Разновидности архитектур нейросетей | НЕЙРОСЕТЬ ИЗНУТРИ

[@Запискиэлектроника]

Куча времени ушла на запись видео (несколько десятков часов), надеюсь оно стоило того )

[@baitbit5921]

Оно еще как стоило того! Особенно учитывая сколько ты времени потратил на это!!!!

[@usertwgetrukwwr9669]

Да , было интересно!

[@werg78rus37]

Стоило того!! спасисбо!

[@MMDemz]

стоило, очень интересно, продолжай в том же духе, набирай базу роликов, а потом сделай что-нибудь кликбейтное, и проблемы с подписчиками уйдут )

[@Запискиэлектроника]

@@MMDemz спасибо за совет

[@irinatsvetkova2612]

Видео отличнейшее!!! я его конспектирую, чтобы хоть что-то осталось в голове и могу сказать, что у меня уже ушли десятки часов на это

[@Запискиэлектроника]

У меня в работе следующее видео из цикла "Нейросеть изнутри" но пока все не хватает времени и сил закончить. Но я обязательно справлюсь.

[@АсельАртыкбаева-и1в]

Благодарю вас!

[@Maraniks]

Крутой канал! Сколько не смотрел другие видео по нейронной сети мало что понимал. Жду следующих видео по нейронной сети

[@Запискиэлектроника]

Их будет много

[@MegaBraincontrol]

Генеративно-состязательная сеть - показыват принцип работы виртуального мира из фильма "Матрица": Когда архитектор хотел избавить людей от возможности выбора, дабы их случаный выбор и фактор не породили хаос, Пифия же делала с точностью до наоборот - давая людям счастье выбора и непредсказуемость (в виде ответственности за выбор), так и в этой неронке - Центр это "балланс" одного выбора (Архитектор), а край - это система "непредсказуемого" (Пифия) [по моему скромному мнению]... Автору Уважение, за обработку материала и подачу! 👍

[@Запискиэлектроника]

да про матрицу все правильно

[@kodiSong]

Хороший обзор с высоты. Жаль что не будет по трансформерам, никто толком понятно не объяснил ещё в сети

[@Запискиэлектроника]

Вот тут вы ошибаетесь, по трансформерам будет видео

[@tayumajazz4570]

Спасибо за твой труд! И ещё несколько слов для продвижения.

[@animeamv8627]

Очень круто прям ВАУ!

[@Запискиэлектроника]

рад что понравилось

[@4gott3n31]

Большое спасибо!

[@user-sda]

Отличное видео, очень хорошо рассказал все

[@evolutieman]

Автор просто красавчик! .... Все залетает на ура.

[@СергейКураев-в2з]

Здорово!

[@ogo_blin]

Ааа сука как это интересно и понятно, когда я хотел поузнавать по этой теме, считай я хотел увидеть твой ролик

[@Запискиэлектроника]

Я рад

[@АндрейШвец-л5о]

странно, что у видео так мало просмотров и комментариев - контент очень достойный...

[@Запискиэлектроника]

я думаю еще все впереди, ждите новых видео

[@luckycarma3461]

Спасибо! Для меня это что-то уже из Терминатора и Матрицы! Я пока не могу осознать это...Настолько сложно...Буду по 10 раз пересматривать ) Еще раз спасибо !

[@Запискиэлектроника]

у меня планируется более детальный разбор темы в нескольких видео, так что конкретно это 10 раз может и не обязательно пересматривать

[@Tezla0]

Отличное видео, жаль, что так мало просмотров и подписчиков

[@Запискиэлектроника]

я думаю всему свое время

[@pick-pock]

Спасибо!👍🏼

[@АннаЮрчишин-ц1х]

круто, було б прикольно якби ще розказував де яку використовують і як воно там працює)))

[@Запискиэлектроника]

а я расскажу, просто последнее время сильно загружен работой

[@АннаЮрчишин-ц1х]

@@Запискиэлектроника клас!

[@ЮрийВаулин-у9л]

Сделал хорошую работу друг. Мне интересно можно это все реализовать на ардуино? Это как идея для следующего видео))))

[@Запискиэлектроника]

Нужно понимать что и зачем, обучать нейросеть на ардуино не целесообразно, использовать обученную можно, но у ардуино очень маленький объем оперативной памяти, большую сеть никак не построишь, на STM32 еще можно что то пытаться делать.

[@ЮрийВаулин-у9л]

@@Запискиэлектроника ааа. Благодарю я не знал

[@MotoDaily]

Привет. Нужна консультация специалиста. Как можно с тобой связаться? Соц сети? Вотсапп?

[@cryhyble5750]

Превосходно

[@hpw-dev]

Видос по свёрточным будет?

[@Запискиэлектроника]

да будет

[@3d_kovriki]

Вы занимаетесь созданием нейронные сетей? Нужно сделать сеть что бы она обучалась на основе базы данных

[@Запискиэлектроника]

Надо детально задачу разобрать. Можете в группу в ВК написать. Там удобнее будет обсудить.

[@СашкаБелый-ч6м]

А как расчитывается глубина и количество нейронов в скрытых слоях? Допустим я решил распознавать кубики Lego. Сделать 1000 фоток каждого кубика под разным углом со всех сторон - не проблема (поворотный столик на Ардуине и фотоаппарат на рельсе смещаемой командами с компа, всё сделается автоматом). Картинка 640х480. Предварительно обесцвечивается и берётся только контрастный контур изображения. После чего свёрточная сеть уменьшит изображение до... И тут первый вопрос - до какого размера надо сворачивать? Хватит ли 100 входных нейронов, или надо 1000, а может и 16 достаточно? Или тут за кадром остался целый пласт того, что сворачиваться картинка может не просто механически, а по каким-то критериям так, что в одном выходном нейроне будет информация о длинне, во втором высота, в третьем ширина, в четвёртом (по каким-то не мыслимым мне принципам) будет оцениваться округлость фигуры, в пятый попадёт количество углов, в шестой количество отверстий или шипов у фигурки (когда видим только контуры - мы по сути не можем отличить шип от отверстия, и то и другое - просто круг). Но делается ли это нейронной сетью или для таких расчётов должны быть задействованы другие алгоритмы? Ну а дальше имея Х входных нейронов, какова должна быть глубина скрытых слоёв и количество нейронов в каждом слое? Надеюсь не получу бональный ответ - «Выясняется путём эксперемента». Как бы вы подошли к такой задаче?

[@Запискиэлектроника]

Ну вообще действительно точный ответ выясняется экспериментально :) Сверточная нейросеть распознает очертания (штрихи) из пикселей (3х3, 5х5), потом новый слой распознает более сложные структуры уже из штрихов, новый слой - еще структуры из структур и т.д. 640х480 слишком большое изображение, я бы рекомендовал сначала сжимать его хотя бы в 2-3 раза. Свертывать надо до каких то разумных размеров, свернете в точку (1 нейрон) - потеряете все различия, свернете всего лишь до 10000 выходов - получите высокую вычислительную сложность и очень долгое и сложное обучение НС. Короче на воходе должно быть 20-500 значений которые уже идут в перцептрон. Что касается глубины, уже 8-9 скрытых слоев перестают обучаться вообще - затухание градиента. 1 скрытый слой иногда не обеспечивает достаточных вычислительных возможностей. 2-3 слоя в большинстве задач оптимальны. Размеры слоев - обычно это между размером входного и выходного слоя. Я бы сжал размер картинки до 160х120, потом бы свернул примерно до 50 значений, и подал бы их на перцептрон с двумя скрытыми слоями. Размер первого слоя равен размеру входного, размер второго слоя равен размеру выходного, как то так.

[@deepfakesbyvictoria740]

Подскажите пожалуйста, а какую лучше всего выбрать архитектуру для обучения сети с целью создания действительно высококачественного deepfake изображения? Я просто видела примеры уже существующих приложений на рынке, но все они имеют слишком явные артефакты. А мне нужна архитектура позволяющая работать с наймельчайшими деталями изображений, не говоря уже о том, что само собой разумеется не должно быть артефактов как таких

[@Запискиэлектроника]

Все они построены на GAN, там уже все зависит от обучающей выборки и конфигурации самой сети. Так же можно добавить постобработку для удаления артефактов. Постобработка может быть как процедурной, так и на базе нейросети.

[@rashidkhaziev4608]

@@Запискиэлектроникачто в данном контексте является артефактом? Что под этим термином вы подразумеваете?

[@werg78rus37]

Генеративно-состязательная сеть очень интересная, но наверное ресурсозатратная.

[@Запискиэлектроника]

Не думаю что затратно, сайт же работает и ничего!

[@zero-goat]

Мне кажется или звук лучше??

[@Запискиэлектроника]

Ну где-то последние два месяца у меня серьезный микрофон и аудио-карта для записи. Во вкладке сообщество был пост об этом.

[@uralfansoft]

Слишком мало примеров где используется та или иная архитектура. Какой смысл изучать существование архитектуры и принцип её работы не понимая зачем она нужна?

[@Запискиэлектроника]

Я учту ваше замечание.

[@DoodleJumpBSGO]

Привет,слушай очень интересно,как ето все виучить и так же создавать нейросети для чего то

[@Запискиэлектроника]

Смотрите мой канал, ждите новых видео, просвещайтесь

[@annafly9642]

ваще ничего не поняла! но выглядит круто)))

[@Запискиэлектроника]

возможно стоит углубится в тему

[@Дантыч]

Я слышал об архитектуре, которая сама создаёт себе нейроны при необходимости. Надеялся на то, что найду её название в ролике. Есть такая?

[@Запискиэлектроника]

В этом ролике не рассматривалась, рассказ построен на основе классификации института Азимова, как я заметил позже там нет нескольких архитектур. А то о чем вы говорите, я расскажу об этом в одном из своих видео, это довольно интересная сеть.

[@Запискиэлектроника]

@You Tube я извиняюсь, пока рассказа об этом не было

[@zero-goat]

Я на 3 уже запутался

[@Запискиэлектроника]

Ну всегда можно перемотать назад и посмотреть еще раз

[@russiarussia7300]

Первый))

[@eggor_pro9059]

Надо в майнкрафте нейронку построить

[@panalike]

с помощью повторителей и рычагов?)) интересно для чего вообще в майнкрафте она может быть нужна

[@РасулКапезов-з8д]

Построили

[@СамвелСаруханян-ъ7к]

Голос местами совсем печальный, моргни, если тебя держат в заложниках.

[@daishinkan12]

или пусть оденет желтую футболку

[@usertwgetrukwwr9669]

@@daishinkan12 почему желтую

[@Запискиэлектроника]

@@usertwgetrukwwr9669 отсылка к Бритни Спирс.

[@vladvlad8707]

Все это интересно, но не имеет никакого отношения к биологическим нейронным сетям.

[@Запискиэлектроника]

а у меня канал не про биологию...

[@vladvlad8707]

@@Запискиэлектроника Биологическая нейронная сеть на много порядков эффективнее нейронной сети при анализе изображений. Поэтому для нейронных архитектур имеет смысл работать над реализацией биологических алгоритмов обработки видеоданных. Современный подход к алгоритмам работы нейронных сетей реализует принципы работы биологических сетей с точностью "до наоборот".

[@ЕвгенийБорисов-е1ч]

мда обьяснил