Study group in Koszalin, Poland


(Lukasz Klim) #27

Cześć, pewnie wszyscy już opanowali lekcję nr 1 i tylko ja się zatkałem :slight_smile: stąd mam dwa pytania:

  1. Jak korzystać na swoim komputerze (lenovo, win10 64bit pro) z jupyter notebook lekcja 1 ? Mam zainstalowaną anakondę i pythona i tutaj się moja wiedza kończy :slight_smile:
  2. Czy ktoś wie jak mając juz otwartą lekcję w jupyter notebook zapisać ją do wersji typu word albo pdf z której łatwo by się dało to wydrukować?

Dzięki za wszelką pomoc i życzę wytrwałości :slight_smile:


(Krzysztof Kowalewski) #28

Czy posiadasz zrobione „Envronments” w anacodna ?

Narazie na upartego możesz Ctrl + P i do pdf w przeglądarce :wink:


(Lukasz Klim) #29

jak druknąć do pdfa opanowałem - dzięki! A co do zainstalowania wszystkiego co potrzebne do pracy samemu na swoim pc to może na żywo w sb :slight_smile:


(Wojciech Czarnowski) #31

Łukasz (@dietetyk), a może znalazłbyś czas na calla przed sobotą na konfigurację środowiska fastai w wersji dla CPU na Anakondzie na Twoim laptopie przez Hangouts?

Byłbyś królikiem doświadczalnym :wink:

Co Ty na to?


(Lukasz Klim) #32

With przyjemnością :slight_smile:


(Lukasz Chlebowski) #33

Mi też chodziło to po głowie. Postępowałem zgodnie z tym poradnikiem https://forums.fast.ai/t/howto-installation-on-windows/10439

Na koniec jeszcze musiałem zainstalować pytorch:

conda install -c pytorch pytorch-cpu

Zamiast tworzyć link symboliczny jak Jeremy radzi w punkcie 8, powinno zadziałać przełączenie się na commit oznaczony tagiem v0.7.2 jak w setupie do lekcji 1 na Google Colab.

git checkout tags/v0.7.2 -b v0.7.2

U mnie działa. Sieć się trenuje. Na pełnym datasecie do lekcji 1 potrwa to pewnie całą epokę :wink:


(Krzysztof Kowalewski) #34

Hej,
Pomocne linki

Notatki z lekcji 1

Zestaw skrótów do jupyter notebook


#35

#36

(Wojciech Czarnowski) #37

Parę zasobów dla osób ciekawych, jak deep learning działa w najdrobniejszych szczegółach i jaki jest aktualny stan badań naukowych:

  • arxiv.org - serwis z pre-printami i e-printami artykułów naukowych;
  • www.arxiv-sanity.com - serwis, który zbiera meta-informacje o (aktualnych, popularnych) artykułach naukowych z dziedziny deep learning publikowanych na arxiv.org;
  • www.mendeley.com - osobista biblioteka i czytnik artykułów naukowych, wieloplatformowa aplikacja oraz serwis online. Przydatna do zbierania artykułów naukowych z deep learningu i tworzenia osobistej biblioteki.

(Marcin) #38

Notatniki do Lesson 3
https://drive.google.com/open?id=1jjzSj2mrG54usYMXSvV6KRAoOJwvtLVb


(Artur Matusiak) #39

Notatki z każdej lekcji


(Wojciech Czarnowski) #40

Tutorial jak stworzyć dataset z google images z automatyzacją pobierania obrazków:


(Wojciech Czarnowski) #41

To są (cudze) notatki do całego kursu, które ja wykorzystywałem do nauki :slight_smile:


(Marcin) #42

Kaggle API


(Lukasz Klim) #43

DL ebook
http://neuralnetworksanddeeplearning.com/


(Krzysztof Kowalewski) #44

Wytłumaczenie proc_df() oraz kilku innych zagadnień z dzisiejszej lekcji


(Marcin) #45

Notatniki do lekcji 4

https://drive.google.com/drive/folders/17bHMpVVpAJitcBbHMIQRhZ4xFuozhj4w?usp=sharing


(Krzysztof Kowalewski) #46

Notatnik konfiguracyjny do lekcji 5: http://bit.ly/2CeDvk1


(Marcin) #47

Mój projekt :
river raid atari AI bot

  • Plan prosty, zrobić bota który gra za mnie w cs:go.
    Żeby do tego dojść wcześniej muszę poznać techniki deeplearingowe które służą do trenowania modeli grających w gry 2D, np gry 8 bitowe komputery atari.

  • task : odszukać tutoriali które uczą na przykładach tych technik,
    orginalne papery i wyniki badań, source codes, datasety.
    google : “neural network that plays atari games”

  • Mój cel to stworzenie bota, który będzie grał w river raid, na emulatorze komputera atari na moim komputerze.