Skocz do zawartości

Nauka machine learning - jak zacząć?


mariuszz

Pomocna odpowiedź

5 godzin temu, FlyingDutch napisał:

Problemem jest sprzęt, tą bibliotekę mnożna uruchomić korzystając z CPU komputera, jednak dla bardziej skomplikowanych modeli sieci trzeba posiadać wydajną kartę grafiki firmy NVidia wspierającą technologię "CUDA" (nie mają dla niej wsparcia karty grafiki firmy AMD)

GPU jest potrzebne gdy używa się naprawdę sporych zbiorów danych. Dla mniejszych problemów spokojnie wystarcza CPU, nigdy na GPU nie uczyłem modelu dłużej niż ~30 minut. Zwykle większym problemem jest ilość RAMu w GPU, którego nie ma z uczeniem na CPU. I tak 90% czasu zajmuje preprocesing danych.

Na Radeonach tensorflow też działa: https://github.com/ROCmSoftwarePlatform/tensorflow-upstream/blob/develop-upstream/README.ROCm.md . Sam tak używam (w połączeniu z Kerasem).

5 godzin temu, FlyingDutch napisał:

Po wytrenowaniu sieci neuronowej jej implementacja jest możliwa nawet na MCU STM32F4

Bardzo proste tak 🙂 Ale raczej idziemy w kierunku IoT które wysyłają dane na klastry 🙂

Edytowano przez Harnas
  • Lubię! 1
  • Pomogłeś! 1
Link do komentarza
Share on other sites

Zarejestruj się lub zaloguj, aby ukryć tę reklamę.
Zarejestruj się lub zaloguj, aby ukryć tę reklamę.

jlcpcb.jpg

jlcpcb.jpg

Produkcja i montaż PCB - wybierz sprawdzone PCBWay!
   • Darmowe płytki dla studentów i projektów non-profit
   • Tylko 5$ za 10 prototypów PCB w 24 godziny
   • Usługa projektowania PCB na zlecenie
   • Montaż PCB od 30$ + bezpłatna dostawa i szablony
   • Darmowe narzędzie do podglądu plików Gerber
Zobacz również » Film z fabryki PCBWay

7 minut temu, Harnas napisał:

GPU jest potrzebne gdy używa się naprawdę sporych zbiorów danych. Dla mniejszych problemów spokojnie wystarcza CPU, nigdy na GPU nie uczyłem modelu dłużej niż ~30 minut. Zwykle większym problemem jest ilość RAMu w GPU, którego nie ma z uczeniem na CPU. I tak 90% czasu zajmuje preprocesing danych.

Na Radeonach tensorflow też działa: https://github.com/ROCmSoftwarePlatform/tensorflow-upstream/blob/develop-upstream/README.ROCm.md . Sam tak używam (w połączeniu z Kerasem).

Bardzo proste tak 🙂 Ale raczej idziemy w kierunku IoT które wysyłają dane na klastry 🙂

Cześć,

nie wiedziałem, że jest wsparcie dla "tensor flow" dla kart AMD, ale to dla mnie bardzo dobra wiadomość 🙂

Dzięki za odpowiedź 🙂

Pozdrawiam

  • Lubię! 1
Link do komentarza
Share on other sites

Link do komentarza
Share on other sites

@FlyingDutch Ubuntu (konkretnie KDE Neon, niedawno przełączyłem się na Kubuntu 18.04, zainstalowałem ale jeszcze nie odpaliłem). Co do GPU to RX470, wymagana jest minimum seria RX4xx, na RX380 nie chciało mi działać bo ma zbyt niską wersję GCN.

  • Lubię! 1
  • Pomogłeś! 1
Link do komentarza
Share on other sites

2 godziny temu, Harnas napisał:

@FlyingDutch Ubuntu (konkretnie KDE Neon, niedawno przełączyłem się na Kubuntu 18.04, zainstalowałem ale jeszcze nie odpaliłem). Co do GPU to RX470, wymagana jest minimum seria RX4xx, na RX380 nie chciało mi działać bo ma zbyt niską wersję GCN.

Cześć,

no właśnie widzę, że będę musiał kupić lepszą kartę grafiki ;). Aktualnie mam Radeona z seri R7 230 i nie mogłem na nim odpalić "tensor flow". Chyba zdecyduję się na Nvidia'ę bo wsparcie dla "CUDA" jest wymagane jeszcze do kilku innych framework' ów  które mnie interesują.

Bardzo dziękuję Ci za odpowiedź 🙂

Pozdrawiam

Link do komentarza
Share on other sites

Dla mikrokontrolerów są biblioteki np. od ST: https://www.st.com/en/embedded-software/x-cube-ai.html

Cały trening sieci wykonuje się "jak zwykle" za pomocą narzędzi opartych o Pythona, ale nauczoną sieć można skonwertować na zminimalizowaną postać dopasowaną do mikorokontrolera, którą obsługują biblioteki napisane w C.

 

  • Lubię! 2
Link do komentarza
Share on other sites

Czy można gdzieś znaleźć poradnik, jak krok po kroku przygotować taki projekt w X-CUBE-AI? Chodzi mi o przygotowanie zbioru uczącego, klasyfikację, implementację itp. Oglądałem filmiki ze strony st, ale trochę to dla mnie chaotyczne i zbyt ogólne. 

Edytowano przez radek04
Link do komentarza
Share on other sites

Dołącz do dyskusji, napisz odpowiedź!

Jeśli masz już konto to zaloguj się teraz, aby opublikować wiadomość jako Ty. Możesz też napisać teraz i zarejestrować się później.
Uwaga: wgrywanie zdjęć i załączników dostępne jest po zalogowaniu!

Anonim
Dołącz do dyskusji! Kliknij i zacznij pisać...

×   Wklejony jako tekst z formatowaniem.   Przywróć formatowanie

  Dozwolonych jest tylko 75 emoji.

×   Twój link będzie automatycznie osadzony.   Wyświetlać jako link

×   Twoja poprzednia zawartość została przywrócona.   Wyczyść edytor

×   Nie możesz wkleić zdjęć bezpośrednio. Prześlij lub wstaw obrazy z adresu URL.

×
×
  • Utwórz nowe...

Ważne informacje

Ta strona używa ciasteczek (cookies), dzięki którym może działać lepiej. Więcej na ten temat znajdziesz w Polityce Prywatności.