Databricks, EMR

О, спасибо

всем привет. такая проблема у меня. есть убунту. на нем конда. через конду сделал вирт окружение, установил торч, поставил юпитер тетрадь, но в ней не находится торч. при этом если в данном вирт окружении запустить питон в командной строке, то там торч виден. в чем проблема?

Мне кажется проблема в ядре

а в юпитере окружение меняешь?

я сначала через конду активирую окружение и из этого окружения запускаю тетрадку

кажется надо в самом юпитере менять окружение

как это сделать?

В меню kernel - change kernel

в общем не понял в чем дело, но я заново создал среду через конду и вместо команды которая выдается на https://pytorch.org/get-started/locally/ забил просто pip install torch то все заработало, видеокарта тоже доступна🤔

Нужно создать кернел из виртуального окружения и сменить дефолтный на твой созданный

Привет! У меня есть сет картинок двух классов - картинки разных размеров. Один класс 2600 картинок (основной, где изображен нужный предмет), другой 3300 (отдаленно похожие картинки без этого предмета). Также в меньшем классе есть ошибочные картинки, где нет предмета. Какие мои действия: Я рандомно выбираю 3300-2600=700 картинок из меньшего класса и отражаю их слева на право, таким образом аугментируя изображения. Получается равное количество изображений на оба класса. Также, я делаю все картинки квадратными следующим способом - вписываю картинку с исходными пропорциями в квадрат соответствующих размеров по центру, а края (сверху или снизу) заполняю этой же сильно заблюреной картинкой. Потом я уменьшаю их до 224 х 224. Применяю resnet34 с топ слоем на 1 персептрон (я пробовал вариации dense слоев с уменьшением 512-256-128-64-32-1), ну то есть для бинарной классификации. Начинаю учить, loss binaryCrossEntropy, metrics=acc. После 3 эпох loss болтается в районе 0.70-0.68 а метрика показывает 0.5. То есть обучения не происходит. Что я делаю не так? Вообще как такие задачи решаются, может нужна более простая архитектура? С Resnet50 было все тоже самое. Не понимаю.

Пример как я вписываю в квадрат, чтоб было понятнее

Может окажусь не прав, но: 1. Сильного перекоса классов нет, в аугментации нет смысла 2. Канон при свидении к квадрату это либо кроп, либо забить на изначальное соотношение сторон

Есть предположение, что уменьшая до 224 х 224 я теряю необходимые детали, которые различают эти два класса. Отличительной деталью таргет класса является наличие копья. По сути копье это длинная палка...

если я кропну, я могу кропнуть это копье

а забить на соотношение... я не пробовал

Нет смысла делать аугментации не на лету

То есть просто добавляй их во время семплинга

Почему?