Это неполноценная многопоточность, по сути библиотека запускает отдельный инстанс nodejs для каждого потока и организовывает общение между потоками через специальные объекты message passing, при этом у потоков нету доступа к общим ресурсам, нету общих переменных, общего контекста, невозможно организовать прослушивание веб-сервером одного и того же порта, там можно поизвращаться и передавать дочерним потокам запросы, но это уже будут "костыли". Поэтому все пункты статьи остаются актуальными, надежнее запустить reverse proxy (например, nginx) и за ним несколько отдельных инстансов nodejs, чем колхозить на worker_threads.
Node.js является однопоточным по своей сути. Он работает в одном потоке через архитектуру Event Loop. Да он использует библиотеку libuv в отдельном потоке, но многопоточный код все равно написать не получиться, если это не так то напишите мне пример кода который работает, к примеру, в 10 потоков. В контексте этой статьи если у вас 4 ядра, напишите мне код на nodejs, который займет ресурсы всех 4-х ядер, кроме варианта запустить одновременно 4 копии одного и того же js-скрипта.
У меня есть опыт работы с "старшим братом" этого графического процессора RTX A6000 Ada. На рабочем компе стоит 2 x RTX A6000 Ada. Сам адаптер где-то на 10% быстрее RTX 4090 и на нем больше памяти 48G. Но самое главное он действительно потребляет значительно меньше енергии чем RTX 4090 -- смело можно ставить в один десктоп корпус 2 карты (без переживаний за то что будут перегреваться). Из недостатков -- адаптер издает больше шума, ну и ценник под 6000$. В общем продукт нишевый для ML-задач.
Было бы правильно добавить в табличку со сравнением A4000 Ada c RTX 4080, который построен на 5 нм чипе AD103.
Много лет назад вот в статье "Нейронные сети на Javascript", я делал реализацию на JS, только сам backpropagation я использовал из готовой билиотеки "BranJS" а больше фокус на визуализацию. Несколько идей по самой реализации: - В качестве дополнительной нормализации (для песочницы) необходимо определять область с изображением и центрировать ее, иначе если написать цифру не по центру или слишком маленькую в углу то результат будет значительно хуже. - Переводить из GrayScale в Black and White означает некую потерю информации о изображении. Это ускоряет обучение но все же ведет к потери качества. - Из соображений производительности сейчас больше применяется пакетный (batch) вариант градиентного спуска
Вы только посмотрите на эти выдающиеся характеристики: 8 ядер 1.3 mHz и DDR3-1600. ВНИМАНИЕ производился на TSMS и попал под санкции (о каком импортозамещении может идти речь?), они его что паяльником собирать будут? «Эльбрус-8СВ» это имитация сервера, так же как в советском союзе была имитация электронно-вычислительной техники. Несмотря на то что использовались позолоченные контакты и толстые медные дорожки, все это выпускалось безнадежно устаревшим и имело спрос только потому что персональные ПК не могли просочиться к советскому потребителю.
Смотрите, это очень общий вопрос. В большей степени это будет зависеть от других компонентов системы. Например, если сервер обладает скоросным устройством чтения но слабым CPU то возможно для небольших разрешений фото это будет страведливо, но в большинстве случаев несжатые изображения это сомнительный вариант оптимизации.
Однозначно будет быстрее, но это решение для случая когда камера смотрит "в упор" на авто, например на шлагбауме, когда номер сфоткан, относительно большого размера. Для понимание нашей проблематики, попробуйте распознать WPOD-NET вот такой номер, который входит в наш бенчмарк https://github.com/ria-com/nomeroff-net/blob/master/banchmarks/images/1.jpeg?raw=true
Спасибо за информацию. Не знал об этой библиотеке. Попробовал прогнать тесты, работает быстрее чем OpenCV, но в 1.5 раз медленее чем TurboJPEG. Сейчас добавлю тесты в репозиторий
И какие страны и типы ГРЗ внутри стран поддерживаются
UA (Украина), RU (РФ), EU (европейская универсальная модель), AM (Армения), KZ (Казахстан), BY (Беларусь), GE (Грузия), KG(Кыргызстан), SU (екс СССР с кирилицей)
На сколько я понял, предлагаемое решение определяет углы ГРЗ
Можно так сказать, с помощью CRAFT мы определяем линию с текстом в найденом боундинг боксе и по определенному алгоритму устанавливаем углы.
Есть ли у вас бэнцмарки на точность при разных погодных условиях
Нету, мы, в первую очередь, решаем задачи сайта AUTO.RIA.com, где пользователи редко размещают объявления с болотом и снегом. Некоторые люди используют наш модуль для разпознавния и наравне с нашим датасетом добавляют свои данные и дотренировуют модель.
Презентация сделана для датасаентистов где профильные специалисты прказали некоторые интересные идеи и архитектуры сетей по разным проблемам автономного вождения. Ясно что автор не в теме и не может понять половину того что услышал.
Смеятся с компании которая создала по 7 нм технологии свой чип на 362 терафлопса. Очень смешные непонятные цыфры? Можно поржать еще с теории относительности Энштейна.
Там есть один ньюанс, который автор может пофиксить, необходимо провести нормализацию нарисованного изображения: цетрировать и маштабировать нанесенный рисунок. Для того чтоб понять как проявляется проблема, напишите цифру в углу (даже если цифра будет очень правильная) будет ошибка.
Вообще говоря MRCNN это не оптимизатор, это фреймворк (MaskRCNN). В OCR, которая отвечает, непосредственно, за распознавание использовался и используется SGD. Саму сеть мы немного переписали и адаптировали к tensorflow 2.x, точность по большинстве стран 99%.
В текущей версии мы отказались от MaskRCNN, т.к. он очень ресурсоемкий и медленный. Пока что остановили свой выбор на CenterMask2 и ускорились в 2.5 раза.
Почему не рассматриваете Li-ion тип аккумуляторв для AA и AAA типов, корые дают 1.5В и без проблем заряжаются от USB.
Емкость меньше, удобства больше. У меня Ni-MH, часто «умирали» если вовремя не подзарядить.
Выявление поддельных ( дорисованых номеров) это задача другого класса. На ее решение требуется дополнительные ресурсы. Отличить же чёрный номер от белого может даже студент освоивший азы сверточных сетей.
Крыша плоская, есть вентиляционные выходы, дымохода нету (тех. этаж над моей квартирой и квартирой соседей). Не для зароботка, для того чтоб уменьшить потребление внешней енергии, у меня есть полы с електроподогревом, которые мог бы включать днем весной и осенью вместо газового отопления а излишек в сеть отдавать.
Это неполноценная многопоточность, по сути библиотека запускает отдельный инстанс nodejs для каждого потока и организовывает общение между потоками через специальные объекты message passing, при этом у потоков нету доступа к общим ресурсам, нету общих переменных, общего контекста, невозможно организовать прослушивание веб-сервером одного и того же порта, там можно поизвращаться и передавать дочерним потокам запросы, но это уже будут "костыли".
Поэтому все пункты статьи остаются актуальными, надежнее запустить reverse proxy (например, nginx) и за ним несколько отдельных инстансов nodejs, чем колхозить на worker_threads.
Node.js является однопоточным по своей сути. Он работает в одном потоке через архитектуру Event Loop. Да он использует библиотеку libuv в отдельном потоке, но многопоточный код все равно написать не получиться, если это не так то напишите мне пример кода который работает, к примеру, в 10 потоков.
В контексте этой статьи если у вас 4 ядра, напишите мне код на nodejs, который займет ресурсы всех 4-х ядер, кроме варианта запустить одновременно 4 копии одного и того же js-скрипта.
У меня есть опыт работы с "старшим братом" этого графического процессора RTX A6000 Ada. На рабочем компе стоит 2 x RTX A6000 Ada. Сам адаптер где-то на 10% быстрее RTX 4090 и на нем больше памяти 48G. Но самое главное он действительно потребляет значительно меньше енергии чем RTX 4090 -- смело можно ставить в один десктоп корпус 2 карты (без переживаний за то что будут перегреваться).
Из недостатков -- адаптер издает больше шума, ну и ценник под 6000$. В общем продукт нишевый для ML-задач.
Было бы правильно добавить в табличку со сравнением A4000 Ada c RTX 4080, который построен на 5 нм чипе AD103.
Много лет назад вот в статье "Нейронные сети на Javascript", я делал реализацию на JS, только сам backpropagation я использовал из готовой билиотеки "BranJS" а больше фокус на визуализацию.
Несколько идей по самой реализации:
- В качестве дополнительной нормализации (для песочницы) необходимо определять область с изображением и центрировать ее, иначе если написать цифру не по центру или слишком маленькую в углу то результат будет значительно хуже.
- Переводить из GrayScale в Black and White означает некую потерю информации о изображении. Это ускоряет обучение но все же ведет к потери качества.
- Из соображений производительности сейчас больше применяется пакетный (batch) вариант градиентного спуска
Вы только посмотрите на эти выдающиеся характеристики: 8 ядер 1.3 mHz и DDR3-1600. ВНИМАНИЕ производился на TSMS и попал под санкции (о каком импортозамещении может идти речь?), они его что паяльником собирать будут?
«Эльбрус-8СВ» это имитация сервера, так же как в советском союзе была имитация электронно-вычислительной техники. Несмотря на то что использовались позолоченные контакты и толстые медные дорожки, все это выпускалось безнадежно устаревшим и имело спрос только потому что персональные ПК не могли просочиться к советскому потребителю.
Смотрите, это очень общий вопрос. В большей степени это будет зависеть от других компонентов системы. Например, если сервер обладает скоросным устройством чтения но слабым CPU то возможно для небольших разрешений фото это будет страведливо, но в большинстве случаев несжатые изображения это сомнительный вариант оптимизации.
Однозначно будет быстрее, но это решение для случая когда камера смотрит "в упор" на авто, например на шлагбауме, когда номер сфоткан, относительно большого размера.
Для понимание нашей проблематики, попробуйте распознать WPOD-NET вот такой номер, который входит в наш бенчмарк https://github.com/ria-com/nomeroff-net/blob/master/banchmarks/images/1.jpeg?raw=true
Спасибо за информацию. Не знал об этой библиотеке. Попробовал прогнать тесты, работает быстрее чем OpenCV, но в 1.5 раз медленее чем TurboJPEG. Сейчас добавлю тесты в репозиторий
Да
UA (Украина), RU (РФ), EU (европейская универсальная модель), AM (Армения), KZ (Казахстан), BY (Беларусь), GE (Грузия), KG(Кыргызстан), SU (екс СССР с кирилицей)
Можно так сказать, с помощью CRAFT мы определяем линию с текстом в найденом боундинг боксе и по определенному алгоритму устанавливаем углы.
Нету, мы, в первую очередь, решаем задачи сайта AUTO.RIA.com, где пользователи редко размещают объявления с болотом и снегом. Некоторые люди используют наш модуль для разпознавния и наравне с нашим датасетом добавляют свои данные и дотренировуют модель.
Презентация сделана для датасаентистов где профильные специалисты прказали некоторые интересные идеи и архитектуры сетей по разным проблемам автономного вождения. Ясно что автор не в теме и не может понять половину того что услышал.
Смеятся с компании которая создала по 7 нм технологии свой чип на 362 терафлопса. Очень смешные непонятные цыфры? Можно поржать еще с теории относительности Энштейна.
Там есть один ньюанс, который автор может пофиксить, необходимо провести нормализацию нарисованного изображения: цетрировать и маштабировать нанесенный рисунок. Для того чтоб понять как проявляется проблема, напишите цифру в углу (даже если цифра будет очень правильная) будет ошибка.
Много лет назад писал статью "Нейронные сети на Javascript", тогда еще небыло TensorFlow.js и реализаций сверточных серей для JS. Функционал разпознавания цифр был реализован с помощью простого персептрона на brain.js
В текущей версии мы отказались от MaskRCNN, т.к. он очень ресурсоемкий и медленный. Пока что остановили свой выбор на CenterMask2 и ускорились в 2.5 раза.
Емкость меньше, удобства больше. У меня Ni-MH, часто «умирали» если вовремя не подзарядить.
Выявление поддельных ( дорисованых номеров) это задача другого класса. На ее решение требуется дополнительные ресурсы. Отличить же чёрный номер от белого может даже студент освоивший азы сверточных сетей.