Как вариант - выбрать штуки три порога принятия решения и дать пользователю возможность в настройках регулировать чувствительность детектора бабушкиного ремонта
Скормил вчера ChatGPT стереокартинку, спросил, что "спрятано". Ответил мне: я не могу "глаза в кучу", потому что у меня глаз нету, отстань, кожаный. Я ему говорю: ну у тебя же свёртки там, аттеншены, давай, постарайся. Он сделал вид, что попробовал, но все же не смог) А я бы удивился.
Так и делают, но нужно хорошее качество видео. Я вот предпринял несколько попыток сделать автопортрет из видео, снятого на мой довольно старенький бюджетный телефон - получилось откровенно говоря не очень.
Любопытно попробовать замиксовать текст-инструкцию с изображением так, чтобы невооружённым глазом было незаметно, но gpt выполнял именно текстовую инструкцию.
и, поскольку уточнение не приводит к увеличению скорости, я настоятельно рекомендую использовать её, если это возможно.
Все же в оригинале под speed overhead имеется ввиду временные накладные расходы, которые не увеличиваются, поэтому лучше перевести "не приводит к снижению скорости (генерации изображения, прим.)"
И в этом как раз заключается моя гипотеза: в некоторых задачах такой трюк может сработать и значительно сократить количество параметров.
Все верно - персептроны как есть в реальных задачах не используются. Так, например, в картинках переход от персептрона к сверточной сети как раз есть способ сократить (причем, весьма существенно) число параметров за счет переиспользования весов.
В Вашем примере вообще достаточно двух нейронов с квадратичной функцией активации - один будет очерчивать внутреннюю, другой - наружную окружности. К чему я это - к тому, что конкретика зависит от задачи и, безусловно, может быть полезно закладывать в нее какое-то априорное знание о распределении данных. Но общим случаем был и остается персептрон как есть - без архитектурных оптимизаций.
Ну не совсем так. Скалярное произведение - это не косинус угла в чистом виде, - там как раз модули обоих векторов есть в произведении. Поделив на модуль действительно перешли к расстояниям, но сути дела это не меняет: нормализация весов - вполне обыденная процедура. Идея автора, как я понял, в переиспользовании фильтров - тоже, в принципе, не нова, но надо отдать должное - автор вдумывается в суть происходящего, что, безусловно, хорошо.
Достойный промпт-инжиниринг!
Как вариант - выбрать штуки три порога принятия решения и дать пользователю возможность в настройках регулировать чувствительность детектора бабушкиного ремонта
Не бах, а мах :)
почему так важно для вас решить эту задачу?
потому что это просто ох**нно!
Нет, к сожалению, пришлось подсказать. Он описал фактически, что это повторяющийся узор, не очень разборчивый, т.к. искажён.
Скормил вчера ChatGPT стереокартинку, спросил, что "спрятано". Ответил мне: я не могу "глаза в кучу", потому что у меня глаз нету, отстань, кожаный. Я ему говорю: ну у тебя же свёртки там, аттеншены, давай, постарайся. Он сделал вид, что попробовал, но все же не смог) А я бы удивился.
Давно пора!
Так и делают, но нужно хорошее качество видео. Я вот предпринял несколько попыток сделать автопортрет из видео, снятого на мой довольно старенький бюджетный телефон - получилось откровенно говоря не очень.
Так и не понял, в чем суть исследования?
Любопытно попробовать замиксовать текст-инструкцию с изображением так, чтобы невооружённым глазом было незаметно, но gpt выполнял именно текстовую инструкцию.
И в этом смысле случай, когда гпт попросил фрилансера пойти капчу потому что якобы плохо видит - вполне себе пример лжи.
Рифампицин? При туберкулёзе приходилось пить его как не в себя. Другие антибиотики употребляли лица с резистентностью.
А эти все инструменты годятся только для ручной работы в гуи, или можно скриптом нагенерить сколько угодно вариаций разных identity?
Пригородный транспорт не оч - опаздывает регулярно, бывает на час может опоздать запросто
Еда тут невкусная и климат - г... Зато люди весьма приятные
Все же в оригинале под speed overhead имеется ввиду временные накладные расходы, которые не увеличиваются, поэтому лучше перевести "не приводит к снижению скорости (генерации изображения, прим.)"
"Дяденька, я знаю, что у вас сломалось"
Все верно - персептроны как есть в реальных задачах не используются. Так, например, в картинках переход от персептрона к сверточной сети как раз есть способ сократить (причем, весьма существенно) число параметров за счет переиспользования весов.
В Вашем примере вообще достаточно двух нейронов с квадратичной функцией активации - один будет очерчивать внутреннюю, другой - наружную окружности. К чему я это - к тому, что конкретика зависит от задачи и, безусловно, может быть полезно закладывать в нее какое-то априорное знание о распределении данных. Но общим случаем был и остается персептрон как есть - без архитектурных оптимизаций.
Ну не совсем так. Скалярное произведение - это не косинус угла в чистом виде, - там как раз модули обоих векторов есть в произведении. Поделив на модуль действительно перешли к расстояниям, но сути дела это не меняет: нормализация весов - вполне обыденная процедура. Идея автора, как я понял, в переиспользовании фильтров - тоже, в принципе, не нова, но надо отдать должное - автор вдумывается в суть происходящего, что, безусловно, хорошо.
А вопрос какой, я не понял, честно говоря?