Get best of the week

Wie der Energietechniker neuronale Netze studierte und den kostenlosen Kurs „Udacity: Einführung in TensorFlow für Deep Learning“ überprüfte

Mein ganzes bewusstes Leben war ich Energieingenieur (nein, jetzt reden wir nicht über ein Getränk mit zweifelhaften Eigenschaften).

Ich habe mich nie wirklich für die Welt der Informationstechnologie interessiert, und selbst es ist unwahrscheinlich, dass ich die Matrizen auf einem Blatt Papier multiplizieren kann. Ja, und ich habe es nie gebraucht, damit Sie ein wenig über die Besonderheiten meiner Arbeit verstehen, kann ich eine wundervolle Geschichte erzählen. Ich habe meine Kollegen einmal gebeten, in einer Excel-Tabelle zu arbeiten. Ein halber Tag ist vergangen. Ich gehe zu ihnen und sie sitzen und fassen die Daten auf einem Taschenrechner zusammen, ja, auf einem normalen schwarzen Taschenrechner mit Schaltflächen. Nun, welche Art von neuronalen Netzen kann danach diskutiert werden? Daher hatte ich nie besondere Voraussetzungen für das Eintauchen in die IT-Welt. Aber wie sie sagen "Nun, wo wir nicht sind", schwirrten meine Freunde in meinen Ohren über Augmented Reality, über neuronale Netze, über Programmiersprachen (hauptsächlich über Python).

Mit anderen Worten, es sah sehr einfach aus, und ich entschied, warum ich diese magische Kunst nicht beherrsche, um sie in meinem Tätigkeitsbereich anzuwenden.

In diesem Artikel werde ich meine Versuche, die Grundlagen von Python zu erlernen, unterlassen und Ihnen meinen Eindruck vom kostenlosen TensorFlow-Kurs von Udacity mitteilen.



Einführung


Zunächst ist anzumerken, dass nach 11 Jahren im Energiesektor, wenn Sie alles wissen und können und noch ein wenig mehr (in Bezug auf Verantwortlichkeiten), das Erlernen radikal neuer Dinge - einerseits intensive Begeisterung hervorruft, andererseits zu körperlichen Schmerzen führt “. Zahnräder im Kopf. "

Ich verstehe immer noch nicht alle grundlegenden Konzepte der Programmierung und des maschinellen Lernens vollständig, daher sollte ich nicht streng beurteilt werden. Ich hoffe, mein Artikel wird für Leute wie mich interessant und nützlich sein - weit entfernt von der Softwareentwicklung.

Bevor ich mit der Überprüfung des Kurses fortfahre, möchte ich sagen, dass zum Erlernen mindestens Python-Kenntnisse erforderlich sind. Sie können ein paar Bücher für Dummies lesen (ich habe noch angefangen, einen Kurs über Stepic zu belegen, habe ihn aber noch nicht gemeistert).

Der TensorFlow-Kurs selbst enthält keine komplexen Konstruktionen, es ist jedoch erforderlich zu verstehen, warum Bibliotheken importiert werden, wie eine Funktion definiert wird und warum etwas in sie eingesetzt wird.

Warum TensorFlow und Udacity?


Das Hauptziel meiner Ausbildung war der Wunsch, Fotografien von Elementen elektrischer Anlagen mithilfe neuronaler Netze zu erkennen.

Ich habe mich für TensorFlow entschieden, weil ich von meinen Freunden davon gehört habe. Und so wie ich es verstehe, ist dieser Kurs sehr beliebt.

Ich habe versucht, aus dem offiziellen Tutorial zu lernen .

Und dann bin ich auf zwei Probleme gestoßen.

  • Es gibt viele Schulungsunterlagen, die in Zwietracht geraten. Es war sehr schwierig für mich, zumindest ein mehr oder weniger vollständiges Bild von der Lösung des Problems der Bilderkennung zu machen.
  • Die meisten Artikel, die ich brauche, sind nicht ins Russische übersetzt. So kam es, dass ich in meiner Kindheit Deutsch gelernt habe und jetzt, wie viele sowjetische Kinder, weder Deutsch noch Englisch kann. Natürlich habe ich während meines bewussten Lebens versucht, Englisch zu lernen, aber es stellte sich ungefähr wie auf dem Bild heraus.



Nachdem ich immer noch auf einer offiziellen Website gestöbert hatte, fand ich Empfehlungen für einen von zwei Online-Kursen .

Soweit ich weiß, wurde der Kurs bei Courcera bezahlt, und der Kurs Udacity: Einführung in TensorFlow für Deep Learning konnte "kostenlos, dh umsonst" belegt werden.

Kursinhalt


Der Kurs besteht aus 9 Lektionen.

Der allererste Abschnitt ist einleitend und zeigt Ihnen, warum dies grundsätzlich erforderlich ist.

Lektion Nummer 2 war mein Favorit. Es war einfach genug, um verstanden zu werden, und zeigte auch die Wunder der Wissenschaft. Kurz gesagt, in dieser Lektion zeigen die Entwickler neben grundlegenden Informationen zu neuronalen Netzen, wie das Problem der Umrechnung der Temperatur von Grad Fahrenheit in Grad Celsius mithilfe eines einschichtigen neuronalen Netzes gelöst werden kann.

Dies ist wirklich ein sehr gutes Beispiel. Ich denke immer noch darüber nach, wie ich ein ähnliches Problem lösen kann, aber nur für Elektriker.

Leider bin ich weiter ins Stocken geraten, weil es ziemlich schwierig ist, seltsame Dinge in einer unbekannten Sprache zu lernen. Es hat mich gerettet, dass ich auf Habré eine Übersetzung dieses Kurses ins Russische gefunden habe .

Die Übersetzung wurde mit hoher Qualität durchgeführt, Colab-Notizbücher wurden ebenfalls übersetzt, so dass ich später sowohl das Original als auch die Übersetzung betrachtete.

Lektion Nummer 3 ist in der Tat die Anordnung der Materialien des offiziellen TensorFlow-Tutorials. In dieser Lektion lernen wir, wie Sie Bilder von Kleidung mithilfe des Multilayer Neural Network (Fashion MNIST-Datensatz) klassifizieren.

Lektionen von Nummer 4 bis Nummer 7 sind auch eine Anordnung des Tutorials. Aufgrund der Tatsache, dass sie korrekt angeordnet sind, besteht jedoch keine Notwendigkeit, die Reihenfolge des Studiums selbst zu verstehen. In diesen Lektionen werden wir kurz über hochpräzise neuronale Netze sprechen, wie die Genauigkeit des Trainings verbessert und das Modell gespeichert werden kann. Gleichzeitig werden wir gleichzeitig das Problem der Klassifizierung von Katzen und Hunden im Bild lösen.

Lektion Nummer 8 ist im Allgemeinen ein separater Kurs, es gibt einen anderen Lehrer und der Kurs selbst ist ziemlich umfangreich. Die Lektion handelt von Zeitreihen. Da mich das noch nicht interessiert, habe ich es diagonal durchgesehen.

Schließt alle Lektion 9 ab, die eine Einladung zu einem kostenlosen Kurs über TensorFlow lite ist.

Was ich mochte und nicht mochte


Ich werde mit den Profis beginnen:

  • Kurs - Kostenlos
  • Der Kurs ist auf TensorFlow 2. Einige Lehrbücher, die ich gesehen habe, und einige Kurse im Internet waren auf TensorFlow 1. Ich weiß nicht, ob es einen großen Unterschied gibt, aber es ist schön, die aktuelle Version zu lernen.
  • Die Lehrer im Video sind nicht nervig (obwohl sie in der russischen Version nicht so fröhlich lesen wie im Original)
  • Der Kurs nimmt nicht viel Zeit in Anspruch
  • Der Kurs führt nicht zu einem Gefühl von Melancholie und Hoffnungslosigkeit. Die Aufgaben im Kurs sind einfach und es gibt immer einen Hinweis in Form von Colab mit der richtigen Lösung, wenn etwas nicht klar ist (und eine gute Hälfte der Aufgaben war mir nicht klar).
  • Sie müssen nichts installieren, alle Laborarbeiten des Kurses können im Browser ausgeführt werden

Nun die Nachteile:

  • Es gibt praktisch kein Kontrollmaterial. Keine Tests, keine Aufgaben, nichts, um den Kurs zumindest irgendwie zu überprüfen
  • Nicht alle Notizbücher funktionierten für mich so, wie sie sollten. Meiner Meinung nach hat Colab in der dritten Lektion des ursprünglichen Englischkurses einen Fehler gemacht, und ich wusste nicht, was ich damit anfangen sollte
  • . , Udacity . , , , . . 6
  • , , . (, Max Pooling).


Sicher haben Sie bereits vermutet, dass das Wunder nicht geschehen ist. Und nach Abschluss dieses kurzen Kurses ist es unmöglich, wirklich herauszufinden, wie neuronale Netze funktionieren.

Natürlich konnte ich mein Problem danach mit der Klassifizierung von Fotos von Leistungsschaltern und Tasten in Schaltanlagen nicht lösen.

Insgesamt ist der Kurs aber hilfreich. Es zeigt, was mit TensorFlow getan werden kann und in welche Richtung Sie vorgehen müssen.

Ich denke, für den Anfang muss ich die Grundlagen von Python lernen und Bücher auf Russisch über die Funktionsweise neuronaler Netze lesen und dann TensorFlow übernehmen.

Abschließend möchte ich mich bei meinen Freunden dafür bedanken, dass sie mich dazu gedrängt haben, den ersten Artikel über „Habr“ zu schreiben und ihn zu arrangieren.

PS Ich freue mich über Ihre Kommentare und jede konstruktive Kritik.

More articles:


All Articles