Делаем генеративно-состязательную сеть в Keras и Tensorflow | #32 нейросети на Python

[@tsoer2976]

Хоть конечно и поздновато. Но на мой взгляд очень не хватает описание такой архитектуры как "Трансформер". Хотелось бы увидеть это в Вашем исполнение. Потому что у Вас получается рассказать языком без искажения смысла.

[@Thecatvlog394]

Ты ещё живой🎉

[@djfjdosnsdjfifjejs3051]

Большое спасибо за труд. Очень помогает ваш канал в освоении python, нейронок и много другого.

[@NaiNNNai]

Просто сравните количество просмотров на первом и на последнем видео, тогда вы поймете, что большинство людей забрасывают изучение, считая, что все дастся им легко, а на деле этого не происходит

[@nikolaydavidenko7783]

Посмотрел весь плейлист, очень благодарен за все видео, супер полезно!

[@sergeyworm1476]

Очень складное и структурированное изложение. Спасибо вам большое!

[@firstelected8229]

огромное спасибо за этот плейлист, вы лучший!

[@speekflayder]

Огромное спасибо за профессиональную подачу!

[@serghei.cupelschii]

Автору огромное спасибо за труд

[@onemasterlomaster1829]

вот это круто и очень полезно, это лучшие видео по нейросетям!

[@alexandervgr5299]

Невероятно полезно! Спасибо Вам!

[@md5alx]

Спасибо за Ваш труд!!!

[@tsoer2976]

Хочу сказать: Благодарю Вас, и даже подкинул бы доната!(такого еще не делал) Знания, которые Вы даете, имеют серьёзную силу. Лично для меня прояснило много моментов. Мне, помогло решил свою задачу. Даже иногда обидно, что не нашел раньше.... Пришлось перечитать несколько статей на иностранной литературе. Всегда считал знание=сила, а Вы так свободно ими делитесь. Очень благодарен. P.S. Правда такой открытый доступ плохо это или хорошо?

[@selfedu_rus]

Спасибо! Рад, что представленная информация помогает вам и многим другим моим подписчикам. Ради этого все и делается! )

[@YbisZX]

@@selfedu_rus Вопрос. А нельзя было сделать здесь обучение проще? Обычным методом fit() по очереди обучать на каждом батче сборку генератор-дискриминатор (с разметкой 1), потом дискриминатор по смеси выхода генератора и картинкам (с разметкой 0/1 соответственно). Использовать при этом стандартную loss='binary_crossentropy'. И не надо было бы лезть в дебри с GradientTape и кастомными функциями потерь...

[@FSoKra]

ой хорошой плейлист, самое то для универа оказалось хотя описание работы сети хопфилда не хватает, хотя там совершенно ничего интересного, но все же пришлось искать отдельно

[@kolyangod2715]

Отличные видео и уроки! Не могли бы Вы рассмотреть создание нейросети, допустим, для распознавания заболеваний на снимках МСКТ или КТ?

[@AcCeHu3aToP]

У вас лучший обучающий материал по машинному обучению и нейросетям, нигде ничего подобного не встречал, даже в англоязычном сегменте. Будет ли продолжение по нейронкам (а то с только новых архитектур появилось)?

[@selfedu_rus]

Спасибо! Как руки дойдут ))

[@MrKappasama]

Спасибо за лекцию! А для ретуши и восстановления изображений это можно использовать? Например, есть картинка с текстом, текст нашли (например через OCR и удалили по маске). реально ли восстановить фон? Если нет, не могли бы Вы подсказать в какую реализацию копать?

[@alexeysavostin]

Класс!

[@user-en8ko2vd1k]

Добрый день, сделайте, пожалуйста, обучающий видеоролик про физико-информированную нейронную сеть (PINN)

[@ВишняковВиталий]

Спасибо большое за ваши видео, снимите пожалуйста видео про seq2seq и Machine Translation, очень интересная тема, про которую на русском нет хороших видео

[@openglmanext979]

kzbin.info/www/bejne/mmmkYqGupL93es0 .Вариантов как всегда много,дергать субтитры,гнать через нейронки перевода,сейчас они и так прилично переводят.ну и самому по немногу осваивать англ.

[@VenatoresnamIgnotis]

Почему при шаге 2,2 у нас увеличивается карта признаков? В видео по сверточным сетям вы говорили как раз наоборот, что в таком случае оно будет в два раза меньше. На рисунке у вас выделены каждые вторые квадраты, и вы сказали что при этом фильтр будет все равно проходить через каждый т.е. с шагом 1. А куда он будет переходить, если у нас нет квадрата на второй позиции?

[@selfedu_rus]

Слой Conv2DTranspose увеличивает размер (это транспонированная, обратная свертка)

[@neaafd2797]

здраствуйте! я вот хотела начать писать свой дипломный проект) только вдохновляюсь Вашими уроками! не подскажете ли Вы какая нейронная сеть подходит больше к верификации личности по рукописному почерку? Буду очень благодарна!

[@selfedu_rus]

Я думаю, лучше начать с рекуррентной сети на базе GRU. Если качество окажется не достаточно высоким, то попробовать или структуру сети поменять или блоки LSTM попробовать взять.

[@neaafd2797]

@@selfedu_rus хорошо, попробую сделать, огромное спасибо!

[@ivanbezrukov3680]

Здравствуйте! Подскажите пожалуйста, не планируете ли Вы сделать видео по повышению качества изображения? Если нет, может подскажете что изучить? Я в теории понимаю, что скорее всего на вход НС необходимо подавать изображение пониженного качества, а на выходе я сравниваю его с изображением исходного качества, таким образом обучая генератор. Но вот как реализовать это - не очень понимаю

[@selfedu_rus]

Да, общая идея именно такая. Генератору дается изображение пониженного качества, он его доводит до более высокого и дискриминатор пытается его различить с натуральным полноразмерным изображением.

[@kuand]

Здравствуйте! А не правильней было бы фиксировать генератор случайных чисел для генератора нормального распределения? Разьве это не будет более правильно с точки зрения генерации новых картинок?

[@kukupwa4735]

Добрый день, спасибо вам за настолько качественный контент!) А будут ли еще уроки по этой теме? Я думаю, что мы сможем даже донатиками скинуться ради такого контента)

[@selfedu_rus]

Спасибо! А что именно предлагаете по этой теме?

[@kukupwa4735]

@@selfedu_rus Я думаю, что интересно, если бы вы рассказали как сделать или для своей игры, написанной на пайгеме. Что-то пощоде снимает CodeBullet (Возможно, я не правильно написал его имя)

[@kukupwa4735]

@@selfedu_rus Он делает ии и обучает его по типу награды(за правильную работу) и наказание за неправильную.

[@selfedu_rus]

@@kukupwa4735 Обучение с подкреплением. Ясно, подумаю.

[@kukupwa4735]

@@selfedu_rus Будем ждать, спасибо за труды)

[@tapuznikgg9244]

Дорогой автро спасибо за курс, Вы бы не могли написать вашу электронную почту. Спасибо.

[@selfedu_rus]

Спасибо! Она есть в описании канала, но сразу скажу, что я не даю частных уроков и не участвую в сторонних проектах.

[@pboffic]

Можно урок про борьбу с несбалансированными классами когда мало данных для того или иного класса ?

[@selfedu_rus]

Буду делать курс по машинному обучению, там это можно будет отметить.

[@ВладимирПетров-з5н8в]

Спасибо Вам большое за ваши уроки! Можете ли Вы посоветовать литературу для дальнейшого обучения?

[@selfedu_rus]

Спасибо. Литературу уже посоветовал в сообщении на вкладке "Сообщество" kzbin.info_rus/community

[@ЛёшаШатурный]

​@@selfedu_rus Здравствуйте! Спасибо за действительно качественные уроки! Хотелось бы больше практики по GAN, а именно: 1)Deep Fake 2)Enhanced Super Resolution GAN(ESRGAN)

[@darkproject8068]

Дед, спасибо тебе.

[@animestation7225]

мне кажется или ты всегда улыбаешься? Голос так звучит

[@romandeveloper7720]

тут я уже сломал мозг

[@paranoia1361]

Правильно ли что ошибка дискриминатора растет ? На первой эпохе она 0.9 и к 7-8 снижается до 0.1, но уже к 100 эпохи составляет 1.5... Разве она не должна колебаться в диапазоне 0.5? Если это не так, то через какое-то время он "запомнит" настоящие изображения то есть в реальных потерях станет ~0.1, а в не настоящих должно стать ~0.9 в сумме дать ~1.1. Однако все равно идти на снижение. Или я не правильно что-то понял, не могли бы вы мне объяснить и указать на мою ошибку?

[@paranoia1361]

И почему не сумма квадрата ошибок?

[@ТумановАртём]

ребята блин, а где обучение с подкреплением? :((((

[@selfedu_rus]

это отдельное научное направление )

[@ТумановАртём]

@@selfedu_rus , а есть серия видео по данному направлению ?

[@ВикторНестерович-г6ф]

Когда увидел 6+

[@pages777]

22102024

[@eshdon5677]

Большое вам спасибо за такой замечательный курс!