А я же правильно понимаю что это именно та основа, по которой работает представленная гуглом "технология" стилизации заданного изображения по определенный картине/изображении (http://deepart.io/) ?
А вот средних и плохих программистов, на мой взгляд, уже лет через 5-10 начнут теснить системы автоматического программирования
Крайне голословное утверждение, учитывая что статья в основном про достижение CNN, которые в свою очередь пытаются эмитировать работу зрительной коры мозга, в то время как «программирование» является проявлением высшей когнитивной функции.
«Now that we know what we want our model to do, it's very easy to have TensorFlow train it to do so. Because TensorFlow knows the entire graph of your computations, it can automatically use the backpropagation algorithm to efficiently determine how your variables affect the cost you ask it minimize. Then it can apply your choice of optimization algorithm to modify the variables and reduce the cost.»
Кстати, численное значение градиента (за место аналитики, пусть и автоматической) в ML вычисляют только из за проблем с размерами матриц или есть ещё какие причины?
Ну это как считать. Это алгоритм на выходе дает градиент весов. А как по этому градиенту найти оптимум — это уже задача следующего алгоритма. При этом такие алгоритмы как bfgs пытаются еще по значению и градиенту оценить и вторую производную (хотя тут я совсем профан) и уже с помощью всего этого ищут оптимум.
На сколько я понимаю исторически есть небольшая путаница с понятиями, но сейчас более или менее принято (опять же как я понимаю) считать перцептрон без срытых обучаемых слоев перцептроном Розенблатта (при этом сами «слои» могу быть, но обучается только последний слой методом коррекции ошибки), остальные же считаются «многослойными» и обучаются различными вариациями backpropagation.
P.S Лично я считаю что называть backpropagation «обучающим» несколько странно — обучают нейронную сеть различные алгоритмы нахождения оптимума (градиентный спуск, bfgs и т.д)
Те, кто уже с Rx «не на Вы» могут возразить мне, что для аккумулирования «выпущенных» элементов существует специальный оператор scan.
Не очень понятно почему вы пишите про scan, т.к по описанию вашей задаче кажется, что частичные суммы вам не нужны. Возможно, здесь уместнее говорить про reduce (который конечно является частным случаем для scan)
Зачем же городить огород из toList и map? Дело в том, что, если первый же запрос вернет нам пустой список (и тогда этот запрос будет единственным), scan выдаст ошибку
То же не совсем понятно, почему должна возникать ошибка, т.к здравая логика подсказывает (доки данный случай не обговаривают), что аккумулятор примет просто значение первого элемента (в данном случаи вашего пустого списка) и ни чего особенного не произойдет. Проверочный код в «лоб» работает:
Я потратил немало сил и времени, чтобы написать такой простой с виду код.
В данном случае так же не понятно, почему не взять и просто заиспользовать ваш код из самого первого примера (характер ваших запросов говорит о их связанности, а значит все они все равно должны будут исполняться в одном потоке), как то так:
Future<List<StatementRUR>> future = executor.submit(
(Callable<List<StatementRUR>>) () -> {
int i = 0;
List<StatementRUR> commonList = new ArrayList<>();
while (true) {
// Retrofit должен иметь простой сихронный доступ
List<StatementRUR> list =
statementRURList(int i * limit, int limit, String accountId,
int periodDaysCount, Date docInfoDocDate);
commonList.addAll(list);
if (list.size() < limit) {
break;
}
i++;
}
return commonList;
}
);
Почему это не оказывался? Оказывался. Просто по характеру ваших сообщений мне показалось, что если бы вы были уверены, что знаете как сделать идеальный язык — вы бы этих вещей не пожалели.
В конце концов вы писали про 20 лет занятием программирования за деньги, и на сколько я мог понять этот способ заработка вам вполне нравится (с точки зрения получения удовольствия от работы).
Думаю он просто не достаточно умен для этого.
Ну правда же звучит глупо — «Я знаю как создать идеальный язык, но я боюсь ответственности и мне жалко времени и денег»
Для взрослого человека (думаю и не только для взрослого) естественно иметь морально-этические принципы и делать некоторую градацию людей на их основе.
То, что сознательное завязывание проекта лично на себя, есть поступок сомнительный с этичной стороны дела, думаю согласятся многие.
P.S Люди, которые говорят что нет хорошего/плохого/правильного/не правильного/ (в рамках разумного контекста разумеется) мне всегда казались несколько странными.
А как находка такого замечательного языка отразится на вашей конторе (хотя бы в общих чертах), особенно учитывая(на сколько я знаю), что основные продукты/заказы вы делаете на jvm-based языках (java/fantom/scala)?
Ну а так так многие люди сочли бы разумной стратегией работы с «крайне неуравновешенным и жестоким человеком, который знает код от домофона и умеет открывать замки» отказ от такой работы, то это правило преобразуется до еще более простого — не пишите код.
Судя по вашей логике сама концепция Loaders's это эксперимент
У некоторых действительно возникают крамольные мысли относительно того насколько Loader-ы (ровно как и AsyncTask-и ) являются элегантным механизмом работы с асинхронными задачами.
Видимо, это неокортекс.
Крайне голословное утверждение, учитывая что статья в основном про достижение CNN, которые в свою очередь пытаются эмитировать работу зрительной коры мозга, в то время как «программирование» является проявлением высшей когнитивной функции.
www.tensorflow.org/versions/master/tutorials/mnist/beginners/index.html
«Now that we know what we want our model to do, it's very easy to have TensorFlow train it to do so. Because TensorFlow knows the entire graph of your computations, it can automatically use the backpropagation algorithm to efficiently determine how your variables affect the cost you ask it minimize. Then it can apply your choice of optimization algorithm to modify the variables and reduce the cost.»
Кстати, численное значение градиента (за место аналитики, пусть и автоматической) в ML вычисляют только из за проблем с размерами матриц или есть ещё какие причины?
P.S Лично я считаю что называть backpropagation «обучающим» несколько странно — обучают нейронную сеть различные алгоритмы нахождения оптимума (градиентный спуск, bfgs и т.д)
Опять таки непонятно почему, на главной странице retrofit-а, написано:
Так, что кажется, что проблем вообще ни каких не будет (исполнение идет в фиче) и колбэки так же не понадобится.
Не очень понятно почему вы пишите про scan, т.к по описанию вашей задаче кажется, что частичные суммы вам не нужны. Возможно, здесь уместнее говорить про reduce (который конечно является частным случаем для scan)
То же не совсем понятно, почему должна возникать ошибка, т.к здравая логика подсказывает (доки данный случай не обговаривают), что аккумулятор примет просто значение первого элемента (в данном случаи вашего пустого списка) и ни чего особенного не произойдет. Проверочный код в «лоб» работает:
В данном случае так же не понятно, почему не взять и просто заиспользовать ваш код из самого первого примера (характер ваших запросов говорит о их связанности, а значит все они все равно должны будут исполняться в одном потоке), как то так:
В конце концов вы писали про 20 лет занятием программирования за деньги, и на сколько я мог понять этот способ заработка вам вполне нравится (с точки зрения получения удовольствия от работы).
Ну правда же звучит глупо — «Я знаю как создать идеальный язык, но я боюсь ответственности и мне жалко времени и денег»
То, что сознательное завязывание проекта лично на себя, есть поступок сомнительный с этичной стороны дела, думаю согласятся многие.
P.S Люди, которые говорят что нет хорошего/плохого/правильного/не правильного/ (в рамках разумного контекста разумеется) мне всегда казались несколько странными.
У некоторых действительно возникают крамольные мысли относительно того насколько Loader-ы (ровно как и AsyncTask-и ) являются элегантным механизмом работы с асинхронными задачами.