[ludi889]

Interesuje się może ktoś ML'em? Z projektu który miał być AI do Warcrafta III (niestety mój kilkuletni X240 i hobbystyczna natura projektu na to nie pozwoliła), wyszła bardziej ogólna apka mająca na celu jak największe ułatwienie zbierania danych (screenshot + input), fitowania i sprawdzania modelu. W obecnym momencie, jest to kwestia wybrania jednej z 3 opcji, jednak wydaje mi się że wypadałoby ułatwić opcje odnośnie konfiguracji modelu oraz wybierania/zapisywania plików.

Jeśli ktoś miałby jakieś sugestie, chciałby się sam pobawić ML'em lub miałby konstruktywną krytykę to zapraszam na Githuba:
https://github.com/ludi889/machine-learning-click-and-coffee

#python #machinelearning #programowanie

[secret_passenger]

@ludi889: kurcze, się te skróty da czasami mylące - przeczytałem ML i byłem pewien że chodziło o język programowania :-)

[ludi889]

@secret_passenger Nope, tutaj Machine Learning na Pythonie w grze ( ͡~ ͜ʖ ͡°)

[s.....i]

@ludi889: Generalnie kilka tipsów ode mnie:
- Zwykła głęboka sieć konwulencyjna tutaj nie za dużo zdziała, potrzebny jest agent i środowisko, mianowicie Reinfircement Learning
- Używaj Kerasa zamiast tfleran
- Zrób pożądny pipeline danych, nie ładuj wszystkich do pamięci za pomocą numpy tylko napisz wydajny generator (polecam tfrecord)
- Co do ropzpoznawania obrazu to użyj jakiejś gotowej wydajnej architektury (może być efficientnet) + transfer learning zamiast samemu grzebać w konwulencjach

[ludi889]

@srakai: Dzięki za bardzo konkretne porady, zaraz się biorę do ogarniania co z tych rzeczy mogę wprowadzić :)

1. Odnośnie Reinforcment Learning - chciałem się tym zająć na samym początku. Jednak na CNN'ach znalazłem kolejne przykłady na jakich mógłbym oprzeć swoje pisanie (stąd uznałem że i ich można użyć). Chociaż faktycznie są one dosyć mało wydajne
2. Tutaj ponownie - z informacji jakie wygrzebałem, postanowiłem oprzeć się na tflearn, ale faktycznie