Pull to refresh
29
0
Send message

Главное - много картинок кода!
Спасибо! Интересно было почитать о потоковой передаче данных между бэком и фронтом. 🚀

Несколько месяцев пользую API, у меня даже 4 версия до сих пор недоступна :(

И это доступно рядовому пользователю? Может это какое-нибудь специальное предложение для компаний?

Большие лингвистические модели не умеют сохранять что-либо. Они генерируют предсказания только на основе входных данных. Что касается реализации переключения контекста - наверняка можно так сделать, например, используя api, но это будет что-то вроде переключения между вкладками браузера, т.е. доступ к контенту одной вкладки из другой получить не удастся, а раздельно - пожалуйста. Кстати, список диалогов у ChatGpt - это почти то же самое.

в новостях писали, видел тут https://about.fb.com/news/2023/08/code-llama-ai-for-coding/
где скачать - не подскажу, не искал

Вы правы, ошибся, сейчас поправлю. Спасибо! Человеческий фактор))

это легко проверяется инфой из открытых источников

Я заметил, что у нас Афина не очень популярна, мало инфы на русском, а вот западные компании ее активно используют.

Боюсь сильно меньше :) Но зато есть в дополнение миллион прикольных идей, которые я собираюсь реализовать, например, салютики вместо крови, конфетки вместо мясца, ну и в таком духе.
Спасибо, очень интересно было почитать мнение человека, хорошо знающего о чем говорит :)

И да, есть один вопрос, какой движок для 2D порекомендуете именно вы?
Не обязательно простой, можно и с высоким порогом входа.
хм, поэкспериментирую с physx, я всегда был уверен что 2d коллайдер по определению работает быстрее 3d
Если не затруднит, можете сделать скиршот настроек, пожалуйста?
ну это круто, спасибо, сейчас буду искать!
У меня в студии просто нет кнопки «Attach to Unity», есть только «Start», как в обычных проектах.
Возможно это как-то настраивается?
Большое спасибо за столь детальные пояснения, многое становится понятным. Про IL2CPP и ARM64 особенно любопытно.
Если честно, то мне было бы очень интересно ваше мнение, возможно я почерпну для себя что-то новое.
Уважаемый Leopotam, цель любого фрэймворка — упростить разработку. Разве нет?
отдельная большая история = отличная статья, где всё по полочкам ;)

на самом деле мне, например, как новичку, очень интересно сравнение фрэймворков с OpenGL. Еще интересно сравнение производительности, удобства и прочего у канваса и OpenGL. Я прекрасно понимаю, что канвас далеко позади, но в определенных кейсах не хочется подключать большие либы к проекту.
Спасибо, что всё, действительно, по полочкам!
Хотелось бы продолжения про игровую анимацию.
Когда я сделал свою первую сеть на Tensorflow, она была корявой, но на 10 классах изображений я смог добиться 50% точности распознавания (было примерно по 1000 образов на класс). Тогда мне стало интересно визуализировать первый слой фича-экстрактора. Сделал. Там было что-то похожее на шумы. Я задумался, почему же там нет таких красивых картинок как в примерах? Стал искать инфу, оказалось что те примеры и были сгенерены человеком, а при обучении всего лишь немного видоизменяется рандомно инициализированная матрица. Тогда я поставил эксперимент, применив к первому уровню фильтры со второй картинки Kernel в статье. Результат остался примерно таким же. Может только скорость обучения немножечко выросла.

Я сделал для себя вывод:
не стоит пытаться подбирать кернелы, это занимает много моего времени, к тому же их размер очень сильно зависит от размера входа. При размере 28*28 — это матрица 3*3 или 5*5, при 256*256 — лучше работает 7*7. Можно, конечно иметь разные заготовленые размеры, но зачем? На скорость обучения это хоть и влияет, но не так чтоб прям сильно. Да и для каждой задачи лучше подбирать оптимальное количество кернелов. Для MNIST достаточно 16-ти, а то и 8-ми, для сложных образов 32 и выше.

Если не хочется тратить время на это, а хочется взять что-то готовое, то как вариант взять Inception-v3, её фича экстрактор очень даже хорош, и добавить нужных классов без переобучения экстрактора, такой метод называется fine-tuning.

Вот линка на инструкцию:
https://www.tensorflow.org/tutorials/image_retraining

Information

Rating
Does not participate
Location
Таганрог, Ростовская обл., Россия
Works in
Date of birth
Registered
Activity