• Установка TensorFlow в Anaconda с помощью pip

    В Anaconda, самом популярном дистрибутиве Python для машинного обучения, анализа данных и научных вычислений, пакеты устанавливаются с помощью conda. К сожалению, данный подход не всегда работает при установке TensorFlow. Если у вас не получилось установить TensorFlow стандартными средствами Anaconda, можно попробовать использовать pip. Именно такой метод установки официально рекомендуется на сайте TensorFLow.

    Читать дальше

  • День ШАД в Уральском федеральном университете

    Приглашаем на День Школы анализа данных компании Яндекс в Уральском федеральном университете. На нём вы сможете поближе познакомиться со Школой анализа данных, понять, насколько она вам интересна, и определиться с поступлением.

    День ШАД в УрФУ состоится 7 апреля, по адресу г. Екатеринбург, ул. Тургенева, д. 4., ауд. 509. Начало в 12-50.

    Докладчики из Яндекса расскажут об условиях приёма и о программе, различиях между обучением в ШАД и в вузе, возможности совмещать учёбу в Школе с магистратурой, а также о карьерных перспективах после окончания.

    Кроме того, на мероприятии выступят выпускники и студенты — чтобы вы взглянули на Школу не только глазами преподавателей, но и со стороны учащихся. Полина Чикурова расскажет историю первокурсника. Выпускник Павел Гейн покажет, как можно использовать полученные в ШАД знания – решит несколько задач обработки текста методами машинного обучения. После выступлений вы сможете задать вопросы докладчикам.

    Если вы хотите прийти, обязательно зарегистрируйтесь на сайте до полудня 6 апреля (UTC+5). Любые вопросы о ШАД в Екатеринбурге присылайте на maisie@yandex-team.ru.

    Программа

    12-50. ШАД в Екатеринбурге. Маргарита Шадрина, Яндекс.

    Маргарита расскажет о правилах поступления и обучения в ШАД и ответит на основные организационные вопросы, которые возникают у абитуриентов. Вы узнаете:

    • кто может поступать в ШАД;
    • что нужно сдавать для поступления;
    • сложно ли учиться в ШАД и часто ли отчисляют;
    • сколько времени уходит на учёбу;
    • чем обучение в ШАД отличается от обучения в вузе;
    • что даёт обучение в ШАД для будущей карьеры;
    • как совмещать учёбу в магистратуре УрФУ и ШАД;
    • в чем разница между магистратурой УрФУ “Анализ Данных” и ШАД.


    13:30. История студента ШАД. Полина Чикурова, СКБ Контур.

    Полина учится на первом курсе магистратуры УрФУ “Анализ данных” и на первом курсе Школы анализа данных. Она расскажет историю первокурсника.

    14:00. Обработка текстов. Павел Гейн, Яндекс.

    Павел – выпускник ШАД 2016 года, разработчик в Яндексе. Покажет на примере, как можно использовать знания, полученные в ШАД, для решения прикладных задач.

  • Фестиваль Техноночь 2018 в Екатеринбурге

    Фестиваль Техноночь в Екатеринбурге

    В этом году я буду выступать на фестивале Техноночь в Технопарке Университетском. Расскажу о глубоких нейронных сетях. Приходите!

    10 февраля пройдёт ТехноНочь - ежегодное мероприятие для тех, кто интересуется новыми технологиями и инженерией. С 14:00 до 22:00 в Технопарке «Университетский» на Конструкторов 5 все желающие смогут принять участие в лекциях, мастер-классах и посмотреть на достижения уральских разработчиков и технологических предпринимателей. В центре внимания в этом году технологии будущего: машинное обучение, прототипирование, электронная инженерия, интернет вещей, блокчейн, кибербезопасность.

    Читать дальше

  • Установка CUDA 9 в Windows 10 для TensorFlow и Keras

    Недавно вышла версия TensorFlow 1.5 с поддержкой CUDA 9, поэтому можно переводить TensorFlow и Keras на новую версию CUDA. В этой статье я расскажу, как установить CUDA 9 и CuDNN 7 в Windows 10. По установке для Linux будет отдельная статья.

    Что нужно устанавливать

    Чтобы TensorFlow и Keras могли использовать GPU под Windows, необходимо установить три компонента:

    1. Microsoft Visual Studio. Любая GPU-программа содержит код как для GPU, так и для CPU. Данные для проведения расчетов нужно загрузить из файлов и передать их в память GPU, где они будут обработаны. Результаты обработки передаются обратно на CPU для сохранения и визуализации. NVIDIA СUDA включает компилятор только для GPU. Код для CPU генерируется с помощью внешнего компилятора, для Windows это Microsoft Visual Studio.
    2. NVIDIA CUDA - библиотека, которая позволяет использовать GPU для проведения вычислений общего назначения (general purpose computing), а не только обрабатывать графику.
    3. Библиотека cuDNN. Это библиотека для CUDA, которая содержит эффективные реализации операций с нейронными сетями. В отличие от Theano, TensorFlow не может работать без cuDNN.

    Читать дальше

  • Перенос обучения в Keras

    Предварительно обученные нейронные сети позволяют решать задачи компьютерного зрения не тратя значительного времени на обучение сети. Такие сети создаются крупными компаниями (Google, Microsoft и т.п.), включают большое количество слоев, обладают высокой точностью и обучаются на больших вычислительных кластерах с GPU.

    Технология переноса обучения (transfer learning) позволяет использовать готовые нейронные сети для решения задач нового типа, не тех, для которых сети предварительно обучались. В этой статье я расскажу как использовать перенос обучения для задач компьютерного зрения в Keras. Мы рассмотрим как с помощью сети VGG16 распознавать собак и кошек на фотографиях.

    Читать дальше

  • Как подготовить набор изображений для обучения нейронной сети в Keras

    Ранее в курсе “Программирование глубоких нейронных сетей на Python” мы работали только с наборами данных, встроенными в Keras. В этой статья я расскажу, как подготовить свой собственный набор изображений для обучения в Keras глубоких нейронных сетей.

    Читать дальше

  • Итоги 2017 года

    Results of the Year 2017

    В этом году я решил поменять формат подведения итогов и вместо длинного списка событий и достижений написать только одно, которое имело самое большое влияние на мою жизнь. В 2017 году такое достижение - это создание совместной магистратуры УрФУ и Школы Анализа Данных компании Яндекс.

    Читать дальше

  • Новый хостинг для сайта

    С начала января я использую новый хостинг для сайта - платформу Netlify. Почти все проблемы, связанные с переездом на новый хостинг, я уже исправил. Но если вы столкнетесь с неисправностями в работе сайта, то напишите мне, пожалуйста, любым удобным способом из указанных на странице контактов.

    Netlify оказалась удобнее, чем GitHub Pages, в первую очередь потому, что позволяют подключить сертификат для HTTPS к собственному домену. В GitHub Pages этого сделать нельзя, поэтому приходится дополнительно использовать CloudFlare. Кроме того, Netlify, как и CloudFlare, предоставляет CDN и DNS. То есть все преимущества GitHub Pages и CloudFlare в одном месте.

    Netlify поддерживает Continuous Deployment - когда вы делаете push в репозиторий на GitHub, сайт автоматически соберется и выложится на Netlify.

    Еще одним преимуществом Netlify является официальное разрешение использовать хостинг как для персональных, так и для коммерческих проектов. Мой сайт постепенно перерастает из персонального в коммерческий, и для меня это становится важно.

    И самое главное - у Netlify есть бесплатный тариф, который включает сертификат для HTTPS.

  • Чем европейские университеты отличаются от североамериканских

    Во время визита в Лаппеенрантский технологический университет в Финляндии поговорили с профессором Ахметом Сефахом (Ahmed Seffah) об устройстве университетов в разных странах и регионах. Ранее Ахмет работал в университете Конкордия в Монреале, Канада, поэтому может сравнить университеты Европы и Северной Америки на основании собственного опыта.

    Visit to LUT

    Читать дальше

  • Как использовать Keras в TensorFlow 1.4

    Keras входит в состав TensorFlow начиная с версии 1.2, а в версии TensorFlow 1.4 его перевели из contrib в core packages. Это означает, что Keras готов к продуктивному использованию в составе TensorFlow. Отдельно устанавливать Keras не нужно.

    Чтобы использовать Keras из TensorFlow, нужно поменять импорт модулей. Вместо модуля keras используйте tensorflow.python.keras. Например, импорт для распознавания рукописных цифр набора данных MNIST будет выглядеть так:

    from tensorflow.python.keras.datasets import mnist
    from tensorflow.python.keras.models import Sequential
    from tensorflow.python.keras.layers import Dense
    from tensorflow.python.keras.utils import np_utils
    

    Больше ничего в программе менять не нужно.

    Полезные ссылки

    1. Google Developers Blog: Announcing TensorFlow r1.4.
    2. How to import keras from tf.keras in Tensorflow?.

Подпишитесь на RSS