На случай если вы прочитали мой коммент и сомневаетесь: Да! решение на numpy медленнее чем бинарный поиск на ванильном питоне. И даже jit компиляция через numba не спасет его.
Причем я бы кастанул в грейскейл и это сработает даже со стэком n изображений в тензорной форме, например положим что img_stack.shape == (n, 1, y, x) типа np.uint8
то можно дать:
result = np.sum(img_stack.astype(int), axis = 0) / n
На нижней фотографии - HP/Compaq tc1100 - изумительно хорошее устройство. У него не сенсорный экран а дигитайзер ваком, и эта штука довольно сильно опережала время, позже на нее можно было втащить вин7, и она умудрялась довольно сносно распознавать мой русский никуда не годный почерк.
Вещ куда более юзабельная чем поздние тач-планшеты на вин8-10, дигитайзер ваком предлагал чуть больше свободы чем тапанье пальцем в клавиатуру , закрывающую пол экрана.
Делал такое 12 лет назад на с+куда+опенгл на дряхлой 8400GS... оч нравилось видеть результат симуляции.
Также делал на дипломе молекулярную динамику разделительной центрифуги для двухкомпонентной смеси и даже наблюдался коэффициент разделения, несмотря на скромное количество частиц.
Использовал самосборную водянку со времен i7-920 bloomfield , был приличный буст к разгону 2.6 -> 4.4 Ghz. Что принципиально невозможно было на воздухе.
Потом эта платформа впустила в себя xeon x5660 , и тоже приличный разгон, до 3.8 на воде.
Сейчас эта водянка перекочевала на i7-4790k@4.6Ghz и тоже вполне успешно его охлаждает.
Стоит ли использовать жидкостное охлаждение дома? конечно стоит.
Есть ли в этом экономический смысл? ну если вы покупаете готовую СВО за $$$ для старого проца или не гонющегося проца - конечно нет.
нет, я без сомнения понял что речь идет о фильтрации таких данных, которые на первый взгляд совершенно абсурдны и гарантировано не валидны. Например говорящие о том что автобус сейчас едет где-то по океану...
И вот само по себе это задание - уже содержит подводные камни.
Потому что отбрасывать такие данные GPS приемников, которые содержат "странную высоту" - я бы не стал.
Кроме того многие GPS приемники, кажется, умеют прогнозировать погрешность определение координаты и высоты и скорости.
Короче говоря , мне кажется, фильтрация сырых данных GPS - уже такая увесистая тема для статьи.
Там сигналы проходят базовую проверку — важно убедиться, что они корректны: время соответствует реальному, а координаты находятся в пределах земного шара.
"
А какие могут быть координаты в градусах широты и долготы, которые НЕ находятся в пределах земного шара?
Дак если речь идет о полносвязнной нейронной сети, причем из одного скрытого слоя, то в чем тут удивление?
Другие дело в сверточных сетях чем инициализовать свертки!, да еще и когда слоев тьма!
Я также не сторонник использования softmax в выходном слое во время обучения сети. Я наизусть не помню как устроена softmax в keras, но есть ощущение что она будет тренить лишь до достижения максимума одного из выходных нодов над другими нодами. В этом смысле sigmoid + BCE будет более строго "тянуть" негативные ноды к нулю, а позитивную - к еденице.
QWERTY трубки нокия на симбиане - пожалуй лучшие трубки были.
Большой фанат той серии.
Многозадачност была еще в самых ранних симбиан - мне довелось в голос хохотать с "нововведений" Apple : когда на презентации новых айфонов показывали и многозадачность и возможность копировать-вставлять текст. Все это давно было на симбианах.
Но как уже замечали в предыдущие разы - лучше уделите время качественным снимкам гаджета на качественном фоне. Это приятнее для читателя чем челлендж "две статьи в день".
На случай если вы прочитали мой коммент и сомневаетесь: Да! решение на numpy медленнее чем бинарный поиск на ванильном питоне. И даже jit компиляция через numba не спасет его.
Я побуду занудой шутки ради:
Странно что цветовые каналы выщелкнуло в переполнение.
Вообще говоря cv тут нафик не нужна, это и в контексте numpy отлично сработает:
result = (img1*0.5 + img2*0.5)
result_clipped = np.clip(result, 0, 255).astype(np.uint8)
Причем я бы кастанул в грейскейл и это сработает даже со стэком n изображений в тензорной форме, например положим что img_stack.shape == (n, 1, y, x) типа np.uint8
то можно дать:
result = np.sum(img_stack.astype(int), axis = 0) / n
Годно. Оч годно.
Чуть повнимательнее к грамматике и опечаткам в оформлении статьи.
И, пожалуйста, чуть меньше спешки и чуть больше системы при изложении мыслей.
На нижней фотографии - HP/Compaq tc1100 - изумительно хорошее устройство. У него не сенсорный экран а дигитайзер ваком, и эта штука довольно сильно опережала время, позже на нее можно было втащить вин7, и она умудрялась довольно сносно распознавать мой русский никуда не годный почерк.
Вещ куда более юзабельная чем поздние тач-планшеты на вин8-10, дигитайзер ваком предлагал чуть больше свободы чем тапанье пальцем в клавиатуру , закрывающую пол экрана.
Модифицировать лист по которому же и итерируешь - можно легко выстрелить себе в ногу.
У меня даже коробка была и брошюры до какого-то времени - ОЧ жалею что выбросил.
стыдно признавать, но нет)
До сих пор есть в коллекции н-гейдж первой генерации, живой, здоровый.
Стоит явно указывать что этот браузер не может на процессорах без поддержки SSE2
Хэй! оч круто!
Делал такое 12 лет назад на с+куда+опенгл на дряхлой 8400GS... оч нравилось видеть результат симуляции.
Также делал на дипломе молекулярную динамику разделительной центрифуги для двухкомпонентной смеси и даже наблюдался коэффициент разделения, несмотря на скромное количество частиц.
Вот даже историческое демо осталось: https://youtu.be/QEkC1k0gdnI
Использовал самосборную водянку со времен i7-920 bloomfield , был приличный буст к разгону 2.6 -> 4.4 Ghz. Что принципиально невозможно было на воздухе.
Потом эта платформа впустила в себя xeon x5660 , и тоже приличный разгон, до 3.8 на воде.
Сейчас эта водянка перекочевала на i7-4790k@4.6Ghz и тоже вполне успешно его охлаждает.
Стоит ли использовать жидкостное охлаждение дома? конечно стоит.
Есть ли в этом экономический смысл? ну если вы покупаете готовую СВО за $$$ для старого проца или не гонющегося проца - конечно нет.
нет, я без сомнения понял что речь идет о фильтрации таких данных, которые на первый взгляд совершенно абсурдны и гарантировано не валидны. Например говорящие о том что автобус сейчас едет где-то по океану...
И вот само по себе это задание - уже содержит подводные камни.
Потому что отбрасывать такие данные GPS приемников, которые содержат "странную высоту" - я бы не стал.
Кроме того многие GPS приемники, кажется, умеют прогнозировать погрешность определение координаты и высоты и скорости.
Короче говоря , мне кажется, фильтрация сырых данных GPS - уже такая увесистая тема для статьи.
Режим зануды:
"
Там сигналы проходят базовую проверку — важно убедиться, что они корректны: время соответствует реальному, а координаты находятся в пределах земного шара.
"
А какие могут быть координаты в градусах широты и долготы, которые НЕ находятся в пределах земного шара?
да, но ведь в этой статье ни слова про текстовые модели....
Дак если речь идет о полносвязнной нейронной сети, причем из одного скрытого слоя, то в чем тут удивление?
Другие дело в сверточных сетях чем инициализовать свертки!, да еще и когда слоев тьма!
Я также не сторонник использования softmax в выходном слое во время обучения сети. Я наизусть не помню как устроена softmax в keras, но есть ощущение что она будет тренить лишь до достижения максимума одного из выходных нодов над другими нодами. В этом смысле sigmoid + BCE будет более строго "тянуть" негативные ноды к нулю, а позитивную - к еденице.
Виктория: "переехал с женой и ребенком"
голосую за ps vita
QWERTY трубки нокия на симбиане - пожалуй лучшие трубки были.
Большой фанат той серии.
Многозадачност была еще в самых ранних симбиан - мне довелось в голос хохотать с "нововведений" Apple : когда на презентации новых айфонов показывали и многозадачность и возможность копировать-вставлять текст. Все это давно было на симбианах.
Как оно умерло - мы все знаем.
Горшочек не вари!
Автор, мы любим старое железо, статьи отличные.
Но как уже замечали в предыдущие разы - лучше уделите время качественным снимкам гаджета на качественном фоне. Это приятнее для читателя чем челлендж "две статьи в день".
Спасибо за контент.