приемлемым даже у небольшой нейросети, не требующей долгих вычислений.
Здравствуйте, а можно где-нибудь взять это приложение, на котором вы показывали?
Нет, оно самописное.
@@selfedu_rus жаль, я просто курсовую пишу по этой теме, интересно было бы показать😅
А можно еще вопрос по прошлому уроку (там где программа была для распознавания цифр). А мы не можем добавлять собственные изображения в Выборку?
Чтобы можно было в paint нарисовать цифру, а данная программа распознавала бы ее?
@@ПересветОбруч конечно можно, рисуйте цифры, переводите в размер 28х28 градаций серого и загружайте с помощью пакета PIL.
Здравствуйте, подскажите пожалуйста. Я написал такую же нейросеть по распознаванию цифр. На тестовой выборке все хорошо(97% правильно), распознает даже то, что самому сложно догадаться. А вот, когда рисую изображение в paint и вставляю его в predict, НС очень плохо распознает даже четкие изображения (сжатие произвожу методом resize, а цвет меняю с помощью quantize). У вас, как видно из видео, все работает отлично. Не могли бы вы подсказать, что в таком случае можно сделать, ну или как вы делали?
Изображение должно быть 28х28 пикселей, черно-белое с чреным фоном и белым начертанием цифр. В целом, должна справляться.
@@selfedu_rus В принципе, я так и делал. Семерку и девятку не распознает ни в какую. Только вот меня смущает то, что, когда я подставил конвертированную картинку в обученную модель, а потом вывожу результат распознавания как список, то у меня список не состоит из хаотичного набора цифр, а строго одна единица и все нули(типо так: [0., 0., 1., 0., 0., ...]). Может в этом какая-то ошибка?
@@phoenix1331 Изображение также должно иметь один цветовой канал (grayscale). Возможно, у вас jpeg и 3 цветовых канала.
@@phoenix1331 у меня сейчас точно такая же проблема, ты не помнишь решение?)
@@didya123, проблему решил частично. Но баги все равно случаются. Я отказался от идеи сжатия и настроил поля в paint 28*28. Также надо подогнать толщину линии при рисовании, чтобы она была похожа на толщину линии в датасете. И рисовать нужно белым цветом на черном фоне. Тогда, при распознавании, цвета инвестируются и получится изображение похожее на то, которое было в обучающем датасете.
В каком формате надо сохранить изображение цифры в paint?
png
Подскажите, где посмотреть алгоритм преобразования изображения в массив или рисование по сетке?
для Python есть модуль PIL, который это делает
маска и не должна проецировать изображения. это двумерная карта нейронов, ее можно и в 3д представить.
Скажите, а нужно ли свои изображения цифр центрировать, чтобы цифра была по центру рисуем ой области? У меня проблемы с распознаванием цифр 7 и 9. Они в мнисте немного смещены вниз играет ли это роль?
Это не обязательно, но если так сделать, то, конечно, классификация будет лучше.
Интерфейс с помощью TKinter создавался?
wxPython
спасибо
Где можно найти гайд для создания аналогичного gui?
wxPython - курс на этом же канале
Интересное видео. Но как нейросеть разгребает изображение на уровней байтов и пикселей я так и не понял. Много лирики и мало технических деталей
Конкретные маски нейронов формируются в результате процесса обучения. Как работает алгоритм back propagation мы говорили ранее, поэтому тут на уровне математики особо нечего добавить.
Веса похожыьна человеческие лица
10 : 52 Возможно подойдёт чат GPT
тайминиги пишутся без пробелов
+ ChatGPT как никак в данный момент говорит так как говорят люди. А люди сами не могут понять какую лучше архитектуру использовать