Полтора года назад я начал работу над проектом с открытым исходным кодом, который постепенно рос и развивался. Вдохновившись проектом AUTOMATIC1111, на тот момент только появившимся, я добавлял всё больше функционала и возможностей. Сегодня мой проект включает более 50 нейронных сетей, каждая из которых выполняет свою уникальную задачу. В этой статье я делюсь практическими лайфхаками и выводами, которые помогли мне на этом пути. Надеюсь, что они будут полезны и вам.
Рубрика «torch»
Практика: мой опыт интеграции более 50 нейронных сетей в один проект
2024-11-07 в 8:30, admin, рубрики: CUDA, github, lifehack, onnxruntime, python, torch, исскуственный интеллект, лайфхаки, нейронные сети, опытКомпьютерное зрение и машинное обучение в PHP используя библиотеку opencv
2018-06-17 в 19:32, admin, рубрики: caffe, detection, detector, DNN, face, facemark, facial landmark, lbf, lbph, open source, opencv, php, php-opencv, recognition, recognizer, torch, машинное обучение, обработка изображений, ПрограммированиеВсем привет. Это моя юбилейная статья на хабре. За почти 7 лет я написал 10 статей (включая эту), 8 из них — технические. Общее количество просмотров всех статей — около полумиллиона.
Основной вклад я внёс в два хаба: PHP и Серверное администрирование. Мне нравится работать на стыке этих двух областей, но сфера моих интересов гораздо шире.
Как и многие разработчики я часто пользуюсь результатами чужого труда (статьи на хабре, код на гитхабе, ...), поэтому я всегда рад делиться с сообществом своими результатами в ответ. Написание статей — это не только возврат долга сообществу, но так же позваляет найти единомышленников, получить комментарии от профессионалов в узкой сфере и ещё больше углубить свои знания в исследуемой области.
Собственно эта статья об одном из таких моментов. В ней я опишу чем занимался почти всё своё свободное время за последние полгода. Кроме тех моментов, когда я ходил купаться в море через дорогу, смотрел сериалы или игрался в игры.
PyTorch — ваш новый фреймворк глубокого обучения
2017-09-04 в 9:02, admin, рубрики: deep learning, machine learning, numpy, python, pytorch, torch, машинное обучение, Программирование
PyTorch — современная библиотека глубокого обучения, развивающаяся под крылом Facebook. Она не похожа на другие популярные библиотеки, такие как Caffe, Theano и TensorFlow. Она позволяет исследователям воплощать в жизнь свои самые смелые фантазии, а инженерам с лёгкостью эти фантазии имплементировать.
Данная статья представляет собой лаконичное введение в PyTorch и предназначена для быстрого ознакомления с библиотекой и формирования понимания её основных особенностей и её местоположения среди остальных библиотек глубокого обучения.
Быстрый старт: обзор основных Deep Learning фреймворков
2017-04-06 в 11:02, admin, рубрики: big data, caffe, data mining, deep learning, keras, microsoft CNTK, paddle, TensorFlow, theano, torch, Блог компании New Professions Lab, машинное обучениеПривет! Предлагаем вам перевод поста “Getting Started with Deep Learning” от Мэтью Рубашкина из Silicon Valley Data Science о преимуществах и недостатках существующих Deep Learning технологий и о том, какой фреймворк выбрать, учитывая специфику задачи и способности команды.
Глубокое обучение и Raspberry PI
2016-12-23 в 11:15, admin, рубрики: deep learning, diy или сделай сам, Lua, Raspberry Pi, Raspberry Pi Model B+, torch, искусственный интеллект«Что у нас есть?» — спросил горбоносый поворачиваясь.
«Алдан-3», — сказал бородатый.
«Богатая машина, — сказал я.”[1]
Недавно я решил заняться изучением глубокого обучения. На работе мне выдали новую карточку с поддержкой CUDA и шеф выразил пожелание что эта вершина инженерной мысли позволит нашей лаборатории сделать рывок вперёд, ну или по крайней мере, не отстать от массы конкурентов. У меня уже был некоторый опыт общения с Tensor Flow, но в этот раз я решил попробовать Torch. Привлекало что он написан на языке Lua и C, является достаточно легковесным и легко расширяемым через FFI. И ещё мне не нравится Python.
Недавно на Хабрахабр я наткнулся на статью, в процессе обсуждения которой я вспомнил что где-то в тумбочке у меня пилится Raspberry Pi, модель B+ и мне захотелось посмотреть — а смогу ли я поднять на ней torch и запустить что-нибудь несложное.
Создайте свои собственные “Нейронные Картины” с помощью Глубокого Обучения
2016-12-14 в 17:32, admin, рубрики: artisto, caffe, deep learning, Lua, neural networks, neural paintings, neural style, Prisma, torch, машинное обучение
Нейронные сети могут делать много разных вещей. Они могут понимать наши голоса, распознавать изображения и переводить речь, но знаете ли вы, что еще они умеют рисовать? Изображение сверху демонстрирует некоторые сгенерированные результаты применения нейронного рисования.
Сегодня я собираюсь познакомить вас с тем как это делается. Прежде всего, убедитесь, что у вас обновленная копия Ubuntu (14.04 — та, что использовал я). Вам необходимо иметь несколько гигов свободного пространства на жестком диске и в оперативной памяти, хотя бы не менее 6 GB (больше оперативки для больших выводимых разрешений). Для запуска Ubuntu как виртуальной машины, вы можете использовать Vagrant вместе с VirtualBox.
Читать полностью »
Синтез изображений с помощью глубоких нейросетей. Лекция в Яндексе
2016-11-06 в 10:47, admin, рубрики: Prisma, torch, Алгоритмы, Блог компании Яндекс, Занимательные задачки, нейронные сети, нейросети, обработка изображений, синтез изображений, Сколтех, сравнение изображений, стилизацияПусть в блоге Яндекса на Хабрахабре эта неделя пройдет под знаком нейронных сетей. Как мы видим, нейросети сейчас начинают использоваться в очень многих областях, включая поиск. Кажется, что «модно» искать для них новые сферы применения, а в тех сферах, где они работают уже какое-то время, процессы не такие интересные.
Однако события в мире синтеза визуальных образов доказывают обратное. Да, компании еще несколько лет назад начали использовать нейросети для операций с изображениями — но это был не конец пути, а его начало. Недавно руководитель группы компьютерного зрения «Сколтеха» и большой друг Яндекса и ШАДа Виктор Лемпицкий рассказал о нескольких новых способах применения сетей к изображениям. Поскольку сегодняшняя лекция — про картинки, то она очень наглядная.
Под катом — расшифровка и большинство слайдов.
Фонарь «Волшебная лампа»
2015-09-04 в 5:45, admin, рубрики: arduino, attiny13, diy или сделай сам, LED, torch, гаджеты, диммирование, Носимая электроника, программирование микроконтроллеров, светодиод, фонарьЭто рассказ о переделке светодиодного фонаря. Нетрадиционная изюминка присутствует :) — применены теплые ламповые аналоговые решения!
Несколько лет назад, когда светодиодные фонари только начали появляться в магазинах, я купил в Окее светодиодный фонарь «Диггер». Большой, с рукояткой пистолетного типа, удобно лежащий в руке, сбалансированный. Он имел один светодиод 3 вт, свинцовую батарею и по описанию мог стоять на подзарядке без ограничений. Это было то, что надо на даче. Как мы все знаем, несмотря на 21 век и космические корабли, бороздящие просторы Космоса (С) – на удалении более 30 км от Москвы энергоснабжение становится ненадежным. Энергосети отключают электричество при любом удобном случае – в дождь, грозу, жару и просто так. Обычно в субботу-воскресение на часок-другой днем электричество отключают. Наверно для тренировки населения на выживание в любых условиях.
Поэтому наличие мощного, удобного фонаря, постоянно заряженного и готового к работе – практично.
Сравнение библиотек глубокого обучения на примере задачи классификации рукописных цифр
2015-04-07 в 17:45, admin, рубрики: caffe, data mining, deep learning, itseez, opencv, pylearn2, theano, torch, Алгоритмы, Блог компании «Itseez», Компьютерное зрение, машинное обучение, обработка изображенийКручинин Дмитрий, Долотов Евгений, Кустикова Валентина, Дружков Павел, Корняков Кирилл
Введение
В настоящее время машинное обучение является активно развивающейся областью научных исследований. Это связано как с возможностью быстрее, выше, сильнее, проще и дешевле собирать и обрабатывать данные, так и с развитием методов выявления из этих данных законов, по которым протекают физические, биологические, экономические и другие процессы. В некоторых задачах, когда такой закон определить достаточно сложно, используют глубокое обучение.
Глубокое обучение (deep learning) рассматривает методы моделирования высокоуровневых абстракций в данных с помощью множества последовательных нелинейных трансформаций, которые, как правило, представляются в виде искусственных нейронных сетей. На сегодняшний день нейросети успешно используются для решения таких задач, как прогнозирование, распознавание образов, сжатие данных и ряда других.
Читать полностью »