135. WroclawJUG[
Rozpocząć przygodę z sieciami neuronowymi od zera może być ciężko ze względu na ogrom wiedzy potrzebny do zrozumienia ich działania, ale także ze względu na ich burzliwy rozwój w ostatnim czasie, no i do tego większość materiałów jest dostępna w pythonie. W kwestii technologii z pomocą przychodzi nam framework deeplearning4j jednak dalej pozostaje pytanie od czego zacząć? Podczas warsztatu przejdziemy sobie przez przykłady dołączone do frameworka, przeanalizujemy klocki z których są zbudowanie w odniesieniu do teorii oraz wykorzystując 2 z nich zrobimy sobie proste rest api do przetwarzania obrazów. Później korzystając z learning transfer oraz model zoo zbudujemy sobie własną sieć w oparciu o architekturę darknet/yolo. Ostanim elementem praktycznym, będzie zbudowanie szkieletu własnej sieci CNN oraz przełożenie notacji matematycznej na praktyczne operacje na macierzach.
Przygotowanie:
Link to repo:
Deeplearning4j examples:
https://github.com/deeplearning4j/dl4j-examples
Trochę tego jest i niektóre niestety nie działają bez JavyFX, ale w repo jest instrukcja jak sobie z tym poradzić. Jak sobie nie poradzisz to po prostu oznacz te przykłady jako ignorowane w swoim IDE - nie będą nam potrzebne.
Zawartość warsztatu:
https://github.com/e-kursy-it/deeplearning4j-workshop-basic - branch dl4j-basic
Po sklonowaniu, należy pobrać dane oraz wytrenowane modele, które będziemy wykorzystywać podczas warsztatu poprzez wykonanie komendy:
mvn clean package -Ddownload=zoo
Niestety część narzędzi nie jest w stanie sprawdzić czy plik został pobrany częściowo, więc jeżeli w trakcie pobierania stracisz połączenie plik może być niekompletny - więc proszę upewnij się, że masz stabilne połączenie z internetem przez parę godzin.
Poziom trudności: Średni
Język: Polski
Trener: Marek Będkowski
Programista Java, JEE, Spring, technical leader. Przez 2 lata rozwijałem komponenty przetwarzające oraz analizujące transmisje sportowe w czasie rzeczywistym w oparciu o framework netty.io oraz deeplearning4j.