RS
обычно можно
Насколько я понимаю - самый энергозатратный процесс это непосредственное обучение нейросети. Однако для её использования хватит и смартфона с его ограниченными ресурсами, или я заблуждаюсь?
Size: a a a
2017 June 07
KS
Насколько я понимаю - самый энергозатратный процесс это непосредственное обучение нейросети. Однако для её использования хватит и смартфона с его ограниченными ресурсами, или я заблуждаюсь?
да, при хорошей архитектуре
YB
ты можешь не обучать всю нейросеть, а дообучать только её выходную часть. или вообще алгоритм категоризации взять попроще, не нейросетевой
YB
т.е. нейросеть тебе будет выдавать embedding, а потом ты его будешь уже своим алгоритмом распознавать.
YB
при этом алгоритм распознавания может быть сколь угодно быстрым/простым
YB
например, у всяких там deepface выдаётся embedding из 64 или 128 фич лица.
а поиск дальше может быть просто поиском ближайших наборов фич к заданному по массиву.
а поиск дальше может быть просто поиском ближайших наборов фич к заданному по массиву.
RS
Я работаю над open source private cloud operating system (https://qbeon.com). Её можно поставить в том числе и на NAS. Однако на данный момент в machine learning'е не силён. Хочется понять в какие стороны мы способны развиваться...
Если предположить что у пользователя своё облако на пару терабайт с 4 ядерным ARM'ом и это облако должно уметь интеллектуально сортировать горы фотографий то...
Если предположить что у пользователя своё облако на пару терабайт с 4 ядерным ARM'ом и это облако должно уметь интеллектуально сортировать горы фотографий то...
YB
чтобы самому сделать такой embedding — можно поставить autoencoder сверху на нейросеть и потренировать его как следует. (для более качественной тренировки — triplet loss какой-нибудь)
YB
но если у тебя такая задача, то можно всем предлагать одинаковый набор тегов.
RS
Я как CEO лишь пытаюсь понять возможно ли это в принципе или я уже перешёл грани реальности и летаю в облаках)))
YB
но если софт должен уметь тегировать одних и тех же людей на фотках (один раз ты отметил — а софт отметил другие вхождения) — то решение я написал.
YB
в принципе классификация будет занимать порядка 10% вычислительного бюджета вычисления нейросети, вряд ли больше.
YB
оттуда и пляши — если нужную нейросеть вы можете себе позволить вычислять, то классификация не проблема
YB
вам нужно все залитые фотки обработать по разу этой нейросетью, а фичи куда-либо записать.
YB
если потенциально несколько разных задач — то несколько разных нейросетей на фотки натравливается, и каждая свои фичи генерирует
YB
например, для конкретных лиц одни фичи ("близко посаженные глаза", "вытянутое лицо", "усы", "азиатская внешность", "тёмные волосы"), для общих тегов — другие фичи ("природа", "горы", "дом", "несколько людей", "флорида", "пляж", "осень").
YB
а классификатор потом говорит "азиатская внешность — значит, Вася, других азиатов у нас нет". "несколько людей, горы, лето, папоротник" — это наш отдых на Алтае.
RS
ну насколько я понимаю распознание лиц не требует сложной нейросети, для этого есть алгоритмы в OpenCV
RS
наша задача на будущее которое я хочу представить инвесторам это интеграция ИИ в приватное облако... т.е. у пользователя (дома на ARM'е с парочкой терабайт или в компании на кластере пары сотен терабайт)
ИИ для индексации и анализа хранимого на собственном облаке контента.
Я просто хочу быть увереным в том, что я не напридумывал себе нерешаемых задач))
ИИ для индексации и анализа хранимого на собственном облаке контента.
Я просто хочу быть увереным в том, что я не напридумывал себе нерешаемых задач))
RS
т.е. мои предположения недалеки от реальности.
- Алгоритмы мы можем совершенствовать вне облака пользователя / компаниии, чтоб сохранить их приватность, и обновлениями улучшать индексацию.
- Алгоритмы эти вполне смогут выполняться как на промышленных облаках так и на домашних с ограниченными ресурсами
- Алгоритмы мы можем совершенствовать вне облака пользователя / компаниии, чтоб сохранить их приватность, и обновлениями улучшать индексацию.
- Алгоритмы эти вполне смогут выполняться как на промышленных облаках так и на домашних с ограниченными ресурсами