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