[tptak]

Konferencja AWS re:Invent w Las Vegas dobiegła końca. W tym roku głównym tematem dla mnie były mistrzostwa AWS DeepRacer. Jest to samochodzik który używa uczenia maszynowego żeby jeździć po torze.

Ukończyłem na dwudziestym miejscu z 52 finalistów. Jestem bardzo zadowolony z mojego modelu, jeździł dość stabilnie. Wiedziałem że nie mam szans z najlepszymi, ale miałem nadzieję że nie będę ostatni. Nie liczyłem na awans do drugiej tury, do top 32 a tu taka niespodzianka.

Stawka była zróżnicowana. Mieliśmy studentów, którzy w zasadzie ścigali się tylko wirtualnie w lidze studenckiej i takich którzy studiują reinforcement learning i deepracer jest jednym z obiektów badań. Byli przedstawiciele partnerów AWS, pracownicy firm gdzie deepracer ma swoje wewnętrzne ligi i ludzie ze społeczności, stali bywalcy i nowi.

Były radości, były zawody, ale sam show stał na całkiem wysokim poziomie. Widać było napracowanie organizatorów.

Ze strony społeczności koordynowałem ścigaczy proxy. 5-6 osób nie mogło przyjechać i ktoś musiał im trzymać tablet przy torze. Kto miał znajomych z firmy na miejscu ogarniał sam, ale dwóch chińskich zawodników jest w lockdownie a jeden z Indii jest w kolejce do złożenia wniosku o wizę, czas oczekiwania 4 lata. Skorzystaliśmy z pomocy zawodników z poprzednich lat i wyszło chyba nieźle, dwóch weszło do drugiej rundy, dostali nagrania i informacje jak poszło, byli zadowoleni.

Przede wszystkim spotkaliśmy się po raz pierwszy od trzech lat w takich ilościach. Nowe pomysły, pełno eksperymentów, rozmów, zabawy. No, Vegas baby.

Powiem szczerze, dobrze że się zaczepiłem szybko. Jest coraz więcej dobrych ścigaczy i takie przeciętniaki jak ja będą miały trochę trudniej. A tak to teraz jestem jednym z liderów społeczności i jest szansa że nawet bez kwalifikacji będę jeździł co roku na re:Invent tak więc jednym z moich celów jest żeby było trudniej się zakwalifikować. A do tego trzeba więcej zaangażowanych rajdowców, bo wiecie, rozumiecie, co z tego że jestem dwudziesty z ok. 14 tysięcy co w tym roku dotknęli deepracera skoro około 500-1000 ściga się trochę więcej?

Jakby ktoś był zainteresowany to chętnie wspomogę na starcie.

#naukaprogramowania #aws #uczeniemaszynowe #machinelearning #programowanie

[t.....o]

@tptak:
To pewnie nie jest tanie hobby aby wyuczyć taki model.

[tptak]

@tos-1_buratino: może być drogie, ale są sposoby żeby obniżyć koszty. W zasadzie po 6-8 pierwszych miesiącach jedyny koszt dla mnie to czas

[a5f5c1]

@tptak: mówisz o instancjach typu spot, czy coś innego masz na myśli? ( ͡° ʖ̯ ͡°)

[vossinho2]

@tptak: gratki! Czy pojechałem na event za swoje czy dostałeś zaproszenie?

[vossinho2]

@tptak: mógłbyś wytłumaczyć dlaczego różne tory wymagają inne modele? Przecież nie jeden taki modę stworzyłeś więc z czego wynika fakt, że na takim evencie musisz tworzyć taki model od zera?

[tptak]

@a5f5c1: przy spotach można uciąć nawet 90% ceny i mieć wydajniejszy, bardziej zaawansowany trening. Jeszcze taniej wychodzi trening na własnym sprzęcie na gpu

[tptak]

@vossinho2: jako finalista dostaję bilety na samolot, hotel, wejście na konferencję, kieszonkowe na tydzień i w sumie z $600 kredytów na trening. AWS wycenia pakiet wyjazdowy na $4000,za 2020 i 2021 dostałem paypalem $8000.
Gdybym jeszcze był w stanie konkurować z najlepszymi to za miejca 1-6 było od $1000 do $10000 nagrody.

[tptak]

@vossinho2: mam model którym w 2019 zająłem 3. miejsce na AWS Summit w Londynie. To było tydzień odkąd zacząłem trenować, pomyślałem że pewnie fuksem. To był model na tor reinvent 2018. Na summit 2022 było inny tor, przygotowałem kilka modeli, wszystkie mierne. Ten z 2019 pojechał bajecznie, przegrał tylko z... Modelem z 2019 ówczesnego zwycięzcy. Ale na reinvent nie byłem w stanie nim zrobić okrążenia bez resetów. Wypadał na każdym

[a5f5c1]

@tptak: opowiesz coś więcej o Twoim rozwiązaniu? Jakie technologie, jakie podejścia/triki zastosowałeś?

[tptak]

@a5f5c1: korzystam z otwarcie dostępnych projektów. Deepracer for cloud jest na githubie i składa się z kilku projektów otwartych, w tym od aws, i z wyekstrahowanych danych o torach, aby każdy nowy wyścig miał możliwość treningu od pierwszego dnia.
Wszystko jedzie na kontenerach i ma skrypty pod aws, gcp, azure i lokalne maszyny. Jeśli masz grafikę nvidia o dobrych parametrach to możesz korzystać z treningu gpu na ubuntu na własnym