Очень хорошее видео. Интересно, доступно, полезно. Можно использовать это видео как один из нейронов, активация которого позволяет распознать любое видео как крутое.
Не скажу, что заполняемые от руки истории болезни остались в далёком прошлом. Однако российские врачи наших дней, кого я видел, историю болезни, как и остальную документацию ведут теперь иключительно в электронном виде на центральном сервере больницы через персональный компьютер в своём кабинете.
@@РазДва-ш8о не надо обвинять меня в том, чего я не писал. Написано же: ""... кого я видел ...". Или вы дальше первого предложения никогда не читаете, тут же бросаетесь отвечать? Даже при том, что Москва - это не Россия, больницы в остальных крупных городах тоже компьютеризированы. А что касается сельских больниц, то там и в советские времена с медициной был полный мрак, не до компьютеров. Если во времена Брежнева роль праздничной витрины социализма исполняло государство ГДР, то в наши дни эту роль забрала себе Москва.
14:45 опечатка. В векторе сдвигов последний элемент должен быть bk, а не bn. Произведение слева - вектор столбец длины k+1 (во втором слое k+1 нейронов). P.S. Автору и переводчику огромный респект! Самое крутое объяеснение нейросети. Ждём продолжения переводов. По линейной алгебре тоже огонь, советую. Даёт геометрическую интуицию и реальное понимание, а не тупое зазубривание алгоритмов, как это обычно учат в школе/универе.
Стал изучать нейросети и как раз разбирал пример кода именно этот. Где обучается сеть на базе картинок 28*28. Видео дало более глубокое понимание работы принципа, взаимосвязей, за это огромное спасибо! В примере лектор сказал что это темный ящик и не было понимания как это связано с линейной алгеброй! Тут все стало понятно, ( хотя это ага эффект и иллюзия ;))ибо в обучении сказали что это чёрный ящик. С нетерпением жду продолжение. Очень крутое объяснение про механизм весов, принцип работы, активации. Но чучуть базово изучить как работает мозг с точки зрение нейрофизиологии тоже полезно для полноты картины и объема понимания! С нетерпением жду продолжения как проходит обучение! Вы делаете очень крутую работу!
Это очень хорошее видео. Оно состоит из понятных рассуждений и обостряет интерес к продолжению. Особенно интересен алгоритм подбора весов и конечно многое другое.
Спасибо за хороший перевод, исходник очень крутой и понятный при этом. Благодаря переводу он стал доступен для РУ сегмента. Жаль остальные видео только с сабами (несколько корявыми, но и на этом спасибо, тем кто эти сабы делал). На клоунов-гуру англ языка и озвучки не обращайте внимания. Главное начинка конфеты, а не обёртка, особенно учитывая, что конфета бесплатная.
Сел поесть, Ну и думаю, посмотрю что-нибудь интересное :-) Если умножить разные виды еды на разные напитки, то получится набор блюд, В среднем которое вы любите есть. Ну от 0 до 9. Вот такая математика
Огромное спасибо за то, что вы делаете. Надеюсь, это не будет заброшено, ведь в России так мало людей, которые интересуются подобным контентом((( Очень-очень хотелось бы увидеть видео в переводе о кватернионах)
@@alosaloda технологические инновации идут не только "оттуда", а их создают во всём мире, где Россия, Индия и Китай занимают лидирующие позиции. В России же не все недоразвитые, как ты.
@@alosaloda чтобы писать об инновациях, нужно к ним хотя бы приблизиться немного. А судя по тому, что вы пишете, вы черпаете знания об инновациях из жёлтой прессы.
@@alosaloda Как бомжи с бутылкой водки рассуждают о политике, так и ты о инновациях. А у самого даже не хватает душка собрать шмотки и уехать в развитую страну. Но только ты там нахер не сдался никому, поэтому без вариантов.
Здравствуйте. Благодарю за расклад мыслей. Интересно было бы узнать какие события вы притянули изменяя ваши вибрации. Видео на эту тему было бы сильной мотивацией для многих
Люблю 3blue1brown. Когда начинал заниматься нейросетями пересмотрел все видео по этой теме. Отличный перевод, однако если вы действительно хотите этим заниматься, то умение смотреть и понимать, что говорит автор в оригинале - обязательное условие. Учите английский!!!
Очень доходчиво! Хотя и сжато! Матрицы и веса, конечно, не новое, известны из курса высшей математики😃 но главная идея, видимо, в том, что трудоёмкая ручная работа по вычислению значений переложена на компьютеры! Про сигмоиду и ее простое использование))) в операциях мне понравилось!
Наш мозг пытается понять как он устроен.. И не просто пытается понять, а уже вполне конретно многое понял и сделал штуки похожие на себя! Как же причудливы формы движения материи во вселенной
Используете специальный психологический приём, когда вы отделяетесь от собственного мозга и как бы наблюдаете извне, чтобы создать вид, что вы исследователь или чтобы показать, что вы исследователь?
Естественно, мозг не может исследовать сам себя. Отсюда вывод, что мы это не мозг. Мозг лишь машина и не умеет мыслить, подобно компьютеру и нужен пользователь, который будет этой машиной управлять, пользователь это и есть тот, кто думает.
@@Last_Player555 Спорные утверждения. Во первых может мозг исследовать сам себя, ну, не в прямом конечно смысле, а вот чужой мозг в томографе запросто. И исследуют и много чего уже известно
@@naturetechno6001 на томографе можно лишь увидеть следствие мышления, увидеть как работает машина. Это то же самое, что изучать прибором автомобиль, видеть как срабатывает руль или педали, передачи, и делать выводы на этом, почему автомобиль едет, но не видеть водителя, потому, что он скрыт от прямого наблюдения.
Наконец-то понятное объяснение работы нейрости, другие статьи и видео объясняли слишком замудрено и много терминов использовали Не понял только зачем нужны сдвиги(если можно объясните пожалуйста, хочу сам создать проект с нейросетью, но так и не понимал, как они работают) и как всё-таки обучаются нейросети(жду видео)
Нейроны не "зажигаются" а достигают предела при котором происходит электрический пробой нейрона. Такая сеть очень сложна для начинающего. Надо начинать с сети которую невозможно больше упростить. Нейроны да - можно обозначать числами, но только целыми числами дробные числа усложняют задачу.
ещё PDA распознавали циферки и буковки из рукописного ввода. но ведь у них не было мощных процессоров и нейросеть там бы тормозила. тогда как они это делали? ответ очень прост! они использовали расстояние Хэмминга - en.wikipedia.org/wiki/Hamming_distance если циферки от 0 до 9 представить в виде 1-мерного массива (расположить все пиксели от верхнего-левого угла до правого-нижнего), то получим 10 одномерных массивов. у рукописного ввода определяем границы символов (тупо сканируем по вертикальным и горизонтальным линиям где хоть 1 не белая точка встрачается пока не будут найдены строки и столбцы границ символов), а каждый символ масштабируем до размеров тех 10 эталонов и тоже приводим к 1-мерному массиву. затем каждый символ сравниваем по расстоянию Хэмминга с 10 эталонами и где расстояние Хэмминга меньше - та цифра это и есть! возможно описание кажется длинным, но это самое простое, эффективное и быстрое (для процессора и памяти компьютера или телефона) решение. да, вот так вот просто можно распознавать рукописный ввод. можно буквально за час написать и поиграться. безо всяких нейросетей. вывод: учим математику ;-)
Супер! Что такое расстояние Хемминга для двоичных чисел я знал раньше (код Грея и все такое) но сейчас взглянув на указанную статью в Википедии был немного обескуражен тем, что "расстояние" для не-двоичных наборов вычисляется как кол-во не совпадающих разрядов, не важно кол-во возможных состояний разряда. То есть расстояние между белым и почти-белым пикселем равно 1 также как и между черным и былым! И это при том, что разложив два набора в двоичный вид (по сути, лишь изменив форму представления), получится другое расстояние! А так наводка на использование расстояния Хемминга для распознавания образов меня впечатлила, я про такое не знал, сразу (Остапа понесло) стал представлять распознавание отпечатков пальцев, жесты и т.п. Респект!
Всегда можно придумать алгоритм для распознавания чего-то, но самое забавное в том, что это не нейросеть. И эту ошибку я совершаю каждый раз, придумывая алгоритм, но нейросеть так не работает. К примеру для распознавания кружков, палок, квадратов можно придумать и написать алгоритм, у меня с этим никогда проблем не было. Но опять же это не нейросеть. Программирование нейросетей это нечто другое и это не обычное программирование, поэтому обычный кодер привыкший к решению задач через выстраивание логических связей и блоксхем должен будет фактически учиться заново прогить, по новому и новым способом. И чем больший у него стаж тем труднее ему будет перестраиваться.
Приятно когда не нужно делать лишних действий а просто закинуть 📸 или 📹 в дизайнерскую среду. С описанием К её ретушированию И на выходе получить желаемый результат. ЭТО не просто Ускоряет процесс редактирования и обработки 📸 а Выводит его на новый мировой уровень. Редактор Wombo Al Основан на одном из фильтров компании Adobe И является независимым проэкт ом но его развитие и обучение путём проб и ошибок и их исправлении позволяет ускорить процесс обучения всей Нейросети компании Adobe. Проэкт Wombo Al Появился на свет недавно буквально в Феврале 2021 года. И нуждается в раскрутке и возможном Спонсировани.
Это видео просто бомба ,я конечно это все и до этого знал но как оно хорошо объясняет ,кстати не знал про релу , только про сигмоиду . Больше переводов + лайк подписка колокольчик .( эх как повезло англо язычным у них столько контента сразу, но все же я выучу Английский и это будет значить ,что у меня станет больше контента и Русский и Английский)) ) Правда я за жизнь все это не выучу но нестрашно значит будет из чего выбирать .))))
Парни, спасибо за перевод, вы большие молодцы! Есть маленькое замечание, русскоязычный голос звучит странновато, если воспроизводить видео в ускоренном режиме, тембр голоса неузнаваемо меняется независимо от параметра ускорения, от 1.25х до 2х.
Вы только представьте как нейросеть сможет распознавать трехмерные объекты, там ведь будут происходить бесконечные вычисления объекта, при этом в базе данных, информация об объекте должна находиться с разных ракурсов.... Это как фильме о терминаторе, когда на красном экране происходит распознавание объекта и в углу экрана выводиться таблица с 3 мерным динамическим изображением. А теперь представьте, что нейросети нужно распознать в вас не просто человека, а конкретного человека(визуально), сколько будет нужно виртуальной памяти.....
Отлично.Толково.Логично.Ясно.Без воды в решето налита информация.Спасибо автору ролика.И переводчику.Ждем новые Проекты.Переводы.Успехов.784. 28. 28. Всего то 13 тыс. Функций.Ага.Не так уж и много.
черт побери, это вообще нормально что я не только понял что было показано в этом видео, но и правильно представлял себе общую концепцию того как это работает? это настолько странно, что мне кажется я что-то неправильно понял))
Here is Ai - Artifical Intelegence. Такое обучение есть у NVIDIA. те кто понимает о чем идет речь могут смело подавать резюме - а я в свою очередь ждать новую модель видеокарточки.
Меня только волнует вопрос: а зачем городить нейросеть, если можно использовать алгоритм распознавания на основе перцептивного хеша? Т.е. сравнить 2 картинки и просто, - где меньше расстояние Хемминга, значит, скорей всего это цифра такая-то. Или же это будет тоже самое, по сути?
1) Существуют ли стандартные форматы хранения моделей нс (обученой сети) ? может какое-то расширение xml. 2) Правильно ли я понимаю, что вычислительноёмко только обучение сети, а само использоваине - не особо?
Все правильно - обучение сложный процесс, который требует огромного распараллеливания *(конечно зависит от размеров сети). А прогнать матрицы можно и на микроволновке)))) Формат зависит от фреймвока
Каждый вправе выбирать своё будущее. И мы идём в будущее, которое сами выбрали! Пусть мы не знаем, что будет завтра, но ради него мы живём на полную сегодня!
![[DeepLearning | видео 2] Градиентный спуск: как учатся нейронные сети](http://i.ytimg.com/vi/f9oDe4Yq4E0/mqdefault.jpg)
![[DeepLearning | видео 2] Градиентный спуск: как учатся нейронные сети](/img/tr.png)
Спасибо большое автору за перевод и за то что делает материал для русскоязычных новчиков, пока еще не знающих английский, более доступным на старте.
Читаю книгу по нейросетям «глубокое погружение», и тут материал прям все по полочкам ставит сразу огромный респект за перевод !!!
кто автор? не подскажете
@@morisunkas8301
Николенко,Кадурин, Архангельская
Гудфеллоу, Бенджио, Курвилль. Возможно, подразумевалась их книга
Я надеюсь что людей, которые действительно понимают насколько это полезное видео, очень много
вряд ли это люди...... ха ха ха
@@Xanadu379 могу сказать что я человек
@@Darkness-es3zb конечно, по нику же понятно.
@@Xanadu379ахахахахаха
Эта серия роликов, она - на вес золота
Впервые плюсанул до просмотра, потому что раньше смотрел это видео на английском. Спасибо за перевод.
Не останавливайтесь пожалуйста! Очень интересно!
Релью - это сила, я даже не знал об этом, это шикарная возможность оптимизации ресурсов, СУПЕР спасибо.
Вот только обрезает он только левую часть. Если сверху накрутить еще max() и получить max(min(0,a),1), то будет обрезать в двух сторон
Очень хорошее видео. Интересно, доступно, полезно. Можно использовать это видео как один из нейронов, активация которого позволяет распознать любое видео как крутое.
Просто замечательный перевод, продолжайте!!!
Теперь осталось распознать почерк врача
Теперь у меня появилась цель в изучении нейронных сетей
Не скажу, что заполняемые от руки истории болезни остались в далёком прошлом. Однако российские врачи наших дней, кого я видел, историю болезни, как и остальную документацию ведут теперь иключительно в электронном виде на центральном сервере больницы через персональный компьютер в своём кабинете.
@@radikusmanov7574 ты хотел сказать московские врачи?
@@РазДва-ш8о не надо обвинять меня в том, чего я не писал. Написано же: ""... кого я видел ...". Или вы дальше первого предложения никогда не читаете, тут же бросаетесь отвечать?
Даже при том, что Москва - это не Россия, больницы в остальных крупных городах тоже компьютеризированы. А что касается сельских больниц, то там и в советские времена с медициной был полный мрак, не до компьютеров. Если во времена Брежнева роль праздничной витрины социализма исполняло государство ГДР, то в наши дни эту роль забрала себе Москва.
@@radikusmanov7574 , еще бы я твои бредни читал, много тебе чести)
спасибо, перевод отличный, полезность информации стремится к ста процентам
Сомневаюсь что с текущим переводом вы уловили суть.
@@bigsponsor критикуешь - предлагай. что можешь посоветовать "понятного"?
@@bornfram6257 Учить английский
@@monochrome6051 Автору, не мешало бы Русский выучить, для начала.
И ста лайкам 🔥
14:45 опечатка. В векторе сдвигов последний элемент должен быть bk, а не bn. Произведение слева - вектор столбец длины k+1 (во втором слое k+1 нейронов).
P.S. Автору и переводчику огромный респект! Самое крутое объяеснение нейросети. Ждём продолжения переводов. По линейной алгебре тоже огонь, советую. Даёт геометрическую интуицию и реальное понимание, а не тупое зазубривание алгоритмов, как это обычно учат в школе/универе.
Тоже заметил.
И где ты тут увидел суть обучения нейронки?
где найти видео номер3 про линейную алгебру упоминаемую автором в данном видео?
ты либо с марса прилетел?)
Хах. Точняк! Ведь b соответствуют след.слою, а не пред.
Стал изучать нейросети и как раз разбирал пример кода именно этот. Где обучается сеть на базе картинок 28*28. Видео дало более глубокое понимание работы принципа, взаимосвязей, за это огромное спасибо! В примере лектор сказал что это темный ящик и не было понимания как это связано с линейной алгеброй! Тут все стало понятно, ( хотя это ага эффект и иллюзия ;))ибо в обучении сказали что это чёрный ящик. С нетерпением жду продолжение. Очень крутое объяснение про механизм весов, принцип работы, активации. Но чучуть базово изучить как работает мозг с точки зрение нейрофизиологии тоже полезно для полноты картины и объема понимания! С нетерпением жду продолжения как проходит обучение! Вы делаете очень крутую работу!
Ух ты, уже четыре года прошло с твоего комментария. Как успехи в изучении данной темы?
Тоже интересно @@Работа-н9в
Это очень хорошее видео. Оно состоит из понятных рассуждений и обостряет интерес к продолжению. Особенно интересен алгоритм подбора весов и конечно многое другое.
Самое эффективное вступление в тему, из тех, что мне известны.
Подписка и лайк.
Спасибо за хороший перевод, исходник очень крутой и понятный при этом. Благодаря переводу он стал доступен для РУ сегмента. Жаль остальные видео только с сабами (несколько корявыми, но и на этом спасибо, тем кто эти сабы делал).
На клоунов-гуру англ языка и озвучки не обращайте внимания. Главное начинка конфеты, а не обёртка, особенно учитывая, что конфета бесплатная.
Это просто лучшее, что можно найти на данную тему. Спасибо!
Сел поесть, Ну и думаю, посмотрю что-нибудь интересное :-) Если умножить разные виды еды на разные напитки, то получится набор блюд, В среднем которое вы любите есть. Ну от 0 до 9. Вот такая математика
Там исключение прописывать надо) молоко с рыбой например)
Не умножить, а сложить/объединить...
Что в итоге то получил , 798 набор блюд?:))) Нахрен повров, пусть нейронка стряпает:))
Добро пожаловать в комбинаторику!) у Райгородского есть крутейшие лекции по ней)
😂
Мало что понимаю в математике и IT, но было очень интересно посмотреть!
Спасибо огромное, как раз то что нужно!!! С нетерпением жду следующего видео)
Спасибо. Было познавательно. Объяснили даже понятнее преподавателей с вышки.
Спасибо автор, наконец то хоть что-то понятно становится.
Хорошая озвучка. Не останавливайтесь, продолжайте. Подписался.
Огромное спасибо за то, что вы делаете. Надеюсь, это не будет заброшено, ведь в России так мало людей, которые интересуются подобным контентом(((
Очень-очень хотелось бы увидеть видео в переводе о кватернионах)
Мало? Дурной што ли?
мда уж...
@@alosaloda технологические инновации идут не только "оттуда", а их создают во всём мире, где Россия, Индия и Китай занимают лидирующие позиции. В России же не все недоразвитые, как ты.
@@alosaloda чтобы писать об инновациях, нужно к ним хотя бы приблизиться немного. А судя по тому, что вы пишете, вы черпаете знания об инновациях из жёлтой прессы.
@@alosaloda Как бомжи с бутылкой водки рассуждают о политике, так и ты о инновациях. А у самого даже не хватает душка собрать шмотки и уехать в развитую страну. Но только ты там нахер не сдался никому, поэтому без вариантов.
спасибо за старания, +100500!
С такими видео изучать нейросети молодым людям будет гораздо легче
Наконец-то нормальное видео на примере, молодцы!
Очень крутое видео. Хочу добавить, что сейчас задачи машинного зрения решаются сверточными сетями CNN. Например, mobilenet.
Здравствуйте. Благодарю за расклад мыслей. Интересно было бы узнать какие события вы притянули изменяя ваши вибрации. Видео на эту тему было бы сильной мотивацией для многих
Люблю 3blue1brown. Когда начинал заниматься нейросетями пересмотрел все видео по этой теме. Отличный перевод, однако если вы действительно хотите этим заниматься, то умение смотреть и понимать, что говорит автор в оригинале - обязательное условие. Учите английский!!!
Спасибо большое за отличное видео и перевод!!!!
Очень доходчиво! Хотя и сжато! Матрицы и веса, конечно, не новое, известны из курса высшей математики😃 но главная идея, видимо, в том, что трудоёмкая ручная работа по вычислению значений переложена на компьютеры! Про сигмоиду и ее простое использование))) в операциях мне понравилось!
Лучше поняла все просмотренное, когда вспомнила прогу, где по фото человека ищут похожих/того же самого. Автору спасибо. за видео!
Переводите смело все видео с того канала и распределяйте по плейлистам.
Цены этому делу не будет.
дададада
озвучка тоже топ , а лучше напишите нейронку которая парсит все с оригинального канала и сама переводит, и сделайте это вводным видео
Благодарю за видео. Жду продолжение !
Спасибо авторам, надеюсь у них всё хорошо
I met that magic when bought the FineReader program of the ABBYY company in 1996. It was great.
Гениально... Сканер, сравнение и вероятность... Так просто...
Давайте следующее. Куда донатить?
+++
+++
+++
Похоже что и в природе нет 2 части
@@bublik20 есть
всё чётко сжато, настоящий талант
Вот это реально полезный ролик.
Рассказанная информация понятна АСУ ТПшнику. Как минимум. Два рисунка, слева ИИ по каким-то законам. А справа ИИ действующий по букве закона😂😂 😂
Успіх завжди мій брат Амінь ❤❤❤❤❤❤❤
Наш мозг пытается понять как он устроен.. И не просто пытается понять, а уже вполне конретно многое понял и сделал штуки похожие на себя! Как же причудливы формы движения материи во вселенной
Используете специальный психологический приём, когда вы отделяетесь от собственного мозга и как бы наблюдаете извне, чтобы создать вид, что вы исследователь или чтобы показать, что вы исследователь?
@@lastchance9005 Та наверно нет
Естественно, мозг не может исследовать сам себя. Отсюда вывод, что мы это не мозг. Мозг лишь машина и не умеет мыслить, подобно компьютеру и нужен пользователь, который будет этой машиной управлять, пользователь это и есть тот, кто думает.
@@Last_Player555 Спорные утверждения. Во первых может мозг исследовать сам себя, ну, не в прямом конечно смысле, а вот чужой мозг в томографе запросто. И исследуют и много чего уже известно
@@naturetechno6001 на томографе можно лишь увидеть следствие мышления, увидеть как работает машина. Это то же самое, что изучать прибором автомобиль, видеть как срабатывает руль или педали, передачи, и делать выводы на этом, почему автомобиль едет, но не видеть водителя, потому, что он скрыт от прямого наблюдения.
Довольно понятно и доступно даже для блондинки
Благодарю тебя! Мне важно все, что ты совершаешь в мире.
Возможно я что-то понял, а возможно нет, но это мы поймем потом, а пока я ничего не понял.
Вот очень простое объяснение что такое нейросеть и как работает ruclips.net/video/5UL0KTpDUJw/видео.html
DeDim для этого нужно время, но времени нет
я тоже, но! Моя нейросеть хоть и в ступоре(сраный гуманитарий), идём дальше, тренируем биологическую нейросеть дабы понять электронную)
@@Кубик-с6ч а шо недоступно та?
Это просто невероятно круто!
В общем, спасибо, ждем продолжения.
Ребята из amplify нашли очень правильное место для размещения своей рекламы - браво!
Наконец-то понятное объяснение работы нейрости, другие статьи и видео объясняли слишком замудрено и много терминов использовали
Не понял только зачем нужны сдвиги(если можно объясните пожалуйста, хочу сам создать проект с нейросетью, но так и не понимал, как они работают) и как всё-таки обучаются нейросети(жду видео)
Нейроны не "зажигаются" а достигают предела при котором происходит электрический пробой нейрона. Такая сеть очень сложна для начинающего. Надо начинать с сети которую невозможно больше упростить. Нейроны да - можно обозначать числами, но только целыми числами дробные числа усложняют задачу.
Спасибо за видео) хотелось бы увидеть серию видео про линейную алгебру в этом переводе
Большое спасибо автору перевода
Автору большое спасибо!
Напоминает урок про «Как нарисовать сову», точно так же будет долго-долго рисуем два кружка, а потом просто дорисуйте недостающие детали.
очень доходчиво интересно и по делу , строго лайк и подписон
Ну и сардельку тебе в попу
Только подумал, что оригинальное видео нужно перевести и в рекомендациях увидел перевод.
ещё PDA распознавали циферки и буковки из рукописного ввода. но ведь у них не было мощных процессоров и нейросеть там бы тормозила. тогда как они это делали?
ответ очень прост! они использовали расстояние Хэмминга - en.wikipedia.org/wiki/Hamming_distance
если циферки от 0 до 9 представить в виде 1-мерного массива (расположить все пиксели от верхнего-левого угла до правого-нижнего), то получим 10 одномерных массивов.
у рукописного ввода определяем границы символов (тупо сканируем по вертикальным и горизонтальным линиям где хоть 1 не белая точка встрачается пока не будут найдены строки и столбцы границ символов), а каждый символ масштабируем до размеров тех 10 эталонов и тоже приводим к 1-мерному массиву. затем каждый символ сравниваем по расстоянию Хэмминга с 10 эталонами и где расстояние Хэмминга меньше - та цифра это и есть!
возможно описание кажется длинным, но это самое простое, эффективное и быстрое (для процессора и памяти компьютера или телефона) решение.
да, вот так вот просто можно распознавать рукописный ввод. можно буквально за час написать и поиграться. безо всяких нейросетей.
вывод: учим математику ;-)
Супер! Что такое расстояние Хемминга для двоичных чисел я знал раньше (код Грея и все такое) но сейчас взглянув на указанную статью в Википедии был немного обескуражен тем, что "расстояние" для не-двоичных наборов вычисляется как кол-во не совпадающих разрядов, не важно кол-во возможных состояний разряда. То есть расстояние между белым и почти-белым пикселем равно 1 также как и между черным и былым! И это при том, что разложив два набора в двоичный вид (по сути, лишь изменив форму представления), получится другое расстояние! А так наводка на использование расстояния Хемминга для распознавания образов меня впечатлила, я про такое не знал, сразу (Остапа понесло) стал представлять распознавание отпечатков пальцев, жесты и т.п. Респект!
@@eugenedukatta9355 и главное работать будет даже "на ардуине" потому как незатратно по CPU ;-)
Всегда можно придумать алгоритм для распознавания чего-то, но самое забавное в том, что это не нейросеть. И эту ошибку я совершаю каждый раз, придумывая алгоритм, но нейросеть так не работает. К примеру для распознавания кружков, палок, квадратов можно придумать и написать алгоритм, у меня с этим никогда проблем не было. Но опять же это не нейросеть. Программирование нейросетей это нечто другое и это не обычное программирование, поэтому обычный кодер привыкший к решению задач через выстраивание логических связей и блоксхем должен будет фактически учиться заново прогить, по новому и новым способом. И чем больший у него стаж тем труднее ему будет перестраиваться.
Это просто шедевр
Приятно когда не нужно делать лишних действий а просто закинуть 📸 или 📹 в дизайнерскую среду. С описанием
К её ретушированию
И на выходе получить желаемый результат.
ЭТО не просто Ускоряет процесс редактирования и обработки 📸 а Выводит его на новый мировой уровень.
Редактор Wombo Al
Основан на одном из фильтров компании Adobe
И является независимым проэкт ом но его развитие и обучение путём проб и ошибок и их исправлении позволяет ускорить процесс обучения всей Нейросети компании Adobe.
Проэкт Wombo Al
Появился на свет недавно буквально в Феврале 2021 года.
И нуждается в раскрутке и возможном Спонсировани.
крутое видео и крутой перевод(всё достаточно понятно)
Мне почему то и страшно за будущее, но одновременно и интригующе, куда же мы придем)
Автор сделай пожалуйста продолжение этой темы.
Получается, что чем больше ассоциаций - тем лучше.
Это видео просто бомба ,я конечно это все и до этого знал но как оно хорошо объясняет ,кстати не знал про релу , только про сигмоиду . Больше переводов + лайк подписка колокольчик .( эх как повезло англо язычным у них столько контента сразу, но все же я выучу Английский и это будет значить ,что у меня станет больше контента и Русский и Английский)) ) Правда я за жизнь все это не выучу но нестрашно значит будет из чего выбирать .))))
24 . 11 . 2024 : Я желаю Вам СЧАСТЬЯ (СВЕТА-ДОБРА-ЛЮБВИ) !
Вопрос
Как делаю такие анимации
Всегда было интересно, но никогда не узнавал
Я тут из будущего. У нас появился умный ИИ Chat GPT
А я из ещё далёкого будущего. У нас тут одни говновозы.
видео не видел еще, но подписался уже.
Давай продолжение, всё очень круто!!!
Спасибо, прекрасное объяснение
ничего не понял, но очень интересно
Даже решил подписаться 🤔
Если бы я не был знаком с нейросетями с таким говно-переводом тоже бы ничего не понял.
Тоже не понял что скозали.Я такие вычисления не проходил .Были токо дроби .
@@nikolay2597 ору
ахахахах
вау очень круто и понятно
спасибо
Парни, спасибо за перевод, вы большие молодцы! Есть маленькое замечание, русскоязычный голос звучит странновато, если воспроизводить видео в ускоренном режиме, тембр голоса неузнаваемо меняется независимо от параметра ускорения, от 1.25х до 2х.
UPD: это искажение голоса только на IPad, на Андроид-телефонах и на десктопе под Linux всё нормально.
Может дальше переводы начать? Хороший перевод. Смысл передан.
Вы только представьте как нейросеть сможет распознавать трехмерные объекты, там ведь будут происходить бесконечные вычисления объекта, при этом в базе данных, информация об объекте должна находиться с разных ракурсов.... Это как фильме о терминаторе, когда на красном экране происходит распознавание объекта и в углу экрана выводиться таблица с 3 мерным динамическим изображением. А теперь представьте, что нейросети нужно распознать в вас не просто человека, а конкретного человека(визуально), сколько будет нужно виртуальной памяти.....
Отлично.Толково.Логично.Ясно.Без воды в решето налита информация.Спасибо автору ролика.И переводчику.Ждем новые Проекты.Переводы.Успехов.784. 28. 28. Всего то 13 тыс. Функций.Ага.Не так уж и много.
Это просто фантастика!
черт побери, это вообще нормально что я не только понял что было показано в этом видео, но и правильно представлял себе общую концепцию того как это работает? это настолько странно, что мне кажется я что-то неправильно понял))
На то и создают подобные видео, чтобы каждый дэб понял. Странно скорее то, что многие даже это понять не могут
Хотя я немного интересуюсь темой, лучше молча поставлю лайк!!!
Here is Ai - Artifical Intelegence. Такое обучение есть у NVIDIA. те кто понимает о чем идет речь могут смело подавать резюме - а я в свою очередь ждать новую модель видеокарточки.
Меня только волнует вопрос: а зачем городить нейросеть, если можно использовать алгоритм распознавания на основе перцептивного хеша? Т.е. сравнить 2 картинки и просто, - где меньше расстояние Хемминга, значит, скорей всего это цифра такая-то. Или же это будет тоже самое, по сути?
Шедевр
Теперь понятно откуда взялось photomath
deep level decomposition
sigmoid(logistic curve) vs RElu
Linear algebra, matrix
how to do the same learning?
Хауди Хо решил не запариваться над поиском информации
прекрасное видео
Все понятно! Все хорошо рассказано, но это потому что про нейросети я читал до этого.
очень интересно как мы учимся))
Обожаю подобный звук: звучит интересно. А люди, жалующиеся на него, совсем разучились воспринимать информацию в форме, не нацеленной на массы
Основном биомасса стали благодарные, мобилизации цивилизации, не глупость, не слабость, не тупость а природа нашей сущности.
По моему, она, как раз таки, нацелена на массы))))
Жду продолжение до обеда!
Вынос мозга... Но я сумел смутно представить себе нейросеть по опознанию лиц!
1) Существуют ли стандартные форматы хранения моделей нс (обученой сети) ? может какое-то расширение xml. 2) Правильно ли я понимаю, что вычислительноёмко только обучение сети, а само использоваине - не особо?
Все правильно - обучение сложный процесс, который требует огромного распараллеливания *(конечно зависит от размеров сети). А прогнать матрицы можно и на микроволновке))))
Формат зависит от фреймвока
Будет продолжение? Очень интересно
Что есть то, что называете нейроном? Как такой нейрон настраивается активироваться именно определённым пикселем?
Ok now RUclips recommended has gone too far. I don't even speak this language.
it's all because your neural network is poorly developed, learn Russian
@3Blue1Brown translated by Sciberia, можно продолжение? Вторая часть очень нужна. Лайк, подписка, комментарий всегда, сам понимаю, приветствуются.
Если у кого-то не работает перемножение матрицы:
14:54 - ошибка небольшая - у матрицы b должно быть k элементов, а не n
Каждый вправе выбирать своё будущее. И мы идём в будущее, которое сами выбрали! Пусть мы не знаем, что будет завтра, но ради него мы живём на полную сегодня!
Ждём продолжения!...
Спасибо.
Не могли бы вы и в дальнейшем переводить видео с этого канала...
Возможно ли создавать связи нейрона с тремя и более последующими? И есть ли в этом смысл?