в примере «Убери граффити и надписи на стене» также пропала надпись на полу, т.е. была затронута нередактируемая область, ну либо модель не правильно поняла промпт
... является конвейер на основе пакетной обработки (batch-based pipeline). Например, система точек продаж может создавать множество точек данных, которые необходимо передавать в хранилище данных и аналитическую базу данных
Тут вообще написано не то что по-русски... Вообще, по-человечески?
Почему не пользуетесь устаявшейся терминологией? Пайплайн уже давно понятное слово в разработке, тем более в ML. Батч - тоже терминология вполне устаявшаяся. Термин "точка продаж" остался за пределами моего понимания...
Руссификация терминов привела лишь к недопонимаю, а это, как я предполагаю, противоположный результат тому, что вы хотели достичь.
у меня вопрос по confusion_matrix. А почему там единицы не по диагонали? Почему background напротив piket? Это означает, что piket видится там, где должен быть background?
Вообще я согласен с комментатором. Сложно оценить ценность статьи. Не указан размер выборки, также есть вопросы к итоговым значениям по всем метрикам единицы... Что это значит? Что модель работает идеально или что выборка небольшая и модель просто переобучилась на датасет? Также согласен с вопросом к определению мигающих сигналов по единственному кадру. Кажется, что подход выбран не верно. В качестве демонстрации проекта классификации лучше было выбрать что то более статичное, хотя бы марки авто или типы знаков
недооцененный пост
Грех №3 не забыли?!!
в примере «Убери граффити и надписи на стене» также пропала надпись на полу, т.е. была затронута нередактируемая область, ну либо модель не правильно поняла промпт
ссылка на видео вк на тему importance sampling, к сожалению поломалась
А графики сравнения без\с для наглядности эффективности внедрения подобных модификаций имеется?!
а почему вы используете и torch и numpy? Почему просто торча недостаточно?!
так главное, чтобы она была распознана в момент попадания в ROI (прямоугольники), т.к. там идет подсчет
Забавная многоходовка:
даешь студенту доступ к IDE в обмен на данные
студент использует другие топовые LLM для написания кода
ты дистилируешь код топовых LLM уже абсолютно легально, через студенческую прокладку, заодно скорее всего и заранее зная промт для LLM
А что там с великим могучим? Намного хуже результаты?
Удивительно совпало с выходом месенджера MAX. Так может под видом ОПСОСов лоббируются чьи-то другие интересы, но уж точно не улучшение инфраструктуры
Тут вообще написано не то что по-русски... Вообще, по-человечески?
Почему не пользуетесь устаявшейся терминологией? Пайплайн уже давно понятное слово в разработке, тем более в ML. Батч - тоже терминология вполне устаявшаяся. Термин "точка продаж" остался за пределами моего понимания...
Руссификация терминов привела лишь к недопонимаю, а это, как я предполагаю, противоположный результат тому, что вы хотели достичь.
Никогда не спрашивайте ученых, как они собирали данные для анализа уровня боли
насчет музыки +1.
Я тоже слушаю https://music.yandex.ru/neuromusic от Яндекса. Не требует подписки ЯндексПлюс
да ИИ тупо пихают везде, сложно без него купить какой флагман
Отличный материал для подготовки к собесам! Жаль еще что ConvNext нет в списке)
у меня вопрос по confusion_matrix. А почему там единицы не по диагонали? Почему background напротив piket? Это означает, что piket видится там, где должен быть background?
я так понял вражеский "китайский" tiktok вреден для детей, а патриотический ютюб шортс только на пользу?
ну тогда тут много вопросов) Даже по поводу 100 эпох и выбранного алгоритма)
Признаюсь честно, не с первого раза понял вашу статью. Для обегчения чтения советую оформить код в блоки
подождите... Я правильно понял, что все обучение производилось на 7 строках?
X = np.array([[1, 0, 0, 0, 0, 0], # Зеленый[0, 1, 0, 0, 0, 0], # Зеленый мигающий[0, 0, 1, 0, 0, 0], # Желтый[0, 0, 0, 1, 0, 0], # Желтый мигающий[0, 0, 0, 0, 1, 0], # Красный[0, 0, 0, 0, 0, 1], # Красный мигающий[0, 0, 1, 0, 1, 0], # Красный и желтый])y = np.array([1, # Зеленый: движение разрешено1, # Зеленый мигающий: движение разрешено0, # Желтый: движение запрещено1, # Желтый мигающий: движение разрешено0, # Красный: движение запрещено0, # Красный мигающий: движение запрещено0 # Красный и желтый: движение запрещено])Вот это и есть ВСЯ выборка?
Вообще я согласен с комментатором. Сложно оценить ценность статьи. Не указан размер выборки, также есть вопросы к итоговым значениям по всем метрикам единицы... Что это значит? Что модель работает идеально или что выборка небольшая и модель просто переобучилась на датасет? Также согласен с вопросом к определению мигающих сигналов по единственному кадру. Кажется, что подход выбран не верно. В качестве демонстрации проекта классификации лучше было выбрать что то более статичное, хотя бы марки авто или типы знаков