- Видео 3
- Просмотров 63 368
Павел Васильев
Добавлен 15 май 2020
Разработка сканера IP адресов и портов на Python с chatGPT и TUI интерфейсом
В этом ролике я покажу процесс разработки простого приложения для сканирования IP адресов и портов на Python. Сначала сделаю прототип текстового интерфейса, а затем напишу функции для работы с сетью. Помогать мне будет чат-бот с искусственным интеллектом сhatGPT.
Исходный код:
github.com/lyftzeigen/NetScroll
00:00 - Введение
00:41 - TUI - Текстовый интерфейс
01:15 - Схема работы приложения
02:23 - Разработка прототипа интерфейса
07:22 - Структура данных
08:14 - Сетевые интерфейсы
09:48 - Переключение интерфейсов
11:01 - Пинг адресов
15:21 - Сканирование портов
17:39 - Заключение
Music by Karl Casey @ White Bat Audio
Исходный код:
github.com/lyftzeigen/NetScroll
00:00 - Введение
00:41 - TUI - Текстовый интерфейс
01:15 - Схема работы приложения
02:23 - Разработка прототипа интерфейса
07:22 - Структура данных
08:14 - Сетевые интерфейсы
09:48 - Переключение интерфейсов
11:01 - Пинг адресов
15:21 - Сканирование портов
17:39 - Заключение
Music by Karl Casey @ White Bat Audio
Просмотров: 2 073
Видео
Поиск объектов на видео с Python и TensorFlow с нуля, cтроим и обучаем нейросеть UNet
Просмотров 54 тыс.3 года назад
В этом видео я хочу рассказать как можно с нуля разработать и обучить нейронную сеть для распознавания объектов на изображениях. 00:00 - Введение 00:39 - Виды задач распознавания 01:17 - Применяемые архитектуры нейронных сетей 02:00 - Система распознавания объектов 02:39 - Разметка данных 05:04 - Загрузка данных в TensorFlow 09:57 - Способ обработки изображений 11:00 - Архитектура UNet 13:10 - ...
Кроссплатформенное приложение .NetCore 3.1 и GTK+
Просмотров 7 тыс.4 года назад
В этом видео показана разработка простого приложения на языке C# на базе .NetCore 3.1 и библиотеки GTK .
не лейбл ми не нашел в интернете где скачать не второе...
Я конечно не понимаю в нейронках вообще ничего, но думаю что на начальном этапе нейронке нужно определить свойства, все характеристики объекта. К примеру сначала определяется формат изображения, его разрешение, итд. Нужно просканировать весь файл на наличие свойств, исходя из этих свойств определять дальнейший алгоритм действий с файлом. То есть я хочу сказать что объект для анализа должен иметь максимально полную информацию о себе. Эпохи как я понял это своего рода определение координат для фокуса внимания. Чем меньше эпох тем умнее алгоритм сети. Исправлять дефекты так себе идея, это ведь не фотошоп, сеть должна это делать без ошибок автоматически. Материал демонстративно хорош, речь в ролике это самое лучшее.
Разжевал до атомов. Хотелось бы увидеть урок, как на базе 100 (условно) разных изображений научить нейросеть находить определенный предмет. Так же желательно через Google Cloud Platform.
Даешь пример TensorFlow на С++ ? :)
Великолепный подход. Жаль, что мало тем. Вы очень многим помогли. Спасибо.
File "C:\1111\1111\1111\main.py", line 12, in load_images * image = tf.io.image.convert_image_dtype(image, tf.float32) AttributeError: module 'tensorflow._api.v2.io' has no attribute 'image'
Помогите пожалуйста решить ошибку
Как сделать чтобы нейронка распознавала нужные изображения в браузере, например листаешь вкладку с фотографиями, и она как то распознает нужное, по стокам
нашел решение?
ало кирилчик
Классное видео, все понятно объяснил, ещё попробую на этой недели протестить, если получится, напишу в PS(если не забуду).👍
Подскажите список библиотеки использовались?
Может ли gtk использоваться для создания красивых приложений?
Спасибо за видео! А можете подсказать, в какую сторону копать если нужно найти бинарную маску блоков текста на картинке? (в идеале так вырезать текст и восстановить фон)
переобученная модель может получиться, если аугументация это простое копирование. Только эти предметы и будет хавать и то не всегда. чуть другая форма, тон и всё. Интересно вот как видеокарта настроена, если Вы ей собираетесь обучать.
Начинаем семестр с изучения нового материала
На Colab ошибка на ячейке с обучением модели: InvalidArgumentError: Graph execution error:
поменял GPU на CPU и заработало, почему так может быть?
самое лучшее обьяснение за всю мою жизнь, а я с нейронками с 2014 года, обьясни людям в следующем видео как продолжить обучение не начиная с нуля, этого матерьяла мало в нете
А для чего применяется подряд tf.image.convert_image_dtype и следом нормализация image/255? Разве это не одно и тоже?
Отличное видео! Подскажите, как можно распечатывать карты признаков по мере обучения?
Здравствуйте, у меня вопрос, чем кардинально будет отличаться данный метод от метода локализации? Суть же останется той же, только объект будет всего лишь один или есть различия?
Добрый день! Отличное видео, спасибо. Подскажите пожалуйста, в каком формате вы экспортировали данные из supervisely?
Здравствуйте! Sypervisely обновился, наверное сейчас это называется "Export to masks".
@@lyftzeigen большое спасибо!
@@КонстантинБабаян Sypervisely. не предлагает экспорт в таком формате. На выбор дано 6 вариантов: Sypervisely, YOLO8, просто images (видимо без аннотаций), DOTA, COCO Keypoints, image links to CSV. Какой из этих форматов можно использовать в коде по Вашему видео?
Добрый день , Павел .Как с вами связаться ? Я хочу попросить вас обучить Аи под мою модель , я заплачу. И если интересно в дальнейшем мне нужна будет помощь для добавления разных объектов в мою библиотеку . В целом возможно долгосрочное сотрудничество в этом направлении
💪
Очень интересно, но почти ничего не понятно. Не в сторону автора выпад, а в сторону недостаточности моих знаний для полного понимания разжеваного до атомов материала 😂
Качественно и доступно, а главное реально интересно и полезно! Автору желаю 100500 подписчиков))
!!!
Здравствуйте, а куда сохраняются уже обработанные кадры? По коду они должны сохранятся в репозиторий videos/processed, я повторил, но у меня ничего в этой папке не появляется. Помогите, пожалуйста!
ПОМОГИТЕ ПОЖАЛУЙСТА
Спасибо, особенно за textual!
Добрый день, спасибо за видео) очень помогло Но есть один вопрос, как подтянуть координаты пересмотра классов?
А куда сохраняются обработанные кадры? Подскажи пожалуйста Или как сохранить их локально?
Если честно для новичка классы тихий ужас
подписка
Здравствуйте. Имею следующую ошибку во время первой эпохи обучения: ValueError: Dimensions must be equal, but are 400 and 8 for '{{node dice_bce_mc_loss/mul}} = Mul[T=DT_FLOAT](dice_bce_mc_loss/unstack, dice_bce_mc_loss/unstack_1)' with input shapes: [?,400,500], [?,8,8]. В коде изменил лишь размер изображения (на 400x500), количество классов-цветов (с 8 на 2) и добавил указание количества каналов для png (mask = tf.io.decode_png(mask, channels=3)), а также небольшое изменение в Skip Connections - downsample_skips = reversed(downsample_skips[:0]). На какую часть программы порекомендуете взглянуть? Спасибо.
Здравствуйте! Изменение разрешения изображения тянет за собой все остальное. Нужно разобраться в размере данных, которые проходят через нейросеть и через все функции. А порекомендую взглянуть на связку YOLO + Roboflow: blog.roboflow.com/train-yolov7-instance-segmentation-on-custom-data/
Красава
Годнота
Отличное видео. Подскажите, а что за среда разработки используется на видео?
Юзай Google collab, офигенная штука
Хайп тема! Скину бабушке, пусть бота себе сделает чтобы открытки автоматически в вотсап отправлялись
Спасибо за видео, интересно!)))
А есть какой нибудь готовый датасет для лис, котов итд?
Кстати. А вот если задача стоит так, чтобы модель к цвету не привязывалась, а к форме - перевод в градации серого решит задачу? Например, изменение освещенности это сможет решить?
Спасибо! Отличное видео! Все настолько хорошо объяснили!
Теперь я знаю, про что будет моя дипломная работа! Спасибо!
ну что? получилось с дипломной?
@@Dima日本 Нет, заставили писать что-то более прикладное. Пришлось CRM на Django бахнуть.
Слишком много "почему" после просмотра, поэтому это, увы, не обучающее видео.
г_спади видос на 11 из 10 по объяснению и демонстрации как вся это нейронная хня работает!!!!111. Есть ли возможность связаться с автором видео для общения по разработке решения распознавания объектов на видео?
Подскажи. Допустим есть картинка, на ней один объект и снизу рядом текст, надо сделать рамку вокруг объекта с текстом. Сделать обводку не пойдет, т.к. повторяет форму объекта, надо чтоб линия плавно обводила объект с текстом, например как у стикеров. Сможет ли это сделать нейронка?
На мой взгляд, применять нейросеть для решения такой задачи, не самое оптимальное решение. Думаю, что проще воспользоваться классическими методами, например, выделение контуров текста и применение морфологических операций с последующей обработкой.
круть
кто нибудь сталкивался с проблемой, что именно маски не читаются с ошибкой: InvalidArgumentError: Matrix size-incompatible: In[0]: [189888,1], In[1]: [3,1] [[{{node rgb_to_grayscale/Tensordot/MatMul}}]] [Op:IteratorGetNext]
@@aligatorpe а я ззафиксил кстати и забыл как уже
Видимо supervicely дает маски, которые уже в формате grayscale. Так что можно попробовать убрать строку mask = tf.image.rgb_to_grayscale(mask)
@@MrIvansamara наверное, вот бы на два года раньше, но все равно спасибо
Отличное Видео. С пояснением всего что сделано. Автору большое спасибо. Если такое же видео будет сделано и для других типов сетей или например PyTorch, было бы очень круто! Автору большое уважение.
Спасибо, очень чисто и понятно.
Жаль что видео так редко выходят )
когда пытаюсь вставить свои изображения вылезает такая ошибка: TypeError: Input 'filename' of 'ReadFile' Op has type float32 that does not match expected type of string. что мне делать?
Спасибо за ролик!
Уважаемый автор, не могли бы вы помочь и предоставить файл с моделью нейронной сети которую Вы реализуете в данном ролике
В описании к видео есть ссылка на Google Collab, где вы можете самостоятельно опробовать работу нейронной сети.
@@lyftzeigen я имею ввиду схему нейронной сети, которая у вас демонстрируется на 2:30