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 jest w fazie public voting. Zajmuję 8 miejsce i mam 92 głosy i to w zasadzie nie zmienia się od 2 dni. Moi znajomi, rodzina i inni zagłosowali, możliwości mi się skończyły. A do czołówki brakuje... ponad 300 głosów. Potrzebuje kilkaset waszych klików :P. Nagrodą jest wyjazd do USA na Nvidia GTC2018 w marcu, szkolenie z dziedziny AI organizowane przez Nvidię i oczywiście Titan X (który zastąpi mojego GTX'a). I co najważniejsze jedzie tylko jeden projekt wyłoniony z fazy public voting.
Jeżeli projekt wam się podoba, to proszę o głos. By go oddać, należy się zalogować przy pomocy konta Goole lub Facebooka, a następnie wejść w link powyżej i na dole strony dokonać głosowania :). Dzięki za pomoc! Paweł
@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.
@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.
@rolba: no nie do końca, bo możesz liczyć dwa osobne modele równolegle na dwóch GPU, tylko procek/płyta musi dostarczyć odpowiednio dużo linii PCI; nie mniej szanuję, sam myślałem żeby w tym startować, zaraz zagłosuję :)
Część Paweł, jestem Mickeyickey i zagłosowałem na Ciebie bo tak mi powiedziałeś, nawet nie sprawdziłem jak wyglądają inne projekty w konkursie. Mam nadzieję że nie zmarnowałem swojego głosu. Pozdrawiam, Mickeyickey
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 jest w fazie public voting. Zajmuję 8 miejsce i mam 92 głosy i to w zasadzie nie zmienia się od 2 dni. Moi znajomi, rodzina i inni zagłosowali, możliwości mi się skończyły. A do czołówki brakuje... ponad 300 głosów. Potrzebuje kilkaset waszych klików :P. Nagrodą jest wyjazd do USA na Nvidia GTC2018 w marcu, szkolenie z dziedziny AI organizowane przez Nvidię i oczywiście Titan X (który zastąpi mojego GTX'a). I co najważniejsze jedzie tylko jeden projekt wyłoniony z fazy public voting.
https://challengerocket.com/pawel_rolbiecki/Ai-Nimals-b12538.html
Jeżeli projekt wam się podoba, to proszę o głos. By go oddać, należy się zalogować przy pomocy konta Goole lub Facebooka, a następnie wejść w link powyżej i na dole strony dokonać głosowania :).
Dzięki za pomoc!
Paweł
#programowanie, #sztucznainteligencja, #ai,
Ps. I w końcu po 4 latach zarejestrowałem sie na wykopie.
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_:
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.
Dla mnie praca nad jednym modelem i ostateczna jego kwalifikowanie bądź odrzucenie jest chyba wygodniejsza niż nad dwoma na raz. Tak mi się wydaje.