Строим Нейронную Сеть для Распознавания Изображений за 20 минут 

Урок супер! Спасибо!

Благодарю! Отличный урок!!

это было... чудесно🌟...ты лучший🎯

Как всегда полезно и доступно для новичков ☝Спасибо за такую работу

Спасибо большое!

Вот это реально круто! Лайк от кодера-легенды СЕООНЛИ

Очень интересная и полезная информация. Спасибо за видео

очень интересное видео) 👍🏻 спасибо за информацию

А можешь подсказать, как сделать сеть которая будет классифицировать голоса например мой/не мой, мужской/женский, взрослый/детский, как это сделать?! Какой тип нейронных сетей используется рас, в каком формате подаётся звук на вход сети два

Здорово!

Спасибо большое, очень доступно!

Хорошее видео!

Спасибо!

Интересная информация, благодарю 🙏

Шикарная информация, очень пригодилась. Всё понятно

очень круто, спасибо!

Спасибо за материал, идеальное введение в ML для новичков

Здравствуйте! Есть ли такое же видео для обучения машинному переводу в Google Colaboratory? То есть, загрузка параллельных данных и процесс настройки обучения?

Качественно, спасибо!

Есть ли какие-то мобильные приложения для создания массива фотографий с участием того или иного объекта определенного класса? Например отфоткать со всех сторон и на разном удалении искомый объект?

Учу нейронки и питон чисто для себя, давно хотел сделать себе голоссового ассистента по типу алисы или сири но которая будет более практически полезной

Вы просто супер, спасибо за видео)

Очень полезная информация

А как эту обученную модель теперь скачать на комп и подключить к проекту?

Я, конечно, все понимаю. Но почему урок для новичков строится на преимущественно использовании готовых решений? Имхо, как было нихуя не понятно, как оно работает в своей основе, так и осталось. Было бы логично показать очень простой вариант, но написанный полностью с нуля, так и базовые принципы построения архитектуры стали бы понятными и можно было бы адаптировать полученные знания под другие ЯП.

подскажите а как обычно решается задача установления факта наличия или отсутствия какого то одного класса на фото

Объясните пожалуйста дилетанту) Вот есть например необходимость внедрить нейросеть для производства. Условно, по конвейеру идет деталь не той формы, камера фиксирует ее как брак. Для реализации я правильно понимаю что есть нет желания возиться с локальной установкой TF на комп то обучить модель можно через колаб, после чего выгрузить обученную модель. И загрузить ее например в open cv?

Спасибо большое, а если хочешь свои картинки загрузить?

Бомба

Очень познавательное видео, а можно где-то исходники этих фоток взять?

Подскажите пожалуйста, а как изменить код чтобы использовать свою датабазу?

Если возможен вариант когда фотография-изображение не содержит ни одного искомого изображения-объекта, то нужно еще один создавать класс None когда объекта на фото нет?

я начал учить питон чтобы потом перейти на нейронку или ИИ скажите плз будет ли это актуально через 5-10 лет и какие перспективы у всего этого что можно будет делать с помощью этого?

А если у меня свой набор фотографий-изображений по каждому классу, то как это загрузить в Keras?

Можете ли пжл выложить набранный код целиком, чтобы не набирать с экрана?

Здравствуйте! При выводе 25 картинок почему-то возникает ошибка: IndexError Traceback (most recent call last) in () 5 plt.yticks([]) 6 plt.imshow(x_train[i]) ----> 7 plt.xlabel(class_names[y_train[i]]) IndexError: list index out of range Не понимаю в чём может быть проблема. Код как в уроке.

у меня такая ошибка : 'str' object is not callable. подскажите пожалуйста как решить, писала всё как на видео

Делала пошагово, вчитывалась в каждую букву, но в итоге модель не смогла начать эпохи из-за неизвестной функции потерь "sparse_categoriсal_crossentropy". Помогите пожалуйста🥲

Скажите пожалуйста, как каждому из 10 нейронов был задан конкретный класс? Не понимаю где мы задали, что, например десятый нейрон активируется на ботинке?

про дата сеты что-то вообще информации мало... как подготовить свой датасет для обучения и какая структура данных должна быть в нем.. не подскажите где нарыть инфу ?

Здравствуйте! Спасибо за ваш канал. Решил поэкспериментировать с кодом где я преобразую 784 просто в строку без этих вот команд. Результат вроде бы должен быть одним и тем же. Но при обучении очень высокая ошибка, а у вас она порядка сотых.. у меня больше 2-х. Почему так? Вы может и не ответите мне, но я все же рискну и спрошу у вас))) А то вот полно таких видео с другими блогерами где вы все строго используете команду Flatten(input_shape=(28, 28, 1)). А почему в начале не преобразовать просто в одномерный вектор чтоб было соответствие вашей архитектуре сети? Тогда обучив сеть и взяв весовые коэффициенты путем перемножения матриц и функций активации ее можно использовать уже в других программах. А вот так как вы все рассматриваете однотипные примеры по распознаванию текста и прочего, не дает возможности строить нейронную сеть для любых задач. Потому что с одномерным вектором она никак не обучается правильно import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import numpy as np import matplotlib.pyplot as plt from tensorflow.keras.datasets import mnist # библиотека базы выборок Mnist from tensorflow import keras from tensorflow.keras.layers import Dense, Flatten (x_train, y_train), (x_test, y_test) = mnist.load_data() # стандартизация входных данных x_train = x_train / 255 x_train_my = x_train.flatten() x_test = x_test / 255 x_test_my = x_test.flatten() y_train_cat = keras.utils.to_categorical(y_train, 10) y_test_cat = keras.utils.to_categorical(y_test, 10) plt.imshow(x_train[2], cmap=plt.cm.binary) plt.show() x_train_my_2 = [] x_test_my_2 = [] for i in range(0, int(len(x_train_my)/784)): x_train_my_2.append(x_train_my[i:784 + i]) for ii in range(0, int(len(x_test_my)/784)): x_test_my_2.append(x_test_my[ii:784 + ii]) j = 59999 print(len(x_train_my_2[j])) print(y_train_cat[j]) model = keras.Sequential() model.add(Dense(128, input_shape=(784,), activation='relu')) model.add(Dense(10, activation='softmax')) print(model.summary()) model.compile(optimizer=keras.optimizers.Adam(0.001), loss='categorical_crossentropy', metrics=['accuracy']) model.fit(np.array(x_train_my_2), y_train_cat, batch_size=32, epochs=5, validation_split=0.2) model.evaluate(np.array(x_test_my_2), y_test_cat) А вот что выдает при обучении: Epoch 1/5 1500/1500 [==============================] - 4s 3ms/step - loss: 2.3098 - accuracy: 0.1074 - val_loss: 2.3103 - val_accuracy: 0.1040 Epoch 2/5 1500/1500 [==============================] - 3s 2ms/step - loss: 2.3006 - accuracy: 0.1151 - val_loss: 2.3081 - val_accuracy: 0.1073 Epoch 3/5 1500/1500 [==============================] - 4s 2ms/step - loss: 2.2931 - accuracy: 0.1226 - val_loss: 2.3148 - val_accuracy: 0.1024 Epoch 4/5 1500/1500 [==============================] - 4s 2ms/step - loss: 2.2795 - accuracy: 0.1344 - val_loss: 2.3242 - val_accuracy: 0.1042 Epoch 5/5 1500/1500 [==============================] - 4s 2ms/step - loss: 2.2580 - accuracy: 0.1529 - val_loss: 2.3411 - val_accuracy: 0.1020 очевидно что ничего не распознается правильно

Наконец то кто-то по человечески обяснил что такое бек пропагейшн, а не шестиэтажными формулами, а скорее всего те кто шестиэтажными формулами обясняют, сами не понимают о чем говорят. Спасибо.

спасибо за видео все понятно объяснил и показал, решил сам написать, но очень долго обучается что делать? выше 0.17 попадание не доходит

А как заставить эту нейронку распознавать изображение не из выборки? Допустим, я загружаю изображение через load_img(' ') и передаю её в модель?

Скажите, есть ли иная возможность приобрести ваш курс, кроме как на Udemy?

Подскажите, а как теперь из этого кода сделать приложение для андроид?

в данном видеоролике какие алгоритмы классификации используются?

Отличное видео! Не могли Вы рассмотреть создание нейросети, допустим, для определения заболеваний по МСКТ или КТ снимках?

Etudarium, мне нужна ваша помощь, если не сложно, ответьте мне пожалуйста

Люди, если вы хотите углубится в эту тему то почитайте про свёрточные сети, их точность предсказания намного выше

Подписка, хороший контент

Как сеть применима в жизни. Когда подаем большой снимок 1920х1080, где на одном участке фото может быть футболка. Но у нее может быть отличный от тренировочных фото угол, например 45° и другие отношения ширины и высоты, например широкая футболка. Нам нужна еще какая-то сеть определения позиции возможного класса на большом фото? А потом сделать сжатие фото до нужной модели? А как нормировать углы, это только на тренировке будет все четко и прямо.

А узнать по какой картинке, из набора обучающих данных, нейросеть определила изображение?

Спасибо за видео! А код программы в текстовом формате можно получить или только в книге?

какой тип нейронной сети здесь?

Сделал все как в ролике .НО! получается постоянно очень большие ошибки и маленькая точность.Прошу помочь

Спасибо, очень полезно)

Сделай пожалуста пример как потом эту обученную модель использовать в своём приложении на C++ C# Delphi JavaScript PHP

Доброго времени суток. Можно ли обучить нейронку распознавать действия? Касаемо футбола. Отдал пас, забил гол, отдал голевую передачу, совершил перехват мяча, отобрал мяч, выбросил аут, подал угловой, сфолил, сфолил на нем и тд?

Хотелось бы нейронку, которая бы определяла мой голос и выполняла голосовые команды, которые исходят от меня, а на от кого попало

+

Да уж, друзья, хочется верить, что когда-нибудь так называемое "машинное обучение" уйдëт от подбивки весов методом градиентного спуска до чего-нибудь более умного, но, видимо, пока не судьба.

Надо было все таки делить на 256)

0 из 10 мне писал class_names ошибка а только через полчаса случайно додумался поменять на list и тут же всё заработало. 0 из 10 не рекомендую. уточнять надо что писать class_names или list

Ужасно раздражает музыка на фоне .. .. Зачем вообще накладывать какой-то шум который мешает слушать объяснение

а смысл освоить чужой готовый API? как оно работает это магия и все картинки с кружочками никак не помогут ее воспроизвести. еще и окружение гугловское. вы свою сеть строите или где?

А у меня ни хрена не угадывает ! Какая то тупая сеть получилась )))

Очень похоже, что данная лекция это лайтовый плагиат с бесплатной лекции Андея Созыкина "Нейросети на Пайтон", которые присутствуют тут же на Ютубе.

ужас, чел даже не удосужился другой датасет взять, трижды пережёванный кал

plt.figure(figsize=(10,10)) for i in range (25): plt.subplot(5,5,i+1) plt.xticks([]) plt.yticks([]) plt.imshow(x_train[i]) plt.xlabel(class_names[y_train[i]]) Ругается на 3 строчку, поддчеркивает plt File "", line 3 plt.subplot(5,5,i+1) ^ IndentationError: expected an indented block