Hallo Wissen sie bitte wie man auf Daten, die vom machinen learning trainiert werden, kommt? Ich muss öffentlichen Daten verschiedener industrieller prozesse suchen.
Danke für die Erklärungen, auch wenn ich zugeben muss, dass es für mich trotzdem irgendwie "magisch" bleibt, gerade wenn ich mir z.B. die Ergebnisse und Fähigkeiten von ChatGTP oder MidJourney ansehe. Letzteres kann ja geradezu künstlerisch anspruchsvolle / ausgefeilte / originelle Werke erschaffen, sogar mit Objekten, die sich im Wasser spiegeln, korrekten Lichtern und Schatten, sowie abnehmende Tiefenschärfe wie bei einem Objektiv. Eine Frage dazu: Liegen diese phänomenalen Ergebnisse nur an den Trainingsdaten oder gibt es doch noch andere spezielle "Zutaten", so dass Konkurrenten womöglich niemals an diese Klasse heranreichen können? Könnte also z.B. DALL-E wiederum durch die Ergebnisse von MidJourney dazulernen? Ich habe so etwas als Modell bei Stable Diffusion gesehen, allerdings waren die Ergebnisse immer noch bescheiden im Vergleich.
Danke für dein Interesse und Feedback! Die beeindruckenden Ergebnisse dieser neuen Deep Learning-basierten Tools beruhen wohl hauptsächlich auf drei Faktoren: große Mengen an qualitativ hochwertigen Trainingsdaten, dem Einsatz von immens viel Rechenpower zum Training und natürlich auf dem geschickten Design der verwendeten NN-Architektur. Diese Architektur ist die "spezielle Zutat", die z.B. bei MidJourney zu ästhetisch ansprechenderen Bildern führt. Das Feintuning anderer Modelle auf Midjourney-Bildern kann dabei helfen, diesen Stil zu imitieren. Trotzdem wird wegen der unterschiedlichen Architektur der Output der anderen Modelle dadurch nicht genau den Stil von Midjourney erreichen und "bescheidener" bleiben. VG Lukas
Vielleicht sollten Sie im nächsten Video mal etwas komplexer auf die Architektur von Künstlichen Neuronalen Netzen eingehen, auch wenn das langwierig und vielleicht manchmal langweilig erscheint.
Ein Generator versucht Bilder zu erzeugen die täuschend echt aussehen. Doch wie wurde die Grundlage dafür aufgebaut? Hat er Bereits Bilder eingespeist, die dann überlappt werden oder macht irgend einen Mischmasch aus dem was er schon gelernt hat? Denn irgendwo muss das ganze ja erst anfangen. Der Diskriminator versucht die Echtheit der Bilder zu erkennen? Wer überprüft das? Gibt der Generator dann die Antwort drauf ob es richtig oder falsch war , was der Diskriminator geantwortet hat?
Es gibt bereits vortrainierte Modelle, die auf Millionen von Bildern trainiert wurden. Diese kann man in einem Transfer Learning Verfahren nutzen und auf einige Anwendungen trainieren.
Versuchen die Neurale Netwzverke mit deutsche Sprache 10 6 16 4 13 9 14 7 11 8 12 1 2 5 15 3 replace the numbers with articles as follow: der die das die des der des der dem der dem den den die das die
Vielleicht sprechen meine Neuronen eine exklusive Sprache! 🧠😄 Spaß beiseite, wenn du Fragen hast, stehe ich zur Verfügung, um das Ganze zu entschlüsseln!
![I.N "HALLUCINATION" | [Stray Kids : SKZ-PLAYER]](http://i.ytimg.com/vi/n5B5q1Hwt_U/mqdefault.jpg)
Theoriebuch perfekt wiedergegeben ohne praktische Anschungs-Beispiele, trotzdem danke.
Danke fürs Feedback!
Sehr gut gemacht!!! für meinen geschmack genau die richtige mischung!!!
Freut mich, danke!
perfekt danke!
Gerne, freut uns!
wie wäre es mit ein paar Beispiele???
Gute Idee! 👍🏻
Hallo
Wissen sie bitte wie man auf Daten, die vom machinen learning trainiert werden, kommt?
Ich muss öffentlichen Daten verschiedener industrieller prozesse suchen.
Grundsätzlich gibt es auf kaggle.com viele öffentliche Datensätze.
Danke für die Erklärungen, auch wenn ich zugeben muss, dass es für mich trotzdem irgendwie "magisch" bleibt, gerade wenn ich mir z.B. die Ergebnisse und Fähigkeiten von ChatGTP oder MidJourney ansehe. Letzteres kann ja geradezu künstlerisch anspruchsvolle / ausgefeilte / originelle Werke erschaffen, sogar mit Objekten, die sich im Wasser spiegeln, korrekten Lichtern und Schatten, sowie abnehmende Tiefenschärfe wie bei einem Objektiv.
Eine Frage dazu: Liegen diese phänomenalen Ergebnisse nur an den Trainingsdaten oder gibt es doch noch andere spezielle "Zutaten", so dass Konkurrenten womöglich niemals an diese Klasse heranreichen können? Könnte also z.B. DALL-E wiederum durch die Ergebnisse von MidJourney dazulernen? Ich habe so etwas als Modell bei Stable Diffusion gesehen, allerdings waren die Ergebnisse immer noch bescheiden im Vergleich.
Danke für dein Interesse und Feedback!
Die beeindruckenden Ergebnisse dieser neuen Deep Learning-basierten Tools beruhen wohl hauptsächlich auf drei Faktoren: große Mengen an qualitativ hochwertigen Trainingsdaten, dem Einsatz von immens viel Rechenpower zum Training und natürlich auf dem geschickten Design der verwendeten NN-Architektur.
Diese Architektur ist die "spezielle Zutat", die z.B. bei MidJourney zu ästhetisch ansprechenderen Bildern führt. Das Feintuning anderer Modelle auf Midjourney-Bildern kann dabei helfen, diesen Stil zu imitieren. Trotzdem wird wegen der unterschiedlichen Architektur der Output der anderen Modelle dadurch nicht genau den Stil von Midjourney erreichen und "bescheidener" bleiben.
VG
Lukas
Vielleicht sollten Sie im nächsten Video mal etwas komplexer auf die Architektur von Künstlichen Neuronalen Netzen eingehen, auch wenn das langwierig und vielleicht manchmal langweilig erscheint.
Hey, das können wir gerne mal machen. Es ist immer eine Gratwanderung: zwischen zu komplex und zu easy. Danke für ihr / dein Feedback!
@@datasolut gibt es zu komplex??? XD
das ist alles sehr schön. Mich interessiert die Art der Programmierung und. Eine Maschine kann nicht lernen. Die hat nur einen recht grossen Speicher.
Schau doch einfach mal in unseren Tutorials nach. Wir haben einige Beispiele mit Programmierung und dem Code dazu.
Vg
Ein Generator versucht Bilder zu erzeugen die täuschend echt aussehen. Doch wie wurde die Grundlage dafür aufgebaut? Hat er Bereits Bilder eingespeist, die dann überlappt werden oder macht irgend einen Mischmasch aus dem was er schon gelernt hat? Denn irgendwo muss das ganze ja erst anfangen. Der Diskriminator versucht die Echtheit der Bilder zu erkennen? Wer überprüft das? Gibt der Generator dann die Antwort drauf ob es richtig oder falsch war , was der Diskriminator geantwortet hat?
Es gibt bereits vortrainierte Modelle, die auf Millionen von Bildern trainiert wurden. Diese kann man in einem Transfer Learning Verfahren nutzen und auf einige Anwendungen trainieren.
Versuchen die Neurale Netwzverke mit deutsche Sprache
10 6 16 4
13 9 14 7
11 8 12 1
2 5 15 3
replace the numbers with articles as follow:
der die das die
des der des der
dem der dem den
den die das die
😁
das versteht kein normaler Mensch !
Vielleicht sprechen meine Neuronen eine exklusive Sprache! 🧠😄 Spaß beiseite, wenn du Fragen hast, stehe ich zur Verfügung, um das Ganze zu entschlüsseln!