Month: June 2020

Молодцы, не забздели.

Дружба народов: владелец ресторана армянин, а защищали ресторан евреи, азербайджанцы, армяне, украинцы и русские. Все были, разумеется, вооружены.

Отсюда

Хороший, однако, аргумент против жизни в крупных городах. Комендантский час ввели даже в тихих пригородах (в двух из которых я раньше жил). В нашей деревне пока всё тихо. А крупные города при малейших намёках на разное мгновенно превращаются в горячие точки. И это у нас ещё ничего, а репортажи из Нью-Йорка читаешь со вставшей на дыбы лысиной, как будто там Кандагар какой-то. Или Бейрут.

Ух, как продвинулся прогресс! Раньше создание своих нейронных сетей было занятием дико сложным, требующим понимания математики и нехилого программирования. Я даже нарисовал свою, на Сишарпе. Она, конечно, была простенькая, но я очень много понял (особенно хорошо я понял, почему ничего, кроме свёрточных сетей, для классификации изображений использовать невозможно — тупо памяти не хватит).

А теперь движок нейронных сетей не надо писать самому. Сначала появилась Caffe (я использовал её для одного из проектов в университете по поиску изображений), а потом Гугл открыл свой TensorFlow для всех. Но даже TensorFlow был ОЧЕНЬ непрост в использовании. А теперь выяснилось, что для TensorFlow написали кучу вменяемых библиотек, и создание нейронных сетей стало очень несложным занятием.

Их несколько, но больше всего мне понравилась библиотека keras. И дело не сколько в том, какая она хорошая, а в том, что для неё больше всего документации 🙂 В прошлый раз, когда я щупал нейронные сети, я использовал библиотеку TF-Slim. Документации для неё, можно сказать, не было. Пришлось хакать исходники примеров, чтобы получить что-то своё.

Но оцените, как это теперь просто!

Вот, например, Питонный код для создания простой нейронной сети из двух входных нейронов, 16 скрытых, и 3 выходных. На входе единички и нолики, представляющие собой True и False, и три выходных нейрона, один выдаёт результат логической операции XOR, второй AND, третий OR. Тренируется сеть меньше, чем за 1000 эпох (если увеличить количество нейронов в скрытом слое, то ещё быстрее).

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

model = tf.keras.Sequential()
model.add(layers.Dense(16, activation=’relu’))
model.add(layers.Dense(3))
model.compile(optimizer=’adam’, loss=’mean_squared_error’, metrics=[‘binary_accuracy’])

data = np.array([[0,0],[0,1],[1,0],[1,1]], “float32”)
labels = np.array([[0,0,0],[1,0,1],[1,0,1],[0,1,1]], “float32”)

model.fit(data, labels, epochs=1000)

print(model.predict(data).round())

Элементарщина же!

Осталось понять, чего прикольного теперь можно с этим сделать 🙂 Наверное, ничего — чтобы сделать что-то прикольное, надо поставить задачу и дать вводные 🙂 Разве что сделать нейронную сеть и запустить её наоборот, в генеративном режиме, предварительно скормив ей, например, музыку Моцарта в формате MIDI 🙂 Кстати, вполне реальная вещь, вот чувак кормил сеть Бахом: https://www.youtube.com/watch?v=SacogDL_4JU

До нас бы, конечно, не докатилось — я не в местах, где подобная публика тусуется, жил. Но всё равно. Не думал я, что так полыхнёт у нас, но оказался неправ.

Беспорядки на расовой почве в США случаются с завидной регулярностью. Относиться к этому можно по-разному, но в целом это как дождь — сделать ничего невозможно, надо просто не забывать зонтик — в первую очередь, конечно, не жить в местах, где такое возможно. И второе — иметь на всякий случай оружие, на случай если таки докатится.

Что интересно, так что среди протестующих заметная часть — засланные казачки. Провокаторы, которым заплатили и дали инструкции, что делать. А там несложно. Когда сидишь на бочке с порохом, устроить кабздец просто.

Интересно, какие группы финансируют всё это. НАВЕРНЯКА ПУТИН!!!!!