[nilfheimsan]

to efekt cwiczenia sieci neuronowej DCGAN na 400 abstrakcyjnych grafikach. 60 epok. w sumie ok 6 godzin
jakies porady co zrobic zeby bylo lepiej? wiecej epok? wiecej przykladow?

w komentarzach dane

#siecineuronowe #gan #machinelearning #python #ai #keras #tensorflow

[nilfheimsan]

@nilfheimsan: przykladowe grafiki wejsciowe

[nilfheimsan]

@nilfheimsan: trening

[I.....u]

@nilfheimsan: przykładów nigdy za wiele

[nilfheimsan]

@InspektorNadzoru: a czy moga byc dosc rozne jak na obrazku, czy powinny byc bardziej podobne?

[I.....u]

@nilfheimsan: ja bym dał od podobnych i stopniowo bardziej różnicował

[miszczu90]

@nilfheimsan: przecież w abstrakcjonizmie nie ma żadnej syntezy to proces, koncepcyjny-wizualny-twórczy,

polecam najpierw przeczytać Kandinskyiego, a później jakoś to wdrożyć w proces.

[miszczu90]

@nilfheimsan: generalnie sieć powinna mieć moduł odczytu przestrzeni (z plam koloru) i jego oceny w kontekście innych płaszczyzn, i przeanalizować materiał wejściowy pod tym kątem.

[miszczu90]

@nilfheimsan: ciekawe czy by się dało wdrożyć, jakby ai również analizowała również fizyczny proces zostawiania danego śladu (warstwy), bo w sumie jak już się ogląda dane działo fizycznie, to ma największe znaczenie na odbiór - a w reprodukcjach tego nie widać, chyba że serwujesz dla maszyny dzieła w skali 1:1, ale dobrze wiem, że tak nie jest.

[nilfheimsan]

@miszczu90 nie wiem za bardzo co ma tworczosc kandinskiego do tego bo chodzi mi o uzyskanie okreslonych kompozycji

[miszczu90]

@nilfheimsan: bo on jakoś to opisywał - tzn to jest wałkowane na historii sztuki, pewnie są też dzieła nowocześniejsze i bardziej praktyczne.

Chodzi o to - że w twoim przypadku, a tak sobie to wyobrażam - widząc co powstaje, to AI traktuje dzieła już jako od razu całość i tak po całości tworzy, otóż w procesie twórczym, nie zawsze masz tak jakby pustą przestrzeń, tzn, masz, ale tylko na pierwszej warstwie, ale i wtedy nawet "płótno" nie jest puste, bo już są jakieś ślady które twórca ma w głowie, po położeniu pierwszej warstwy, DOSTOSOWUJEMY następne tworzone "kształty" do tego co już jest na płótnie, tu przynajmniej widzę pierwszy błąd. Przyjrzyj się dziełom Pollocka, niby wszystko jest rozbryzgane, ale pomyśl, on wcale nie rozbryzguje farby w pełni losowo - nie stworzył, ani jednego dzieła, które by miały jakoś bardzo mocno skumulowane plamy w jednym miejscu - w praktyce przykryły by się przez następne i następne, ale nigdy to się nie zdarzyło i nie znam artysty, który by coś takiego zrobił.

Drugi błąd to dawanie dla maszyny czegoś co się postrzega czysto percepcyjne, czyli trzeba by było dać taką nakładkę - czyli paradygmaty dla ai jak człowiek postrzega dane przestrzenie - np. jeśli pokój wytapetujesz w pionowe pasy to będzie się wydawał wyższy, np. bardzo duże różnice w odbiorze wielkości - zależnie od zastosowanych obiektów obok, czyli jeśli będzie jednogroszówki, obok kształtów podobnych do 5 zł, to jakoś jedno groszówka, nie będzie wydawała się mała, jednak jak się umieści ją obok np. płyt winylowych, to będzie się wydawała mała.
To jest ważne w tych obrazach, jeszcze jest mnóstwo zależności jasność- kolor - grubość - kierunek, długość, czy się łączą, czy są daleko, czy się zginają, ai musi się jakoś nauczyć to rozpoznawać i

[miszczu90]

@nilfheimsan: czyli na początek wprowadzić pracę na warstwach.

[nilfheimsan]

@miszczu90 no nie zgadzam sie

[miszczu90]

@nilfheimsan: mówię to jako "osoba tworząca", najpierw walę jakieś wielkie płaszczyzny, a później coraz mniejsze elementy, albo coraz inną pracę na kontraście, zawsze to co aktualnie rysuje jakoś wpasowuje się w to co jest.
(patrz filmik wyżej) i myślę, że ai też mogła by tak pracować.

[nilfheimsan]

@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

[miszczu90]

@nilfheimsan: czyli niech wymyśli jeden wzór, narysuje go, a później następne rzeczy które będzie tworzyć to ma jako wzorzec to co stworzył najpierw, czasem może bardzo daleko odejść.

Też wiem, jak trochę ai się uczy i pytanie jak to wdrożyć w system, aby analizując dzieła gotowe, również ai uczyła się tych elementów, które trochę tak jakby wynikają z rzeczywistego świata, choć bardziej niematerialnego, niż przedmiotowego.

[ProfesorBigos]

@nilfheimsan: 400 przykładów to bardzo mało. Oryginalny DCGAN był chyba trenowany na 20 tysiącach. Poza tym jeśli twój loss stabilizuje się w okolicach 2, to gdzieś jest jakiś problem z uczeniem, bo powinno schodzić niżej. Zajrzyj też tutaj https://github.com/soumith/ganhacks

[nilfheimsan]

@ProfesorBigos: o takie rady mi chodzilo! wlasnie nie widzialem jaki powinien byc loss bo rozne strony roznie pisza. i tego linka nie znalazlem wczesniej

[nilfheimsan]

@ProfesorBigos: a ktory powinien byc wiekszy loss? d czy g?