Chcę napisać AI do gry planszowej typu Azul, Splendor wykorzystując sieci neuronowe. Z tego co wyczytałem to najlepiej użyć do tego Q-learning. To ma być self-learning.

Problem jest taki, że nie znalazłem libki do tego - jest ten Tensorflow.NET ale on tego nie obsługuje, ML.NET tak samo albo o czymś nie wiem (nie robiłem nic wcześniej z NN).

A może jakieś algorytmy genetyczne? Weźcie coś doradźcie, żeby się nie narobić, a zrobić.

Grę
  • 4
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@harakiri888: ile masz na to czasu? Generalnie używanie RLa do grania w gry planszowe to nie jest coś co można ogarnąć w godzinę i raczej potrzeba trochę intuicji żeby wiedzieć co się tam dzieje i mieć na to jakiś wpływ, może wybierz jakiś łatwiejszy sposób np jakiś minmax + może Monte Carlo tree search
  • Odpowiedz
@zibizz1: min-max nie będzie zbyt "trywialny", mimo wszystko jest parę zasad do ogarnięcia i się może to drzewko zbyt duże zrobić.

@ZdeformowanyKreciRyj: nie mam ram czasowych na to, side project, for fun. MCTS to chyba też łatwe nie jest.

Rozważę tego minmaxa, poczytam o nim jutro czy da radę go zaaplikować do tego problemu.

@mrocznapszczola: zerknę.
  • Odpowiedz
Uczę się trochę pythona i postanowiłem pobawić się #tensorflow w googlowej chmurze.

Ponieważ zaczynam przygodę, to wrzuciłem kod z tutoriala
Wrzuciłem swoje zdjęcia i naniosłem kosmetyczne poprawki.
Ostatecznie wypluło mi wynik jak na obrazku. Jak mam to zinterpretować?
Skąd mogą brać się te piki?
kartofel - Uczę się trochę pythona i postanowiłem pobawić się #tensorflow w googlowej...

źródło: comment_1613934948vn3ehflfWJZ6cm6BL8m9ma.jpg

Pobierz
  • 2
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Tworzę portal w #django dla ludzi lubiących aktywności poza domem (góry, wędrówki, itp.). Podstawowa funkcjonalność to dodawanie wycieczek i szukanie ludzi do wspólnych wypraw. Portal obsługuje również grupy dyskusyjne. Planowana jest również zaawansowana wyszukiwarka miejsc, szlaków i wędrówek.
Kod źródłowy jest tutaj: Github
Wersja rozwojowa: mountaingrip.com

Gdyby ktoś był zainteresowany projektem i chciał dołączyć do tworzenia, zapraszam do współpracy.

#python3 #js #reactjs #django
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

#deeplearning #programowanie #tensorflow

Do tej pory używałem tf 2.0, komunikat o braku obsługi AVX2 olewałem i nie instalowałem nowszej wersji bo przecież i tak mam Radeona to nie wykorzystam mocy GPU. No ale postanowiłem spróbować obejść to przez bibliotekę plaidML - w ten sposób po zainstalowaniu tf 2.3.1 dowiedziałem się, że moja karta jedynie zabiera miejsce w laptopie a do obliczeń się nie nadaje. Ale jest
  • 3
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Wtedy tworzyłem autoenkoder aby odtworzyć taki generator twarzy. No i nawet się udało mimo, że miałem dość mały i bardzo mocno zróżnicowany zestaw danych. Teraz próbuję zrobić to samo przy pomocy GANa ale to iteruje już dzisiaj cały dzień na razie bez większych skutków. Na oko potrzebowałbym 8 dni obliczeń aby uzyskać dobre rezultaty.
  • Odpowiedz
Piszę appke w #cpp gdzie zależy mi na dość szybkim czasie reakcji. Czy jest możliwość załadowania modelu z wagami (plik kerasa z wagami h5 i architektura modelu w jsonie) i predykcję bezpośrednio w cpp? Zrobiłbym to w #python ale dochodzi jeszcze image processing, a wiadomo jak wolny jest python w stosunku do cpp. Znalazłem coś takiego https://github.com/Dobiasd/frugally-deep ale to tylko Python3, ja niestety pracuję z frameworkiem dla Plython2.
  • 4
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Zrobiłbym to w #python ale dochodzi jeszcze image processing, a wiadomo jak wolny jest python w stosunku do cpp.


@c137: Biblioteki do pythona wymagające wydajności są pisane w C. Np. biblioteka pillow do przetwarzania obrazów. Więc zbytnio wydajności nie poprawisz.
  • Odpowiedz
  • 1
@miszczu90 tez maluje i wiem o co chodzi. ale nie ma to zwiazku z tym co probuje zrobic bo nie probuje zrobic arcydziela tylko sprawdzic jak nauczyc algorytm do rysowania geometrycznych wzorow
  • Odpowiedz
Elo Mirki.
Szukam jakiegoś speca od sieci neuronowej. Mam pewien problem i nie wiem jak go rozwiązać.
Moje zadanie to, mając do dyspozycji zbiór z różnymi informacjami dotyczącymi tego czy użytkownik kliknął reklamę (kilka kolumn zawierających wartości int, cztery kolumny zawierające stringi złożone z ciągów liczb oddzielonych "|", np. 123|2341|12|56), stworzyć sieć neuronową która przewidzi czy użytkownik kliknie reklamę.

Problemem jest to, że jak chcę wprowadzić do feature columns (w którym już mam część kolumn zawierających inty, zmienne kategoryczne itp.) stringi jako np. one-hot encoder lub listę samych wartości liczbowych, to potem dodając do modelu Sequential: DenseFeature(feature columns) otrzymuje błąd wywołując DenseFeature(feature columns).

Pytanie:
  • 1
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

#anonimowemirkowyznania
Mirki, kończę właśnie doktorat z #machinelearning (podrzędna uczelnia w #uk). Jeśli go obronię (tylko jedna publikacja), to czeka mnie szukanie pracy (w sumie jak nie obronię, to też xd). I tak – gdzie szukać? Tak naprawdę to nie umiem ani programowania, ani machine learningu. Na doktoracie zawsze się robi tylko proof of concept, byleby działało. Ja to robiłem w #python z #tensorflow.

Nie mam doświadczenia, nie przepracowałem ani dnia w żadnej normalnej pracy. Znam #angielski (bardzo biegle) i #niemiecki (B2+). Przed doktoratem z tego machine learningu skończyłem w Polsce #matematyka. Mam 29 lat.

Chciałbym znaleźć coś albo w UK, albo w jakimś kraju niemieckojęzycznym, albo w Polsce. Polecicie jakąś strategię, jakieś firmy? Na uczelni raczej mnie nie będą chcieli z jedną publikacją, więc raczej sektor prywatny. Lepiej w Polsce czy za granicą Waszym zdaniem? Jest w ogole popyt na zagadnienia #uczeniemaszynowe teraz jeśli
  • 26
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Czy istnieją jakieś sensowne certyfikacje z zakresu #machinelearning szczególnie jeśli wymagają znajomości #tensorflow ? entry-level, coś żeby poświecić szukając #praca na stanowisku ML engineer mając za sobą tylko staż
I przy okazji egzamin AI-100 #microsoft #azure to tylko kwestia przerobienia bazy 100 iluś pytań jakie można znaleźć na niektórych stronach? I jeśli tak to czy w ogóle warto, czy równie dobrze mogę
  • 5
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@dwrd: Certyfikaty raczej niewiele dają. Jedyne co widziałem, że zainteresowało managera, będąc na rozmowie kwalifikacyjnej jako osoba techniczna, to dosyć spore osiągnięcia w Kaggle.
  • Odpowiedz
Historia sieci neuronowych sięga roku 1940, gdy Donald O. Hebb postawił hipotezę, że połączenia neuronów wzmacniają się, gdy przebiegają po nich impulsy. "Neurony, które razem świecą, łączą się". Była to przełomowa koncepcja, która zainspirowała kolejne generacje naukowców do odtworzenia mechanizmu za pomocą połączeń elektronicznych.

Jednak nie było to takie proste. Dopiero 5 lat później powstał superkomputer ENIAC. Wykonywał on zawrotne 100 000 cykli na sekundę. Paradoksalnie to nie jest duża ilość. Obecnie każdy z nas ma komputer, który jest przynajmniej 10 000 razy szybszy. ENIAC zajmował ok. 5 średnich mieszkań. A nasze, ponad 10 000 razy szybsze komputery zajmują tyle miejsca co większa książka. Nie mówiąc już o tym, że ENIAC konsumował ogromne ilości energii.

Także odkrycie Hebba wymagało czasu, aby można je było zrealizować w sensownej skali. Nawet dzisiaj, aby testować małą sieć neuronową trzeba mieć godziny, czy tygodnie, aby ją wytrenować (nauczyć). Do specjalistycznych metod stosuje się superszybkie karty graficzne, które sprawdzają się w takich zadaniach lepiej niż wielozadaniowy procesor.

Mimo
tomaszs - Historia sieci neuronowych sięga roku 1940, gdy Donald O. Hebb postawił hip...

źródło: comment_1588862169TXGpmwC73DVLkPA1VzFwyK.jpg

Pobierz
  • 2
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Czy wiesz, że styl malarski jest ukryty w kilku warstwach sieci neuronowej? Poniżej przykład jak sieć neuronowa potrafi nauczyć sie stylu malarskiego i namalować nim dowolny obraz. Robi wrażenie prawda?

Rozdział 8 książki, którą czytam mówi nie tylko o neuronowym transferze stylu, generowaniu tekstu, ale też o DeepDream, sieciach GAN i koderach VAE. Czyli o tym jak powstają te wszystkie aplikacje do postarzania twarzy, generowania postaci anime itp. Czy też jak powstał DeepFake. Co ważne autor podaje kod źródłowy do każdej sieci, która od razu mozna wytrenować i wygenerować sobie obrazy. Eksperymentować.

Bardzo ciekawy i wizualny rozdział. Keras jest super!

Ilustracja
tomaszs - Czy wiesz, że styl malarski jest ukryty w kilku warstwach sieci neuronowej?...

źródło: comment_1588779048nuYyC3fctKC4E7kOBqZlAm.jpg

Pobierz
  • 17
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@AdireQ: Ale liczba pi to tylko związek wymyślony przez człowieka, nie tworzy ona nic nowego. To tylko suche cyfry. Pi nie stwierdzi nagle, że zamiast cyfr zaczną pojawiać się litery. Znów nie wychodzi poza schemat który został jej "zaprogramowany".

W tamtym przykładzie chodziło mi że akurat konkretnie ta funkcja srand tworzy złudzenie losowości. Nie wiem nic o tym co podałeś, ale kiedyś czytałem że każdy szum czy ziarno zwraca tylko
  • Odpowiedz
Rozdzial 7 traktuje o zaawansowanych technikach deep learningu, dodatkowych narzedziach, tensor board, automatyzacji ustalania hiperparametrow i zespalaniu modeli i debugowaniu sieci w Keras ie.

#deeplearning #keras #tensorflow
  • 1
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Sieci neuronowe Deep learningu pozwalają odróżnić np. słonia od innych zwierząt. Co ciekawe można podejrzeć, co sieć neuronowa uznaje w zdjęciu za ważne, aby słonia rozpoznać. Poniższa mapa aktywacji sieci właśnie to pokazuje. Obszary czerwone sieć neuronowa uznaje za najważniejsze do rozpoznania słonia. A żółte - również istotne. Reszta nie jest dla sieci taka ważna. Jak widać słoń to tylko w 1/4 słoń :)

Za: https://medium.com/analytics-vidhya/visualizing-activation-heatmaps-using-tensorflow-5bdba018f759

#siecineuronowe #technologia
tomaszs - Sieci neuronowe Deep learningu pozwalają odróżnić np. słonia od innych zwie...

źródło: comment_1588512370yqPLMG1hjFpKELGw0NnEhL.jpg

Pobierz
  • 4
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@tomaszs: @Slamowir: To nie takie proste, jak to przedstawiasz. Żeby zrozumieć co jest ważne a co nie, trzeba spojrzeć jak ta sieć została stworzona. Sieć Inception V3 była trenowana na podstawie obrazów z Imagenet, gdzie występują dwie klasy dla słonia: afrykańskie i indyjskie. A słonie rozpoznajemy po uszach głównie.
  • Odpowiedz
Na razie przeczytalem 50 stron i jestem zadowolony. Autor ebooka omawia czym jest deep learning, jaka była historia. Szczególnie zaciekawiły mnie okresy popularności algorytmów sztucznej inteligencji, oraz jej spadków. Drugi rozdział to wprowadzenie w podstawy matematyczne. Zręcznie omijane są zawiłości matematyczne za macierzami itd. Czyta się bardzo przyjemnie. Jak widać można stworzyć #keras, współtworzyć #tensorflow i jednocześnie pisać ciekawie.

A no i jest już pierwszy kod do
  • 2
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach