Pull to refresh
58
0
Viacheslav Kovalevskyi @b0noII

Google Cloud / DeepLearning

Send message
Пока что у нас план только на одну версию вперед, но с радостью поделимся планами на более длительный срок. Можно попросить задать вопрос по поводу RoadMap в виде issue на GitHub. Так же если интересно можете зайти к нам на запиь GeeksShow (https://youtu.be/6QkOUE1MV5s) мы собственно там обсуждаем и разработку и таски и планы.
Скрипт измене и теперь работает ближе к той схеме которую вы описали, спасибо большущее!
Не думаю, скорее всего нужно еще где-то тыцнуть «enable Cloud ML» в своем console google cloud, но это лишь предположение. Ну и да, аккаунт дожен быть с Billeng Enabled =)
а вот это очень дельно, спасибо, на выходных переделаю скрипт и обновлю REDME. Вот только ради одного этого комментария уже стоило пистаь статью =).
Простите, а как makefile решит проблему того что для репозитория с конфигом нужно что-то писать (в данном случае makefile)? Или коментарий не по соновной проблеме которую решаем а о том что в предложенном пути можно вместо shell скрипта использовтаь Makefile?
позволяет, нужно просто флаг указать который скжет использовтаь память по мере необходимости.
Статью о сравнение финансовой стороноы еще сделаб. Stay tuned =)
Выполните: gcloud beta ml init-project

я обновил статью что бы теперь это команда была в нужном месте, спасибо
TF по умолчанию всегда кушает всю видео память, это сделанно намеренно.

Вы говорите не совсем об алгоритме который обсуждается в статье. RNN сеть не выбирает ответ из диалогов а генерирует свой ответ после изучения диалогов. Если не считать простых предложений то сложные ответы вы в корпусе не найдёте, сеть из сгенерирует самостоятельно. Ровно как и на вход она на ищет из диалогов. Собственно если бы программа просто бы искала то что вы сказали и отвечала вам бы ответом оттуда то зачем бы там была нужна сеть вообще 0_о?

Где найти не знаю, подозреваю в Интернете много. Что бы обучить на своих данных, для этого Вам нужны свои файлы train.a и train.b. Можете глянуть на REDME у скрипта которые эти файлы готовит. Там все просто, диалоги банально разбиты на вопрос/ответ и разнесены на два файла.

Ага, я там обещал статью (или видео), вот собственно выполнил =)
Пока нету, но для следующей статьи/видео в планах использовать Google Cloud ML для создания полной цепочки: от тренировки до развертывания и использования через какой либо Web интерфейс.
На это уже сложнее ответить ибо понимание не пришло мгновенно. Это был (и есть) медленный путь где понемного добавляешь что то одно. На начале пути первое что я начал использовать это банальный TODO лист. Его я вел в преложении «tasks» на iOS. Понемного понял что чего-то там не хватает и пошло поехало.
Лет так 6ть назад, где то во времена первого Samsung Galaxy S 1 и самого первого Android планшета от той же фирмы.
Стать буду, но со временем. По поводу остальной части Вашего комментария. 13 часов для меня достигается ДАЛЕКО не каждый день, 2-3 раза в неделю наверное будет максимум. При этом я намеренно один день добровольно три части дня провожу на работе, это у меня что-то вроде каллибровочногго дня, т.е. даже после второго сна всю третью часть на работе, но работаю над проектами чужых команд (для смены обстановки/технологий/обучения). В остальном чудес нету, есть что-то что я могу отодвинуть на следующий квант а иногда случаются митинги «по расписанию» котором требуют остановки и против них не попрешь. В конце концов приходится быть гибким иногда. К счастью это случается не очень часто и «выброшенными» в пустую оказываются 2-3 кванта в 2-3 дня (иногда чаще, иногда реже).

В целом тут важно понимать что любая система направлена не на увеличение часов, а на то что бы продержать Вас в максимально рабочем ритме, максимально долго. При этом подобный ритм выматывает дико и очень важно отдыхать и менять деятельность на выходные, а то есть опасность «перегореть» особенно если начать все делать не подготовленно и с наскока.
Вы правы, но не всем так везет с работодателями. ИМХО, у большинства мелких игроков на рынке просто нету интересных задач и потолок обучения достигается очень быстро (за год максимум), а после начинается пустая трата времени (с точки зрения работодателя).

Information

Rating
Does not participate
Location
Mountain View, California, США
Date of birth
Registered
Activity