✅ Курс с задачами: stepik.org/a/186169? ✅ Telegram: t.me/PyTorch_for_you ✅ Плейлист по нейронным сетям с Pytorch: ruclips.net/p/PLBP4Q3FNSLK2rtGPBsK-aMAetYj-8yg_1 ► Курс по Numpy с задачами: stepik.org/a/180256? ► Telegram: t.me/numpy_for_you ► Плейлист по Numpy: ruclips.net/p/PLBP4Q3FNSLK3dd-3lHjPij-dMSgNskoF6 ► Курс по Pandas с задачами: stepik.org/a/122126? ► Telegram: t.me/pandas_for_you ► Плейлист по Pandas: ruclips.net/p/PLBP4Q3FNSLK2EujXiPUeTIOVnydZS8YJk Мой Telegram канал: t.me/dubinin_ser ================================================= Приветствую вас, друзья! Если вы интересуетесь машинным обучением и хотите научиться создавать собственные модели глубокого обучения, то вы попали по адресу! PyTorch - это одна из самых популярных библиотек глубокого обучения, которая предоставляет нам инструменты для создания и обучения нейронных сетей. Она основана на языке программирования Python и обладает простым и интуитивно понятным интерфейсом, что делает ее отличным выбором для начинающих и опытных разработчиков. В этой серии видео мы будем изучать основы работы с PyTorch. Затем мы погрузимся в мир нейронных сетей, изучив различные типы слоев. Мы также рассмотрим различные архитектуры нейронных сетей, такие как сверточные нейронные сети. Кроме того, мы научимся загружать и предобрабатывать данные для обучения моделей, а также оценивать их производительность. Мы рассмотрим различные методы оптимизации и регуляризации моделей, чтобы достичь максимальной точности и обобщающей способности. Не теряйте времени и присоединяйтесь к нам в этом захватывающем путешествии в мир нейронных сетей и PyTorch! Тайм-коды: 00:00 - Введение. 00:20 - Наборы данных. 02:15 - Пользовательский класс. 10:45 - Проверка пользовательского класса. Теги: #Pytorch #AI
Добрый день. Ссылок на готовые ноутбуки нет и быть не может на этом канале. Такая практика идет в разрез с моими убеждениями. Готовые ноутбуки - это хорошо, но написанный код своими руками еще лучше.
@@ИванЕвдокимов-л6ь все зависит от того, как этот класс реализован и какие преобразования с данными вы делаете. Процессор грузит DataLoader при формировании батча. Что бы ничего не простаивало в DataLoader-е нужно указать num_workers больше единицы и как минимум на один меньше количества ядер процессора (ядер=4 -> num_workers=3, ядер=8 -> num_workers=7). Самый хороший вариант, это сначала попробовать num_workers=2, потом num_workers=3 и так до тех пор пока не будет простоя. Но большое значение в num_workers может привести к обратному эффекту, нужно найти золотую середину. При этом важно понимать, что в оперативной памяти будет хранится столько батчей, сколько num_workers. Это может привести к ее переполнению.
@user-ku4nn5pw8p еще одно замечание. При использовании num_workers со значениями отличными от 0 может переполнять память если в классе для создания датасета используются списки и некоторые другие конструкции языка Python. Если их поменять на массивы Numpy, то все будет хорошо.
Я конечно может чего то и не понимаю,но какой же душный код, для чего так мучиться, смысл выбирать сложный путь,чтобы просто достать само изображение и метку для него
та не мужик, по какому это ? Просто написанный код, не объясняя поэтапно что за что отвечает. Возможно это подходит кому-то, но точно не совсем зеленым новичкам. Отписка, удачи
А можно по конкретнее, что именно не объяснено в видео? Мне бы эта информация очень пригодилась при создании следующих курсов. "Возможно это подходит кому-то, но точно не совсем зеленым новичкам." - новичок новичку рознь, это во-первых. Во-вторых: в первом видео говорилось, что знание основ Python необходимы. В-третьих: если что-то не понятно можно спросить, здесь или в телеге, я бы все еще раз объяснил. "Отписка, удачи" - дело конечно ваше, но если передумаете я всегда вам рад.
✅ Курс с задачами: stepik.org/a/186169?
✅ Telegram: t.me/PyTorch_for_you
✅ Плейлист по нейронным сетям с Pytorch: ruclips.net/p/PLBP4Q3FNSLK2rtGPBsK-aMAetYj-8yg_1
► Курс по Numpy с задачами: stepik.org/a/180256?
► Telegram: t.me/numpy_for_you
► Плейлист по Numpy: ruclips.net/p/PLBP4Q3FNSLK3dd-3lHjPij-dMSgNskoF6
► Курс по Pandas с задачами: stepik.org/a/122126?
► Telegram: t.me/pandas_for_you
► Плейлист по Pandas: ruclips.net/p/PLBP4Q3FNSLK2EujXiPUeTIOVnydZS8YJk
Мой Telegram канал: t.me/dubinin_ser
=================================================
Приветствую вас, друзья! Если вы интересуетесь машинным обучением и хотите научиться создавать собственные модели глубокого обучения, то вы попали по адресу!
PyTorch - это одна из самых популярных библиотек глубокого обучения, которая предоставляет нам инструменты для создания и обучения нейронных сетей. Она основана на языке программирования Python и обладает простым и интуитивно понятным интерфейсом, что делает ее отличным выбором для начинающих и опытных разработчиков.
В этой серии видео мы будем изучать основы работы с PyTorch. Затем мы погрузимся в мир нейронных сетей, изучив различные типы слоев. Мы также рассмотрим различные архитектуры нейронных сетей, такие как сверточные нейронные сети.
Кроме того, мы научимся загружать и предобрабатывать данные для обучения моделей, а также оценивать их производительность. Мы рассмотрим различные методы оптимизации и регуляризации моделей, чтобы достичь максимальной точности и обобщающей способности.
Не теряйте времени и присоединяйтесь к нам в этом захватывающем путешествии в мир нейронных сетей и PyTorch!
Тайм-коды:
00:00 - Введение.
00:20 - Наборы данных.
02:15 - Пользовательский класс.
10:45 - Проверка пользовательского класса.
Теги: #Pytorch #AI
Спасибо за видео, ждем продолжения !
продолжайте в том же духе
спасибо
Доброго времени суток, а нет ссылки на гит с этим кодом?
Добрый день.
Ссылок на готовые ноутбуки нет и быть не может на этом канале. Такая практика идет в разрез с моими убеждениями.
Готовые ноутбуки - это хорошо, но написанный код своими руками еще лучше.
@@dubinin_s Полностью согласна, просто видео перематывать сложнее, чем перелистывать в гите)
@makivila да, это не очень удобно, но я очень не хочу плодить лень.
я может что то пропустил, а откуда скачивать датасет? ссылок вроде никаких нет, в видео упоминания тоже не нашел
в видео все есть - ruclips.net/video/ztTlRgwdhkU/видео.html.
А что делать, если такой пользовательский класс датасета загружает процессор 95% времени, в то время как видеокарта простаивает?
Когда именно процессор загружен, во время формирования датасета или во время обучения сети?
@@dubinin_s во время обучения сети
@@ИванЕвдокимов-л6ь все зависит от того, как этот класс реализован и какие преобразования с данными вы делаете.
Процессор грузит DataLoader при формировании батча. Что бы ничего не простаивало в DataLoader-е нужно указать num_workers больше единицы и как минимум на один меньше количества ядер процессора (ядер=4 -> num_workers=3, ядер=8 -> num_workers=7).
Самый хороший вариант, это сначала попробовать num_workers=2, потом num_workers=3 и так до тех пор пока не будет простоя. Но большое значение в num_workers может привести к обратному эффекту, нужно найти золотую середину. При этом важно понимать, что в оперативной памяти будет хранится столько батчей, сколько num_workers. Это может привести к ее переполнению.
@user-ku4nn5pw8p еще одно замечание. При использовании num_workers со значениями отличными от 0 может переполнять память если в классе для создания датасета используются списки и некоторые другие конструкции языка Python. Если их поменять на массивы Numpy, то все будет хорошо.
@@dubinin_s переполняется память видеокарты? Если да, то с ней у меня всё норм. С оперативной памятью тоже нормально
Я конечно может чего то и не понимаю,но какой же душный код, для чего так мучиться, смысл выбирать сложный путь,чтобы просто достать само изображение и метку для него
Спасибо, давно так не смеялся))
та не мужик, по какому это ? Просто написанный код, не объясняя поэтапно что за что отвечает. Возможно это подходит кому-то, но точно не совсем зеленым новичкам. Отписка, удачи
А можно по конкретнее, что именно не объяснено в видео? Мне бы эта информация очень пригодилась при создании следующих курсов.
"Возможно это подходит кому-то, но точно не совсем зеленым новичкам." - новичок новичку рознь, это во-первых. Во-вторых: в первом видео говорилось, что знание основ Python необходимы. В-третьих: если что-то не понятно можно спросить, здесь или в телеге, я бы все еще раз объяснил.
"Отписка, удачи" - дело конечно ваше, но если передумаете я всегда вам рад.