t__d
  • 1878
#rozdajo 5 książek

Mircy, mam coś dla was. Mój przyjaciel ( https://facebook.com/MichalGeeCrypto/ ) przez wiele miesięcy po nocach pisał książkę o #kryptowaluty, ale nie żadne głupoty pt. jak zarobić szybko na pompce, tylko pełną przeprawę po technologii i jej potencjalnym wpływie na świat. Do współpracy zaprosił Szczepana Bentyna i samodzielnie wydali ( pod adresem http://kryptowaluty.edu.pl/ ) książkę skierowaną do osób, które nie są informatykami, aby zrozumiały czym jest #bitcoin
t__d - #rozdajo 5 książek Mircy, mam coś dla was. Mój przyjaciel ( https://facebook....

źródło: comment_uPTtzU14CCize49oYt0lnplk5tZMetof.jpg

Pobierz
  • 44
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
rolba
rolba
  • 293
Cześć.
Mam na imie Paweł. Potrzebuję waszej pomocy w głosowaniu public voting.

Wziąłem udział w konkursie "NVIDIA® Jetson™ Developer Challenge" i stworzyłem urządzenie do zbierania statystyki gatunków ptaków odwiedzających mój karmnik w ogrodzie (prywatnie, poza godzinami pracy). Nazwałem je Ai-Nimals. Oprogramowanie napisane w pythonie zawiera dwie sztuczne sieci neuronowe. Sieć klasyfikująca gatunki została w pełni wytrenowana przeze mnie. Jest to VGG16, trenowana na GTX1060. Do lokalizacji ptaka na obrazie użyłem wcześniej wytrenowanej architektury MobileNetSSd.

Projekt
  • 50
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
rolba
rolba
  • 2
@Stefaniak91: Dzięki. Niemało pracy w to włożyłem. Nie mówiąc już o tym, że trenowanie sieci neuronowej (a w zasadzie finetuning sieci VGG16 metodą ctrl+break) trochę zajmuje. Są serwisy (np AWS) ale poszedłbym z torbami gdybym robił to na ich serwerach.
  • Odpowiedz
rolba
rolba
  • 2
@fegwegw: Może. Założenia były następujące.
1. Urządzenie działające bez dodatkowego źródła zasilania (w tej chwili 10h przy pełnym obciążeniu GPU). Fakt panel jest za mały ale docelowo będzie wiekszy
2. Przenośne.
3. Działające bez dostępu do internetu.
4. Zbierające statystykę obiektów. A to jakich obiektów uzaleznione jest tylko od tego jak wytrenujesz AI.

Spełniłem założenia. Zmieściłem się w wyznaczonym konkursowym czasie (do 18 lutego należało oddac pracę). Uzyskałem działający prototyp
  • Odpowiedz
rolba
rolba
  • 0
@czteroch: Dzisiaj stawiam system od nowa, bo parę dni temu za dużo grzebałem w plikach systemowych i MobileNetSSD szukając zwierzaka zawieszała cały system.
@botul: ( ͡° ͜ʖ ͡°)
  • Odpowiedz
rolba
rolba
  • 0
@Kura_Wasylisa: VGG 16, jako sieć klasyfikująca. W Kerasie (z tensorflow) trenowałem metodą "fine tuning" czyli ładując wspołczynniki z ImageNet i trenując ostatnie 6 warstw wraz z fully connected layer. 22 gatunki po około 400 obazów na gatunek.

MobileNetSSD jako ta która znajduje ptaka na obrazie. Korzystałem z pretrenowanej sieci. Równie dobrze mogłem użyć Tiny Yolo, ale nie chciałem. Po prostu za długo się ładowała na Jetsonie TX2.

@dude_:
  • Odpowiedz
rolba
rolba
  • 0
@Sloiko-student_1: @maxbor555:
Do uczenia maszynowego 2 różne GPU się nie nadają. Gorsze GPU staje się wąskim gardłem i lepiej sprawdzą się 2 GTX 1080 niż GTX1060 i Titanx w tym samym PC. Więc lepiej jeden lepszy niż 2 różne. Nic odkrywczego.
  • Odpowiedz
rolba
rolba
  • 0
@jurny: Nie pomyślałem o tym ( ͡° ͜ʖ ͡°). Przyznam się, że nie słyszałem o tym. Jak to w praktyce się sprawdza?

Dla mnie praca nad jednym modelem i ostateczna jego kwalifikowanie bądź odrzucenie jest chyba wygodniejsza niż nad dwoma na raz. Tak mi się wydaje.
  • Odpowiedz
rolba
rolba
  • 0
@qusk: Mam ornitologa w rodzinie, pracującego w zawodzie. Więc źródło inspiracji już znasz. Na następny sezon zimowy pewnie dostanie kolejny prototyp.
  • Odpowiedz

Osiągnięcia