Das Video kommt von YouTube: erst beim Abspielen verbindet sich die Seite mit YouTube (Google).
Neuronale Netze [015] - Delta-Lernregel und MNIST testen
Das Wichtigste aus dem Video
Tipp auf eine Zeit – das Video springt genau dorthin.
Transkriptautomatisch erstellt · 212 Zeilen
- halli hallo eine weitere episode meines neuronalen netze tutorials in dieser episode werden wir demnächst datensätzen mit hilfe der delta lernen regeln lernen
- dafür benutze ich den mist decodern habe ich schon mal hier vorgestellt ich werde ihnen aber nochmal in die video beschreibung packen für den fall dass
- ihr das ganze hier noch nicht heruntergeladen habt so dafür mache ich uns jetzt erstmal eine neue klasse und er ist nämlich zum beispiel mal nicht so
- dieser ist björn hat selber wieder eine mail funktion und in der wollen wir jetzt einfach mal den nächsten satz entsprechend lernen und dann auch
- entsprechend testen so dafür müssen wir erst mal den nutzdaten satz natürlich laden dafür mache ich uns mal ihr public static zwei listen einmal mit den
- eigentlichen digits widgets und noch ein liszt auch wieder mit gadgets aber das sind dann die digits test also das sind die lehren daten und das hier sind die
- testdaten dann muss ich natürlich hier noch die chip warum will er mir nicht anbieten dass ich das importieren jetzt so genau und dann lade ich dass man da
- bin ich jetzt mal ein bisschen frech und kopier was aus meiner vorbereitung einfach nur weil da paar tippfehler natürlich entstehen könnten und dass wir
- ein bisschen nervig und nicht wirklich zielführend das ist einfach nur der mystic oder da sah ich dann laut data set und dann gebe
- ich einmal den part als string rhein zu den eigentlichen bildern und einmal zu den eigentlichen labeln und das ganze mache hier nochmal mit den testdaten nur
- eben jeweils mit anderen taten aber sonst ist das genau das gleiche auch wieder die bilddaten und die label daten so
- damit wird das dann geladen okay dann haben wir also die eigentlichen daten geladen dann können wir uns um das noch im netz
- kümmern dafür mache ich mal ein network und das natürlich auch wieder importieren und jetzt brauchen wir natürlich noch
- hier entsprechende variablen für den input hatte für die input neuronen und für die output neuronen das heißt ich mache hier mal public static input
- inputs ist gleich new input und ich habe hier schon mal vorweg gegriffen das ist ein zweidimensionales array aber wie viele brauchen wird dann wie viele in
- putten herum brauchen wir denn naja der mist datensatz der besteht aus bildern die 28 mal 28 pixel großen und genauso viele inputs brauchen wir für
- jeden einzelnen pixel brauchen wir einen input neuronen das heißt wir haben hier 28 mal 28 und importieren dann noch unsere input und dann public stetig
- working on dass dann unsere outputs sein ist gleich new working on und auch hier wieder die frage wie viele brauchen wir dann na ja wie viele ziffern gibt es
- zehn stück 0 bis 9 es ist relativ selbsterklärend sodann haben wir also die variablen vorbereitet jetzt müssen wir nur noch
- das ganze entsprechend auch setzen das heißt wir reparieren einmal über die inputs darüber dass es dann in die gleich null die kleine 28 e plus und
- forint k gleich neue kleiner 28 k + + und dann ist er in putz an der stelle gleich endpunkt create new input und entsprechend dann auch noch die outputs
- vor nt gleich null kleiner 10 i + + wenn wir mehr zehn outputs ist an outputs an der stelle gleich einen punkt create new output
- sind also die inputs und outputs entsprechend aufgesetzt jetzt brauchen wir zufällige gewichte so also wenn wir jetzt einfach
- sagen würden ok verbindet jetzt mal die ganzen inputs mit einem ganzen outputs mit 0 ja dann würden wir im prinzip nicht
- wirklich was lernen denn wir brauchen ja zufällige gewichte am anfang das ist dann einfach unsere random rennt einfach ganz normal viewty klasse und dann
- etablieren wir ja über wasser operieren wir eigentlich wir machen uns ein neues airways also dass in unsere gewichte ist gleich newsflow und wie
- viele gewichte brauchen wird denn na ja wir haben ja 28 mal 28 in putten und wir haben zehn output und es muss jedes einzelne input neuron zu jedem einzelnen
- output neuron verbunden werden das heißt wir haben 28 x 28 x 10 stück ist eine ganze menge aber ja es für den computer durchaus manager und dann integrieren
- wir über die einzelnen gerichte drüber wales punkt lengths plus und geben jedem weight ein zufälliges gewicht einfach mit rent punkt next flowtex flows
- generiert eine zufällige zahl zwischen null und eins und da haben wir die gewichte also entsprechend und die können wir jetzt dieser create fully
- mesh übergeben hat so einen punkt create vormarsch und darüber geben wir unsere waits rein also diese zufälligen gewichte die wir gerade eben erstellt
- haben gut dann können wir auch schon ans lernen gehen das mache ich einfach mal innerhalb von einer wall true schleife
- das heißt wir lernen und wenn wir dann fertig sind mit dem lernen lernen wir noch mal und wenn dann hätte ich mir dann werden sind dann noch mal und so
- weiter und so fort also das land permanent es wird niemals auf und dafür brauchen wir natürlich ein y da könnte ich jetzt sagen okay diese
- sexy london soll fix irgendeinen wert haben oder ich mache es anders ich sag am anfang ist unser y/y gleich zum beispiel 001 oder so
- und nach jedem durchgang vom lernen sagen wir dass unser apps i lon kleinere zum beispiel 90 prozent von dem ypsilon davor das heißt wir sagen y ist mal
- gleich 0,9 oder so dann haben wir noch 90 prozent von dem exelon davor und dadurch wird das dann immer kleiner immer kleiner immer kleiner und dann
- lernen wir die einzelnen digits das heißt wie integrieren über die einzelnen widgets drüber digits punkt c + + so und dann befüllen wir jetzt erstmal die
- input neuronen das heißt wie reparieren für jedes einzelne digit über alle input neuronen drüber also forint die haben wir schon x-mal jetzt zum beispiel jetzt
- vielleicht 0x kleiner 28 ticks + + und forint y ist gleich null y kleiner 28 xenon plus plus und dann ist hier in putz an der stelle xy
- und zwar was für einen value nav digits punkt geht an einer stelle i-punkt data an der stelle xy so dass ganze sollten wir jetzt aber noch also das ist jetzt
- gerade ein byte was einen wert hat zwischen minus 127 und 128 das wollen wir jetzt auf einen wert bringen zwischen 0 und 255 dafür habe ich schon
- was vorbereitet nämlich in einem ist dick oder mist decoder decoder punkt tuan zeit da geben wir das einfach rein und der macht uns den rest dann aber
- zwischen 0 und 255 x immer noch nicht ganz am ziel denn wir wollen ja eigentlich ein wert zwischen 0 und 1 das heißt wir rechnen dass einfach noch
- durch 255 fsf nicht vergessen sonst wäre das ja ein integer literat und dann würde hier entsprechend dann die meiste zeit null rauskommen aus als hat gerade
- den wert exakt 245 dann würde eine eins raus kommen also ja einfach nicht vergessen so haben wir hier die einzelnen inputs
- vorbereitet jetzt können wir die schutzmauer lohnen das ist dann also schutz ist gleich null float der länge 10 denn wir haben ja
- zehn unterschiedliche gadgets und das muss ich jetzt kurz dazu sagen das ist vielleicht bei mercedes + oder so kennt bisschen verwirrend wenn wir neues array
- machen an flo zb dann wird dieses eray mit 0 initialisiert das heißt alle einträge von diesem areal sind nach dieser zeit 03 c++ wäre das anders da
- ist es dann unbestimmt was da drin stehen würde aber hier bei cover haben die eben diese garantiert ist es garantiert geduld und dann können wir
- einfach noch hergehen und sagen okay schutz an der stelle das was diese ditched eigentlich ist also das label dass es dann 1 und dadurch ist das dann
- ein sohn als anderes 0 und das machen wir einfach mal schutz an der stelle die jets punkt geht an der stelle i-punkt label ist gleich 1 na
- dann können wir schon hergehen und sagen okay delta learning da gehen wir unsere schutz rein und unser apps i lon und dann war es das
- soweit mit dem lernen und das können wir jetzt auch schon ausführen ist aber noch ein bisschen witzlos also läuft offensichtlich ist es geht wohl nichts
- schief vermutlich gucken wir mal aber wir haben natürlich noch keinerlei output das heißt das netz lernt fröhlich vor sich hin aber es verrät uns nicht
- was ist lernt oder wie gut es auf dem testdaten abschneidet und dementsprechend brauchen wir jetzt noch eine zusätzliche funktion die das dann
- abgleich mit den test daten von von von dem nes datensatz und die konkrete herangehensweise ist jetzt dass wir innerhalb von dieser funktion über die
- ganzen testdaten darüber referieren werden wir werden dann in die inputs die jeweiligen gewichte anlegen und dann
- gucken ob als das beste tatsächlich das beste auch raus kommt also die die höchste wahrscheinlichkeit ob das tatsächlich das gleiche ist wieder label
- und falls das so ist dann erhöhen wir einen internen counter nämlich an korrekten gäste und falls es nicht so ist dann erhöhen wir einen counter an
- nicht korrekten kesses das ist als die herangehensweise und zum herausfinden ob diese etwas was ist die beste wahrscheinlichkeit die wir
- herausbekommen haben also die höchste nicht die beste sondern die höchste wahrscheinlichkeit was sagt uns zur neuronales netz was welche ziffer das
- mit der höchsten wahrscheinlichkeit ist dafür benutzten wir zum beispiel mal airways punkt sword und dafür brauchen wir wiederum eine neue klasse welche
- beinhaltet welche digit das jeweils ist und mit welcher wahrscheinlichkeit dass jeweils diese betritt ist so und das mache ich hier einfach mal dass er seine
- public ständig das probability digit die implementiert gleich noch was kann ich einmal noch nicht vor und das ist nicht eine probability sonderprobe probability
- widget so haben wir einmal ein public finance digit und ein public float probability so wir haben also einmal welche digit des jeweils beschreibt und
- mit welcher wahrscheinlichkeit dieser auftritt und dann brauchen wir einfach nur noch ein konstrukteur probability
- widget and fidget und flott probability er ist einfach nur noch wissen digit ist gleich digit und das probability ist gleich und trip.de hereinbekommen haben
- so diese klasse hier die wird ja dann gleich befüllt und dann wollen wir die einfach nur noch sortieren dafür müssen wir aber da war also fast
- ressort benutzen wollen wir könnten natürlich auch was eigenes implementieren aber da würden wir wieder das rad neu erfinden das ist also nicht
- das wirklich richtige deswegen benutzen wir lieber die methoden die uns ja schon an die hand gibt und das ist eben airways punkt und diesem ressort müssen
- wir jetzt mitteilen wie wir eigentlich diese probability digits hier sortieren wollen da gibt es verschiedene herangehensweisen ich mache das ganze
- mal jetzt mal mit dem interface implement kompatibel da müssen wir noch die eigene eigene property die cssr eingeben und dann hier
- etwa an implementiert messe so und diese compared to die wir hier haben die so definiert dass sie ein kind zurück gibt und zwar wenn die beiden gleich sind
- also dass wyss und ich nenne das hier mal aber wenn das bis und es aber gleich sind dann sollst 0 zurückgeben wenn das bis größer ist als das auto soll etwas
- größer als null zurückgeben und sonst sollte - 1 zurückgeben so und genau dieses herr und ja das implementiere ich jetzt mal probability er ist gleich ab
- robert i dann return 40 probability größer als apropos partie dann return wir eins und elz return wir - 1 und pro partie
- gut dann können wir jetzt diese die probability digit in unserer neuen funktion benutzen die sich eben darum kümmert wie es auf den testdaten
- abschneidet public wolltest nämlich dass zum beispiel mal und diese test funktion methode sowie die soll einfach am anfang hier immer ausgeführt werden das heißt
- beim ersten mal sollte das so circa zehn prozent richtig sein weil zeit dreht und dann wir raten bei 10 digits ja dann liegen wir halten zehn prozent der fälle
- richtig und weiter wenn wir dann weiter lernen sollte sich diese probe pille die hoffentlich erhöhen
- ob das funktioniert oder nicht das werden wir dann entsprechend gleich sehen so dann mache ich erstmal diesen korrekt counter und incorrect counter
- das sind ja die beiden variablen die mit zehn wie häufig lage richtig wie häufig lange falsch und jetzt detailliert über die einzelnen digits darüber dass es
- dann einfach nur digits test.de + + legt dann die entsprechenden dichte an das ist im prinzip genau das gleiche wie hier also wir machen wieder die inputs
- nur der unterschied ist erstmal dass die andere rücken her falsch ist und zusätzlich haben wir hier nicht unser digits sondern und digits test punkt
- geht an der stelle genau aber sonst ist es genau das gleiche wir legen einfach nur andere gewichte an als wir hier oben haben hier haben wir die testdaten hier
- mit dem quatsch sie haben wir die trainingsdaten hiermit die testdaten so dann können wir hergehen und machen uns eine rey an probability digits
- probability die chips nämlich dass zum beispiel mal ist gleich new probability digit der länge ziehen denn wir haben ja zehn stück und dann etablieren wir
- darüber in die gleich null die kleiner pluspunkt längsee + + ii haben wir schon und dann waren diesmal k&k machen wir probst an der stelle ist gleich new
- probability digit und zwar geben wir da welche digit ist das na ja das ist unser karadzic und wir geben rein denn an der stelle kam auf putz an der stelle k
- punkt get well you also die probability die unsere neuronales netz an sagt pro bild übrigens wenn man es ganz genau nimmt ist hier eigentlich nicht richtig
- denn die probe belletti über alle ziffern müsste ja wenn wir die addieren 100 prozent ergeben ist aber so beim neuronalen netz nicht unbedingt gegeben
- dass nur so als kleine klammer dazu gesagt wenn wir wirklich die prophetie haben bilden dann müssten wir jetzt noch ausrechnen was ist denn die summe davon
- und müssten dann das ganze noch durch die summe teilen dann hätten wir in der summe 1 aber ist für uns nicht wichtig wir rechnen einfach mal damit als wäre
- ist die echte probability und damit können wir dann auch sortieren also die sortierung die ändert sich natürlich nicht wenn wir diese umrechnung durch
- das teilen durch eine konstante vornehmen jetzt denke ich mal klar hoffentlich weiß ich nicht gut dann können wir einfach nur sagen
- airways punkt und zwar unter pop so auf die art und weise hätten wir das dann in aufsteigender reihenfolge das heißt das was am wahrscheinlichsten ist am ende
- vom das was am unwahrscheinlichsten ist dass am anfang das gefällt mir so ehrlich gesagt nicht so richtig ich hätte gern anders um das heißt die
- höchste wahrscheinlichkeit ist einer stelle 0 und dann ist es in absteigender reihenfolge und da könnten wir jetzt entweder hier eins und minus 1
- vertauschen das wäre aber nicht so richtig schön dann hätten wir die compared to nämlich nicht so implementiert wie es eigentlich per
- definition vorgegeben ist stattdessen können wir hier sagen dass wir connections punkt reverse oder noch eingeben und das sorgt dann einfach
- dafür okay jetzt wird's geflickt ja also wenn wir das jetzt noch als zusätzliche parameter eingeben dann ist das tatsächlich ein absteigender reihenfolge
- in unserem erhoben dann danach drin so und dann können wir hergehen und sagen ist die chips test punkt geht an der stelle i-punkt label gleich props an der
- stelle nullpunkt digit dann waren wir korrekt dann erhöhen wir den korrekt um 111 erhöhen wir den incorrect um 1 also wir zählen jetzt mit ok wie häufig lagen
- wir richtig wie häufig lagen wir falsch und nachdem wir das mit allen hier gemacht haben haben wir hier gute werte drin also wer hat die korrekten korrekt
- und incorrect werte und daraus können wir jetzt einen prozentsatz rechnen also wie häufig waren wir richtig wie häufig waren wir falsch und dafür mache ich
- hier einfach mal eine neue variable prozent ist gleich naja was müssen wir jetzt rechnen korrekt
- durch korrekt plus incorrect so hätten wir aber in der regel dann immer null denn das sind ja hier ins und wenn wir in die vision angucken dann kämpft hier
- immer bei null raus deswegen müssen wir das ganze hier noch nach nicht laut sondern float carsten und das hier am besten auch nur noch nummer sicher zu
- gehen und das können wir dann ausgeben das ist authentisch so und jetzt kommt der moment der wahrheit ich habe es natürlich schon mal
- vorher laufen lassen ich hab es ja vorbereitet den code auf das ganze funktioniert ja müsste es haushalten implementierungs fehler ich starte mal
- und da sehen wir okay der war jetzt bei 6 prozent der fälle am anfang richtig und jetzt ist das schon beim ersten trainings durchlauf oder beim ersten
- lernen durchlauf schon bei 60 prozent und er erhöht immer weiter das heißt schon nach ein paar nach einer sehr kurzen training das wird übrigens nicht
- arg viel besser aber er wird noch ein bisschen besser schon nach kurzem training sind wir bei 68,7 prozent also viel viel besser als raten das ist noch
- natürlich nicht zuverlässig genug um es in der produktion von irgendetwas zu verwenden ja wenn wir da irgendwie in über 30
- prozent der fälle falsch liegen bei einem digit dann ist es natürlich schlecht aber es ist trotzdem viel viel besser als raten was wir hier haben
- und das obwohl es nur so eine ganz einfache so eine ganz einfache lern algorithmus wie die delta lernen regeln wenn wir dann auch hinten neuronen drin
- haben ich habe es noch nicht getestet aber ich sage schon mal voraus hoffentlich sollte das ganze nochmal deutlich besser werden aber ohnehin euro
- nur mit der delta lernen regel also einem relativ einfachen neuronalen netz sind wir jetzt schon bei 69 prozent gewesen ist und bis dann wieder
- schlechter geworden das kann passieren beim lernen kann es auch wieder kurz ein bisschen schlechter werden aber unser peak ist ihr 69 kommen
- 05 scheinbar das hier ist wahrscheinlich das beste was wir haben und das wie gesagt deutlich besser als raten das ist eine metrik um das zu testen
- also und sagen okay wie gut hatten zur neuronales netz das ganze gelernt wir können also messen wie häufig ist er korrekt ja wie häufig ist das was er
- vorher gesagt habe wirklich die korrekte lösung man kann aber auch anderswo her anders andere metriken heranziehen wie wir das messen wollen wir können zum
- beispiel sagen wir checken nicht nur das beste sondern wir checken die top 3 ja und was kommt da dann bei raus übrigens ich stadt ist einfach noch mal mit dem
- gleichen parametern und wir werden sehen dass es ein bisschen wahrscheinlich einen anderen wert hat wieder um die 60 aber gerade eben sind wir bei 69
- angekommen jetzt kommen wir wohl bei achten sagt der ok er hat sich wieder an den 69 jahren das ist ein paar prozentpunkte unterschied also deswegen
- müssen wir das ja immer wieder wiederholen erscheint hier bei 68 zu dümpeln kommt wieder an die 69 waren okay aber wir müssen trotzdem mal wenn
- ich noch ein paar mal vielleicht passiert das ist nicht an die 69 kommt jetzt ist er 65 okay vielleicht passiert es auch nicht
- also bei meinen tests ist es schon mal passiert dass es dann so bei circa 65 dann aufgehört hat also wie gesagt ein paar paar prozentpunkte kann das
- schwanken deswegen müssen wir den test wiederholen scheinbar ist es jetzt bei dem einfachen sehr stabil dass es auf die 69 wieder
- zugeht ok aber was ich eigentlich sagen wollte wir können jetzt sagen okay wir gucken die drei größten wahrscheinlichkeiten an
- und wie es die wahrscheinlichkeit dass es da drin liegt oder anders wir gucken die neuen besten an das heißt mit welcher wahrscheinlichkeit ist das wo
- sich das neuronale netz am sichersten ist es das nicht ist mit welcher wahrscheinlichkeit liegt er damit richtig auf die art und weise
- können wir das neuronale netz eventuell dafür benutzten dass es zwar nicht vorher sagt welche digit es ist aber wir können vorhersagen welche digit ist
- nicht ist das kann auch schon ganz schön nützlich sein besonders wenn wir mehrere neuronale netze hintereinander schalten das einst schon mal so ein ganz grobe
- vorsortierung macht und die anderen dann eventuell noch mal ein bisschen genauer gucken okay machen wir das mal dass wir die top
- 3 zum beispiel untersuchen dafür gehe ich mal hierher und sagt wir machen einen zusätzlichen boullion fonds korrekt und das ist am anfang falls und
- wir überprüfen dann hier nicht mehr ob das digits blieb lob sondern ob das korrekt war und er ihren hier zum beispiel über die drei besten und dann
- überprüfen wie richards test punkt geht an der stelle i-punkt label gleich props an der stelle capodici dann ist was korrekt vielleicht schuh
- also jetzt gucken wir in welchen prozent der fälle ist es in den top 30 oder in den drei besten und da sehen wir schon das nährt sich an die 90 prozent wurde
- an es ist ja klar es muss ja eine bessere wahrscheinlichkeit sein das ist ja klar ich will hier nur unterschiedliche
- metriken vorstellen wie wir neuronale netze messen können also wie gesagt entweder wir messen das beste oder den messen die zwei besten oder die drei
- besten oder was mir natürlich auch machen können die neun besten mit raten also bei 90% natürlich in dem fall aber da sehen wir
- da wird dann deutlich besser 99,7 ja ich habe schon mal auch hier wieder bei tests gesehen dass er die 99,9 erreicht hat ok beenden wir und
- testen man nochmal 99,7 99,8 jetzt wieder 7 ja und mit dieser wahrscheinlichkeit kann also also wenn da die 99,9
- erreichen würde dann kann er mit 99,9 prozent wahrscheinlichkeit eine die pid ausschließen ok so testen wir mal noch mit dem
- ypsilon rum sagen wir wieder wir gucken nur den besten also diese schleife hier natürlich ein bisschen überflüssig aber damit wird den code schön so halten
- sagen wir mal wir machen am anfang nicht 0,1 oder 0,01 sondern 0,05 als y und gucken was führen werden wir dann erreichen und wir sehen wir haben
- deutlich schlechtere ergebnis erstmal und wir kommen davon auch nicht mehr weg das liegt daran dass dieses relativ hohe apps i lon uns irgendwo weit raus
- geschossen hat innerhalb von diesem space wo wir suchen können und jetzt kommen wir nicht mehr wirklich ins richtige hin weil unser y einfach
- viel zu groß war oder machen wir das mal kleiner machen jetzt x 0,001
- da sehen wir dann ok jetzt ist er bei 40 51 also da kann er wohl mit lernen aber ist auch nicht so gut wie die 0,01 das habe ich schon vorher ein bisschen rum
- gespielt deswegen kann ich auf diese 0,01 machen wir mal 0,02 wie sieht es damit aus da kommt da auch an die 40 und dann
- wieder nur an die zähne hat sie dann wieder raus geschossen also war wieder viel zu hoch da machen wir mal 15 zum beispiel a62 das ist
- relativ gut 67 68 schaffte die 70 schaffen wir es ein y zu finden mit dem auch 70 prozent wahrscheinlichkeit kommt 69 69,1 vielleicht schafft es damit noch
- an die 70 aber ich will das video jetzt auch nicht unnötig hinauszögern also ich mag kommt doch mama ich bürger das video jetzt noch hinaus für die
- leute die es interessiert könnt ihr jetzt hier noch ein bisschen bleiben und ja es für die anderen es passiert nichts neues ich probiere jetzt nur noch
- mit dem ypsilon ein bisschen rum für diejenigen die es interessiert okay also da sind wir auch wieder bei den 69 ok versucht muss mal machen wir mal 09
- zum beispiel wir können auch den die anpassung hier gleich ein bisschen herum spielen 68 68,25 kommt mir ein bisschen zu schlecht vormachen wir hier mal die
- deutlich langsamer als 99% lassen wir von dem davor 64 67 wieder 67 68 ich will's noch ob die 70 prozent schaffen mal gucken ob kinder hatten sich 25 68,7
- wieder an die 69 wahrscheinlich gleich nein aber er wandert noch da aber card 0,2 ok jetzt kommt langsam wieder zum stillstand
- vielleicht schafft das auf 70 das war schön hier 70 zu sehen ja er wandert immer noch erwandert stetig
- weiter da ist ja das war jetzt ein rückschritt der erste rückschritt noch ein rückschritt ist vielleicht dass er jetzt auf ein lokales minimal gestoßen
- kommt mir fast so vor vielleicht ja vielleicht sind die 70 prozent auch einfach wie die lichtgeschwindigkeit wir können beliebig nah ran kommen aber wir
- werden sie nie erreichen 61,5 jetzt jetzt dümpelt er nur noch so ein bisschen vor sich hin
- jetzt wurde ja wieder schlechter ich frage mich wie lange verantworten soll jetzt ist ja glaube ich jetzt jetzt solo sich sehr schwer
- ja jetzt ist genau das gleiche wie eben wenn er noch ein viertes mal dass gleich ja dann richtig ab ok er ist sogar
- schlechter geworden gut weg damit machen wir mal noch langsamer den verfall der geschwindigkeit 64 67 68 68 kfw wieder langsam scheint wirklich so als ob die
- 70 prozent sehr sehr schwer zu erreichen werden 69 169 3,4 5 das scheint das beste bis jetzt zu sein also den lern parameter langsamer
- langsam werden zu lassen scheint richtig zu sein komm mal sechs vielleicht erreicht muss jetzt vielleicht ja jetzt wieder
- schlechter geworden ist am 66
- jetzt also wieder schlechter [Musik] okay vielleicht mehr jetzt jetzt im block wieder tempo aufnehmen tempo auf
- 69,7 373 wenn er vier mal das gleiche bringt oder schlechter wird dann breche ich ab jetzt hat er dreimal das gleiche oder wurde schlechter kommen noch 1 1
- noch einmal gucken vielleicht so jetzt auch wieder besser geworden ok 7572 ok bremer ab und machen mal die verlangsamung komplett weg einfach aus
- interesse 68 68 69 69
- das problem ist derzeit dass er relativ große sprünge immer noch macht und dann in diesem bereich von dieser fehler funktion nicht mehr auf feinheiten
- reagieren kann was momentan noch so aussieht als ob das die richtige strategie bestätigt immer größer also besser aber ob es auf lange
- sicht das beste ist werden wir sehen gleich ist bei 5,5 hat er jetzt gerade nicht erreicht jetzt hat das erreicht
- 69,57 69 6 62
- 64 vielleicht schaffen wir es nicht in der episode ich vermute dass es möglich ist wenn ich irgendwelche parameter noch finden würde
- und wenn ich es häufig starten würde und lange laufen lassen würde ich vermute dann können sich auf die 70 kommen 72
- jetzt geht er wieder runter man könnte es vielleicht hat auch dynamisch machen diesen lernen wert wenn
- er häufig auf dem gleichen herumdümpelt dann machen wir den lern wert wieder größer und sonst macht man ihn kleiner oder irgendwie sowas
- 69,7 die verdammten 70 prozent visitor was die klasse sitzen ein bisschen laufen und ich hole mir einfach
- mal mittagessen wir haben im video hallo hallo hallo ich hab nudeln und hier nicht wie viel hammer 69,75
- herrschaft einordnet erschafft nicht die 70 prozent naja schade immer hochs goldener das irgendwo
- hat er nicht geschafft [Musik]
- machen wir mal was machen wir dann machen wir mal eine 5 raus und gucken was dann rauskommt die komma 75 d hammer immer geschafft
- das ist bisher das beste der beste richtwert ist natürlich also von 69,75 auf die 70 prozent hat vielleicht in der praxis jetzt nicht so wirklich den
- mehrwert also ich bin hier grad ein bisschen rum ja sag ich ganz ganz bewusst
- dann esse ich das jetzt mal und dann gucken wir noch mal was dabei rauskommt dafür drehe ich mal das mikro weg obwohl ich schneide ich einfach raus
- okay er ist ja auch wieder bei der kammer 7 angekommen und macht seitdem wieder rückschritte naja stetig rückschritte
- war also auch nichts so ich will jetzt mal was versuchen und zwar weil ich ein neues implementieren das ist ja tatsächlich habe er gesagt dass ich
- nichts neues hier zeigt was auch ein model stimmt immer noch ja das habe ich schon mal gezeigt hmm das ist einfach nur ein neuer input
- neuronen das heißt wir machen einen input buyers day in and create new input und bei dem beides sage ich dass wir auf 1 machen dann müssen wir natürlich die
- waits anpassen wir nochmal plus zehn ja- und sonst war's das denke ich denke nicht dass der bau ist hier notwendig ist übrigens ich
- denke nicht gerade weil wir keine hütten schicht haben haben wir eigentlich kein neues zu einer gewissen zahlen denke ich vielleicht liege ich falsch vielleicht
- kriegen wir jetzt ein bisschen besser das ergebnis ja gucken wir mal ne 65 66 67 ja ich habe noch was zu essen und das werde ich jetzt weiter essen und den mal
- machen ja wie ich vermutet habe der preis hat jetzt auch nicht auf magische art und weise hier irgendwas bewirkte hat er sogar noch schlechter
- gemacht das liegt einfach daran dass es keine wenn wir zunächst mal keine information
- haben dann gibt es nicht irgendeine in tendenz welche digit es er ist deswegen macht dieses im prinzip eigentlich hier keinen sinn wenn wir die hütten schicht
- hätten dann könnte er sinn machen weil diese hinten schicht zu sagt man das dann in der regel obwohl greifen vorweg naja es trotzdem
- diese hätten geschichte erkennen dann eigentlich so pattern innerhalb von diesem bild und aufgrund dieser pattern wird dann bestimmt was für dich das sein
- könnte also der arbeitet dann selber nicht mehr auf pixel basis der hat zwar als input die pixel basis ist aber dann selber irgendwelche abstrakten pattern
- was man selber eventuell kann nicht mehr so richtig durchblickt was das neuronale netz stop ganz genau macht
- vermutlich wird er auch hier wieder die 75 oder die comma 75 erreichen aber ja langsamer der beides hat nicht geholfen hat er das schlechter gemacht
- da muss wieder weg machen muss weg das hier auch weg ok ich weiß nicht ob ich noch weiter versuchen will jetzt video in anführungsstrichen geht jetzt schon
- eine stunde in der aufnahme ich werde natürlich der einiges raus kürzen und so weiter aber die aufnahme an sich die geht jetzt eine stunde
- deswegen würde ich sagen dass man es mit den 70 prozent jetzt mal für diesen lernen algorithmus aufgeben aber die 70 prozent sollten sobald wir dann bei den
- nächsten ankommen hoffentlich geknackt werden genau das war es dann mit dieser episode ich habe sogar gefallen auch mit diesem kleinen
- etwas ab vom kurs also das war nicht geplant dass ich das hilft gerade zu hause fühle ich mache aber vielleicht ist ja für den ein oder anderen von euch
- durchaus interessant genau bis zum nächsten mal
Zum Nachlesen
Künstliches neuronales NetzEin künstliches neuronales Netz besteht aus mehreren künstlichen Neuronen, die miteinander verbunden sind und in der Regel in Schichten organisiert werden. Im …
BackpropagationFehlerrückführung bzw. Rückpropagierung ist ein verbreitetes Verfahren zum Einlernen künstlicher neuronaler Netze. Es gehört in der einfachen Form zur Gruppe …
PerzeptronDas Perzeptron (nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz, das zuerst von Frank Rosenblatt 1957 vorgestellt …
Deep LearningDeep Learning erlaubt die Verarbeitung und Analyse komplexer Datenmuster; dazu verwendet Deep Learning tiefe hierarchische neuronale Netze, die automatisch …