Neuroniniai tinklai ir giluminis mokymas
Pamoka 1 / 12 Įvadas į neuroninius tinklus ~35 min
4 / 4 📖 Teorija

Namų darbas — pasirink kategorijas

Trumpas namų darbas — paruošk aplinką ir apsispręsk, ką tavo tinklas atpažins.

  1. Paleisk python check_setup.py. Įsitikink, kad matai PyTorch versiją ir eilutę „Using CPU" arba „Using CUDA". Jei gavai ModuleNotFoundError — įdiek PyTorch (pip install torch) ir paleisk vėl.
  2. Pasirink savo kategorijas. Nuspręsk, kokias klases tavo klasifikatorius turės atpažinti — kaip nori, iš tavo srities. Pradžiai tinka 3–5 aiškiai skirtingos kategorijos.

Geri pavyzdžiai:

  • Naminiai gyvūnai — katė, šuo, triušis
  • Vaisiai — obuolys, bananas, apelsinas, vynuogė
  • Transportas — automobilis, dviratis, autobusas

Vengk pradžioje: labai panašių klasių (haskis vs malamutas) arba per daug kategorijų (20+) — bus sunkiau ir lėčiau. Tobulinti galėsi vėliau.

Atsiskaitymui: check_setup.py išvestis (versija + CPU/GPU) ir tavo 3–5 kategorijų sąrašas vienu sakiniu.

Patarimas. Aplinka veikia, kategorijas turi — pamatas padėtas, ir tikslumo naratyvas prasideda. Kitoje pamokoje imamės tensorių: kaip vaizdas virsta skaičių tinkleliu, kurį PyTorch supranta. Nuo jų prasidės tikras kodas — bet po vieną žingsnį, kaip visada.