TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #367 · 30.05

Поговорим про ML. Пару дней назад вышла новость о том, что в продажу поступила первая русскоязычная книга, половину текста в которой написала нейросеть ruGPT-3. А до этого вы все наверняка натыкались на очень яркие записи про Dalle и Imagen, где нейросеть по описанию рисует картинку, и получается очень любопытно. Такими темпами скоро нейросети превратятся в крипту: высокотехнологичную вещь, о которой, однако, в среде приличных технарей лучше не упоминать. Потому что то, каким образом это используется, и то, какой образ этому создают в массах, расходится не только с реальностью, но и с определённым уровнем вменяемости. Кстати, ML ещё и может ярко демонстрировать эффект Даннинга-Крюгера. Мем про "Ты чё, пёс, я математик!" нифига не шутка. Человек может считать себя крутым программистом, если научился комбинировать чужие библиотеки на питоне. Хотя на самом деле простейшую практическую задачу решить не способен -- я с такими сталкивался лично. ML-щики вообще пихают свои нейросети куда ни попадя, считая, что это волшебная таблетка и швейцарский нож для любых ситуаций. Мне рассказывали случай, когда на хакатоне по работе с данными выиграл человек, который просто аккуратно вручную подобрал нужные зависимости в Excel :) Глобально же нейросетями пытаются решать три вида задач: 1. Информации в вопросе много, а в ответе нужно мало. Например, распознавание образов и символов. Подбор значений каких-нибудь коэффициентов. Приложение "Хотдог или не хотдог" из сериала Кремниевая Долина. Обычно нейросети справляются с таким очень хорошо. Рукописный ввод распознают шикарно, по фото могут назвать породу собаки, математические формулы читают. Но важно понимать, что под капотом даже у такой нейросети не возникает никаких понятных вам символов. Например, при распознавании рукописного ввода случайный набор пикселей, не имеющий для человека смысла, может быть с той же степенью уверенности интерпретирован нейросетью, как совершенно чёткая буква А. Просто мы на такой случайный набор не попадаем почти всегда, и поэтому всё ок. 2. Информации в вопросе средне, и в ответе нужно средне. Как правило, это предсказание, восстановление недостающих данных, улучшение качества фото, раскрашивание ч/б. С такими задачами нейросети справляются уже средненько. Улучшенный нейросетью снимок сразу видно. Предсказание лишь ненамного точнее, чем случайный выбор. Польза в том, что в обращении такие сети просты, а результат всё-таки дают. Но не стоит их переоценивать. Например, сюда можно отнести задачу суммаризации текста (по большому объёму текстов тебе печатают выжимку). Мои товарищи в одном чате несколько дней игрались с ботом-суммаризатором, и в основном половина написанных им фраз это просто мусор и ерунда для ржача. Но в другой половине всё-таки какой-то совсем небольшой смысл проглядывался. Недостаточный для того, чтобы задалбывать этим ботом участников чата (привет, ребята :) ), но не абсолютный рандом. 3. Информации в вопросе мало, а в ответе нужно много. Это генерация данных: вот как раз написание текстов, составление рисунков, логотипов и так далее. Так вот, по моему скромному, но всё-таки хоть немного компетентному мнению, в таких вопросах нейросети выдают полную херню. И хвалёная логотипная нейросетка Лебедева — тоже полная херня. И распиаренная GPT ничего толкового не пишет. Когда читаешь примеры в новостях-анонсах, сразу думаешь: "Вау, как круто!". Но когда пробуешь сам: ruGPT-3 по уровню осмысленности где-то чуть ниже "Яндекс.Рефератов", если помните такой сервис и суть его работы. Я не знаю, будут ли сети по созданию изображений работать так круто (сейчас доступа к ним ни у кого нет), но книга в соавторстве с человеком стала возможна только по той причине, что в качестве человека взяли Павла Пепперштейна, который берёт случайные комбинации словосочетаний и выдаёт это за литературу. Поверьте: человечество пока что в безопасности касательно захвата машинами. #dev

Hashtags

Резултати

Намерени 24 подобни публикации

Търсене: #nn

当前筛选 #nn清除筛选
Земля

@podzemlya · Post #47 · 05.10.2020 г., 20:23

1. В доме дяди Коли и тёти Риммы. 2-4. Усадьба Пашковых 5-6. Юрьево. Церковь Воскресения Словущего. Деревянные двери и то что осталось от колонн. 7. Закрытые ворота церкви в деревне Какино. 8-9. Замерший пруд и пейзаж возле села Гагино. #nn

Hashtags

Земля

@podzemlya · Post #44 · 05.10.2020 г., 20:18

Если вы послушали подкаст про Нижегородскую область теперь вы можете сравнить свою фантазию с реальностью. Пойду по порядку. #nn

Hashtags

Земля

@podzemlya · Post #43 · 04.10.2020 г., 15:26

Вторая часть моего подкаста посвящена Нижнему Новгороду и области, а именно селу Гагино и его окрестностям. Позже выложу сюда дополнительные материалы. #nn Ссылка на подкаст: Apple Podcasts https://podcasts.apple.com/ru/podcast/%D0%B7%D0%B5%D0%BC%D0%BB%D1%8F/id1530731563 Googlehttps://podcasts.google.com/feed/aHR0cHM6Ly9mZWVkcy5zb3VuZGNsb3VkLmNvbS91c2Vycy9zb3VuZGNsb3VkOnVzZXJzOjg3Nzc3ODQxMy9zb3VuZHMucnNz?sa=X&ved=0CAMQ4aUDahcKEwjA_-2U7rPsAhUAAAAAHQAAAAAQCg Overcasthttps://overcast.fm/itunes1530731563 Castboxhttps://castbox.fm/channel/id3307638?utm_source=website&utm_medium=dlink&utm_campaign=ex_share_ch&utm_content=%D0%97%D0%B5%D0%BC%D0%BB%D1%8F-CastBox_FM Яндекс Музыкаhttps://music.yandex.ru/album/12053151 Spotifyhttps://open.spotify.com/show/3XWDx51c467UyeOJFbGU8X?si=sA08bYu0R-6EQsKYZpZ6ZQ Пишите отзывы в Apple Podcasts: https://podcasts.apple.com/ru/podcast/%D0%B7%D0%B5%D0%BC%D0%BB%D1%8F/id1530731563 Спасибо!

Hashtags

Ö Gastro

@omanko_gastro · Post #6653 · 01.10.2025 г., 15:05

Рекомендация дня: «Цитадель» в Нижнем Новгороде 🏰 Новый проект Екатерины Зайдес и команды RED WALL (топ-3 Wheretoeat Center-2024, выбор Greatlist) внутри памятника XVI века. В одном пространстве – целая гастро-экосистема: бистро на первом уровне (тележка фермерского мороженого, десертная витрина, Red Wall Market и магазин ремёсел), городское кафе с нижегородской кухней на втором, бар-настοечная с ледяной комнатой в цоколе и chef’s table Артёма Атопшева под сводами башни. Что попробовать: • Малосольные борские огурцы с хреном, укропом и листьями смородины • Картофельные крокеты с солёными груздями, сметаной и луком • Студень из лося с мочёной брусникой, горчицей и свежим хреном • Паштет из заволжских копчёных карасей • Поветлужская уха с судаком, стерлядью, форелью и белыми грибами • Лимонный бисквитный рулет с городецкими и хохломскими узорами 📍 Нижний Новгород, Кремль, Кладовая башня #recommendation#nn

嗨皮快乐屋北京

@hpklwbj · Post #148802 · 12.12.2025 г., 03:05

希希well🏠#nn Height:175⭐Weight:90⭐Age:04🐻E 💖水蜜桃🍑穴紧多汁💧身体敏感易抽搐 💖全天然0整不抽烟不喝酒无纹身无一丝风尘 💖纯欲天花板,清纯鹅蛋脸,声音甜美 💖纯⭕外短开,温柔善良,可遇不可求 携满天星辰像你走来,推荐指数⭐⭐⭐ 佛系只接受素质援助,静待缘分💯💯💯 #北京#朝阳区#硬5#大长腿#纯欲

DeepSchool

@deep_school · Post #74 · 24.08.2022 г., 15:10

​​​​Какую архитектуру взять в качестве бейзлайна и что докинуть в свою? Вдохновимся статьёй из OpenAI и посмотрим какую сетку они используют в качестве feature extractor для картиночек. А там ResNet из статьи Bag Of Tricks и какой-то antialiased rect-2 blur pooling. Кто такие и почему? • ResNet Bag Of Tricks это такая сборная статья в которой проверили и попробовали кучу всяких советов\триков\твиков\мудростей накопившихся для свёрточных сетей и соединили всё в одну модель ResNet-D (рис. 1). Статья выступает в роли такого бывалого коллеги сеньёра, который накидывает вам “А вот ты у батчнормов, которые в конце блока, гамму в ноль поставь, тогда у тебя сетка круто по началу сходится начнёт”. В ней подробно описано как учить, что менять в +- современном мире (конечно у нас уже трансформеры, потом собрали ConvNeXt, но Bag Of Tricks всё ещё актуален). Удобно это тем что можно кусочками к себе в пайплайн тянуть всякие улучшения, и не пересобирать всё своё решение. • Антиалиасинг в нейронных сетях. Сетки которые мы используем не инварианты к сдвигу. Вот так вот, придумали свёртки с учётом, что они инвариантны к сдвигу, а сети у нас совсем не инварианты. Всё из-за коварного пулинга, который как и при обычном сжатии картинок даёт эффект алиасинга. Нам бы очень хотелось сгладить этот эффект, особенно это хочется сделать после того как мы посмотрим на графики зависимости score от сдвига (рис. 2). Решается это проблема обычным размытием перед пулингом. Основное в ResNet Bag Of Tricks. • Как скейлить learning rate, какой взять scheduler, кто такой warmup, какой батч сайз взять и прочие training strategy. • Польза обучения в FP16 на современных видеокартах. • Что поменять в дефолтной архитектуре ResNet чтобы стало лучше, на что заменить первые свёртки, как поменять Residual Block. • Какие ауги зашли на ImageNet и у вас наверное сработают. Это не статья откровение, возможно многое вы уже слышали или даже использовали, но когда всё в одном месте с красивыми табличками и подробно описано, то жить сразу как-то приятнее. Основное в Making Convolutional Networks Shift-Invariant Again. Всё что нужно сделать, это из официального репозитория достать реализацию BlurPool и по гайду вставить в свою сеть (рис. 3). В репозитории есть функции, которые это делают за вас, но надёжней просто в своём коде поменять, чтобы вы наверняка знали что у вас поменялось. А самое классное в том что сеть не надо учить заново, она не сильно изменится и можно со спокойной душой дотюнивать со своего претрейна. #советы#nn#training

Земля

@podzemlya · Post #135 · 25.11.2020 г., 13:54

Добавил на прошлые фото и видео посвященные выпускам подкаста хештеги для удобства. Смоленск #smol Нижний Новгород - Гагино #nn Казань (скоро появится куча всего) #kazan

12
ПредишнаСтр. 1 от 2Следваща