Programmieren ...

[Evilken]

Hat schon mal jemand von euch mit Deep Learning-Programmen bzw. im Konkreten faceswap gearbeitet? Ich lass grad mein Modell trainieren und verzweifle, weils so lange dauert hab zwar einen komplett neuen Laptop mit i7-Prozessor und 16GB RAM, aber für mittlerweile 700 Iterationen hats bereits fast 4 Stunden gedauert. Und brauchbar ist das Ergebnis immer noch bei weitem nicht

[Pimmi]

Evilken schrieb am 7.10.2019 um 15:02 :

Hat schon mal jemand von euch mit Deep Learning-Programmen bzw. im Konkreten faceswap gearbeitet? Ich lass grad mein Modell trainieren und verzweifle, weils so lange dauert hab zwar einen komplett neuen Laptop mit i7-Prozessor und 16GB RAM, aber für mittlerweile 700 Iterationen hats bereits fast 4 Stunden gedauert. Und brauchbar ist das Ergebnis immer noch bei weitem nicht

und rennt's noch immer ?

mit dl-hab ich noch wenig gemacht, allerdings bau ich grad an einem recommendation system als projektabschluss. dl würd mich auch interessieren - was sind so eine erfahrungen? ich hätt eher richtung tensorflow überlegt.

[Evilken]

Pimmi schrieb vor 1 Minute:

und rennt's noch immer ?

mit dl-hab ich noch wenig gemacht, allerdings bau ich grad an einem recommendation system als projektabschluss. dl würd mich auch interessieren - was sind so eine erfahrungen? ich hätt eher richtung tensorflow überlegt.

Wenn ich bei der Alternative geblieben wäre, würds noch immer laufen

Ich bin dann umgestiegen auf Google Colab, weil das für meine Zwecke vorerst noch ganz gut ausreicht. In späteren Semestern bzw. auch teilweise jetzt schon bekommen wir Zugriff auf einen extrem leistungsstarken Server in der Fachhochschule, der genau für solche Machine Learning-Zwecke ausgerichtet ist.

Ich benutze dabei eines der gängigen Tools von Github, bei dem ich eben Modelle trainieren kann, bei denen dann die Gesichter vertauscht werden. Für die hat es dann glücklicherweise bereits Colab-Notebooks gegeben. Wenn ich sogar großes Glück habe, bekomme ich am Colab-Server eine Tesla P100-Grafikkarte zugewiesen, dann schaff ich in etwa 8 Stunden ca. 35000 Iterationen kleiner Unterschied zu vorher.

Deep Learning an sich haben wir erst im zweiten Semester, da werden wir dann höchstwahrscheinlich auch genauer in tensorflow und keras udgl. eingeführt.

[Segafredo]

Evilken schrieb vor 7 Minuten:

Deep Learning an sich haben wir erst im zweiten Semester

Um welchen Studiengang bzw. welche FH gehts da?

[Pimmi]

Evilken schrieb vor 5 Minuten:

Wenn ich bei der Alternative geblieben wäre, würds noch immer laufen

Ich bin dann umgestiegen auf Google Colab, weil das für meine Zwecke vorerst noch ganz gut ausreicht. In späteren Semestern bzw. auch teilweise jetzt schon bekommen wir Zugriff auf einen extrem leistungsstarken Server in der Fachhochschule, der genau für solche Machine Learning-Zwecke ausgerichtet ist.

Ich benutze dabei eines der gängigen Tools von Github, bei dem ich eben Modelle trainieren kann, bei denen dann die Gesichter vertauscht werden. Für die hat es dann glücklicherweise bereits Colab-Notebooks gegeben. Wenn ich sogar großes Glück habe, bekomme ich am Colab-Server eine Tesla P100-Grafikkarte zugewiesen, dann schaff ich in etwa 8 Stunden ca. 35000 Iterationen kleiner Unterschied zu vorher.

Deep Learning an sich haben wir erst im zweiten Semester, da werden wir dann höchstwahrscheinlich auch genauer in tensorflow und keras udgl. eingeführt.

nachdem ich mich eher aus praktischer sicht mit den dingen beschäftige habe ich mit DL noch nichts gemacht ... aber immerhin ist R jetzt mein freund und ich das kann schon viele dinge die in der praxis sehr hilfreich sind. diese dinge sind aber nicht so hardware-intensiv - der nutzen trotzdem groß zumindest wenn alle an einen strang ziehen.

zum herumspielen ist auch aws nicht so schlecht, da gibt's alle möglichen technologien die man durchprobieren kann ohne selber was installieren zu müssen.

[Evilken]

Segafredo schrieb vor 18 Minuten:

Um welchen Studiengang bzw. welche FH gehts da?

Master von Informationstechnik & Systemmanagement an der FH-Salzburg

Pimmi schrieb vor 18 Minuten:

nachdem ich mich eher aus praktischer sicht mit den dingen beschäftige habe ich mit DL noch nichts gemacht ... aber immerhin ist R jetzt mein freund und ich das kann schon viele dinge die in der praxis sehr hilfreich sind. diese dinge sind aber nicht so hardware-intensiv - der nutzen trotzdem groß zumindest wenn alle an einen strang ziehen.

zum herumspielen ist auch aws nicht so schlecht, da gibt's alle möglichen technologien die man durchprobieren kann ohne selber was installieren zu müssen.

R soll ja auch sehr hilfreich in diesem Bereich sein, habs aber selber noch nie verwendet bzw. ich kanns auch gar nicht

Ist das das Amazon Web Services? Hört sich interessant an, hab da mal ein bisschen durchgeklickt und werd ich garantiert mal etwas durchprobieren, danke für den Tipp

[Pimmi]

Evilken schrieb vor 20 Minuten:

Master von Informationstechnik & Systemmanagement an der FH-Salzburg

R soll ja auch sehr hilfreich in diesem Bereich sein, habs aber selber noch nie verwendet bzw. ich kanns auch gar nicht

Ist das das Amazon Web Services? Hört sich interessant an, hab da mal ein bisschen durchgeklickt und werd ich garantiert mal etwas durchprobieren, danke für den Tipp

jup genau - ich kann zwar amazon nicht sonderlich leiden aber das ist ganz nett um mal ein paar dinge auszuprobieren. es gibt natürlich den philosophischen disput ob jetzt python oder r die bessere sprache ist für data analytics. im prinzip ist's eher wurscht, weil die packages sowieso häufig in c geschrieben werden. ich halt mich da an einen weisen mann der meinte "R is for artists, python for slaves"   - und ich bekomm immer augenkrebs von python.

nachdem ich stark von der sql-seite komme gefällt mir r recht gut, ich finde die visualisierungsoptionen toll und man kann recht einfach ml-ansätzen gegeneinander challengen (was in python aber nicht anders ist).

btw. finde ich interessant dass ihr gleich mit deep learning startet, sowas würd ich ja eher als abschlusskapitel sehen (wenn man sich mal durch die harte materie der wahrscheinlichkeitstheorie, der regressionen uvm. durchgearbeitet hat); wieso man mit unsupervised learning so früh startet erschließt sich mir nicht ... wobei es ist halt derzeit hipp ist. vor ein paar jahren musste ja überall big data obenstehen, jetzt zumindest ai oder wenn man zu den ganz coolen jungs gehören will deep learning

[Evilken]

Pimmi schrieb vor 13 Minuten:

jup genau - ich kann zwar amazon nicht sonderlich leiden aber das ist ganz nett um mal ein paar dinge auszuprobieren. es gibt natürlich den philosophischen disput ob jetzt python oder r die bessere sprache ist für data analytics. im prinzip ist's eher wurscht, weil die packages sowieso häufig in c geschrieben werden. ich halt mich da an einen weisen mann der meinte "R is for artists, python for slaves"   - und ich bekomm immer augenkrebs von python.

nachdem ich stark von der sql-seite komme gefällt mir r recht gut, ich finde die visualisierungsoptionen toll und man kann recht einfach ml-ansätzen gegeneinander challengen (was in python aber nicht anders ist).

btw. finde ich interessant dass ihr gleich mit deep learning startet, sowas würd ich ja eher als abschlusskapitel sehen (wenn man sich mal durch die harte materie der wahrscheinlichkeitstheorie, der regressionen uvm. durchgearbeitet hat); wieso man mit unsupervised learning so früh startet erschließt sich mir nicht ... wobei es ist halt derzeit hipp ist. vor ein paar jahren musste ja überall big data obenstehen, jetzt zumindest ai oder wenn man zu den ganz coolen jungs gehören will deep learning

Nachdem ich eigentlich auch eher sehr von der SQL-Seite komme, sollte ich mir R vielleicht mal näher anschauen. 

Hab mich eh verschaut, im zweiten Semester haben wir "nur" Machine Learning, im dritten dann Deep Learning. Und grundsätzlich haben wir hauptsächlich mit supervised learning gestartet und zusätzlich noch Image Processing und Natural Language Processing, damit wir von allem ein bisschen was sehen. Nächstes Semester folgt dann angewandte Statistik, später noch Pattern Recognition, Data Mining und Big Data Engineering. Im Grunde ist der ganze Studiengang eher auf Data Science ausgelegt

[01er Veilchen]

Bin ein Java-Einsteiger und hätte zum Thema Getter/Setter eine Frage. 

Wozu werden diese Methoden überhaupt benötigt, bzw. was wäre so schlimm daran, einfach alle Attribute mit public zu coden, anstatt die private-Attribute erst recht wieder selber "umgehen" zu müssen, um sie weiterverwendbar zu machen? Hab ja eh nur ich Zugriff darauf, warum muss die Nutzbarkeit eingeschränkt werden?

Bitte um eine simple Erklärung, an den Erläuterungen auf gutefrage.net bin ich grandios gescheitert bzw. machten sie für mich einfach keinen Sinn

 

[papomilano]

Die simpelste Erklärung: Es ist einfach guter Stil.

In der OOP soll eine Kapselung der Objekte erreicht werden. Die Sicht (Scope) auf das Objekt sollte so klein wie möglich gehalten werden. Auf Variablen sollte daher wenn möglich nur in der eigenen Klasse zugegriffen werden. Warum?

Beispielsweise hast du ein Objekt der Klasse UNO-Karte. Mit der Methode setFarbe kannst du eine Farbe zuweisen. In dieser Setter-Methode kannst du jetzt eine Validierung durchführen, da ja nur die Farben Rot,Grün,Blau und Gelb erlaubt sind und ggf. einen Fehler ausgeben. Bei direktem Zugriff auf die Variable müsstest du das jedes mal wenn du den public-Member eines Objektes setzt sicherstellen. So hast du die Validierung an einer Stelle in der Klasse definiert.

Anderes Beispiel: Du kannst auch etwas anhand des übergebenen Werts auslösen. Person mit den Membern Promille und Fahrtüchtig (bool):

Wenn setPromille mit einem Wert größer gleich 0.5 aufgerufen wird, wird innerhalb der Klasse der Fahrtüchtig-Member auf false gesetzt.

Für den Fahrtüchtig-Member haben wir keine öffentliche Set-Methode, sondern nur eine Get-Methode (GetFahrtüchtig) definiert, da dies ja jetzt ohnehin über SetPromille gesetzt wird.

Dafür gibts aber wirklich genug Material online.

[berninat0r]

01er Veilchen schrieb am 26.12.2019 um 23:29 :

Bin ein Java-Einsteiger und hätte zum Thema Getter/Setter eine Frage. 

Wozu werden diese Methoden überhaupt benötigt, bzw. was wäre so schlimm daran, einfach alle Attribute mit public zu coden, anstatt die private-Attribute erst recht wieder selber "umgehen" zu müssen, um sie weiterverwendbar zu machen? Hab ja eh nur ich Zugriff darauf, warum muss die Nutzbarkeit eingeschränkt werden?

Bitte um eine simple Erklärung, an den Erläuterungen auf gutefrage.net bin ich grandios gescheitert bzw. machten sie für mich einfach keinen Sinn

 

falls es dir recht schnell am nerv geht, ständig getter/setter zu schreiben/löschen/ändern bzw. von deiner IDE generieren zu lassen, schau dir mal https://projectlombok.org/ an. damit kannst du mit 1 einzigen annotation steuern, dass dir die getter/setter automatisch erstellt und aktualisiert werden, wenn du an den attributen deiner klasse etwas änderst.

hört sich für einen einsteiger vielleicht im moment noch bisschen kompliziert an, aber wenn du das ausprobieren magst und es treten fragen auf, einfach PM schicken.

[StepDoWn]

Also getter/setter sollte jede brauchbare IDE mit einer knackigen Tastenkombination generieren können. Falls du mit IntelliJ IDEA dein Java entwickelst (ich wünsche dir, dass du nicht mit Eclipse herumfrimmelst ), hast du mit Alt+Enter üblicherweise eine Reihe von möglichen Aktionen (und eben unter anderem auch "create encapsulated field / create get/set / create ...").

 

 

Der wirkliche Sinn von Data Encapsulation ist imo für Anfänger kaum begreiflich. Es ist gut, das von Anfang an zu hören und zu wissen, aber um die abstrakten Konzepte dahinter zu kapieren, muss man glaub ich erstmal Erfahrung sammeln und eigene Fehler machen. Irgendwann muss man über die Dinge nimmer nachdenken, weil sie ganz logisch sind. Die Erklärung von papomilano finde ich aber großartig.

 

[mazunte]

StepDoWn schrieb am 6.1.2020 um 10:43 :

Also getter/setter sollte jede brauchbare IDE mit einer knackigen Tastenkombination generieren können. Falls du mit IntelliJ IDEA dein Java entwickelst (ich wünsche dir, dass du nicht mit Eclipse herumfrimmelst ), hast du mit Alt+Enter üblicherweise eine Reihe von möglichen Aktionen (und eben unter anderem auch "create encapsulated field / create get/set / create ...").

 

 

Der wirkliche Sinn von Data Encapsulation ist imo für Anfänger kaum begreiflich. Es ist gut, das von Anfang an zu hören und zu wissen, aber um die abstrakten Konzepte dahinter zu kapieren, muss man glaub ich erstmal Erfahrung sammeln und eigene Fehler machen. Irgendwann muss man über die Dinge nimmer nachdenken, weil sie ganz logisch sind. Die Erklärung von papomilano finde ich aber großartig.