Différences

Ci-dessous, les différences entre deux révisions de la page.

--- darknet_letters [2019/12/11 15:41] – [Le jeu letters] serge
+++ darknet_letters [2020/12/27 15:11] (Version actuelle) – serge
@@ Ligne 1: / Ligne 1: @@
 ====== Darknet Letters ======
 <WRAP center round box 60% centeralign>
-**{{tagpage>bge|Blender Game Engine}}** ....  **{{tagpage>ia|Intelligence Artificielle}}**
+**{{tagpage>ia|Intelligence Artificielle}}**     **[[http://translate.google.com/translate?hl=&sl=auto&tl=en&u=https%3A%2F%2Fressources.labomedia.org%2Fdarknet_letters|English Version]]**
 </WRAP>
-<WRAP center round box 80% centeralign>
+<WRAP center round box 60% centeralign>
-{{::2019_08:shot_22.png?400|}} {{:2019_08:shot_17.png?400|}}
+**[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]**
-Le fond noir ne convient pas, il faut une video !
 </WRAP>
 <WRAP center round box 60% centeralign>
-**De l'Intelligence Artificielle pour reconnaître des lettres dans différentes polices,  convertir les lettres d'un texte en musique midi.**
+**{{tagpage>bge|Blender Game Engine}}**
+</WRAP>
+<WRAP center round box 60% centeralign>
+{{media_02:shot_22.png?400|}} {{media_02:shot_17.png?400|}}\\
+Le fond noir ne convient pas, il faut une video !
+</WRAP>
+<WRAP center round box 60%>
+  * **De l'Intelligence Artificielle pour reconnaître des lettres dans différentes polices**
+  * **Créer des images correspondant à une musique midi**
+  * **Lecture des images par l'Intelligence Artificielle et rejouer le midi**
 </WRAP>
@@ Ligne 24: / Ligne 33: @@
 <WRAP group>
 <WRAP half column>
-  * **Nombre d'ojects de 380 à 190**
+  * **Suppression des majuscules pour diminuer le nombre d'ojects de 380 à 190**
   * **Le modèle yolov3.cfg est trop lourd, le yolov3-tiny_3l.cfg suffit**
   * **Images de 416x416**
@@ Ligne 47: / Ligne 56: @@
 **Créer et testé sur Debian Buster 10**
-{{:2019_08:letters_1.png?300|Le jeu}}
+{{media_02:letters_1.png?300|Le jeu}}
-{{::shot_12.png?300|Avec un fond video}}
+{{media_03:shot_12.png?300|Avec un fond video}}
-{{:2019_08:letters_3.png?300|Avec un fond noir: la reconnaissance est très mauvaise}}
+{{media_02:letters_3.png?300|Avec un fond noir: la reconnaissance est très mauvaise}}
 ====Conversion d'un fichier *.midi en *.json====
@@ Ligne 137: / Ligne 146: @@
 Avec le script **./letters/control/control.py**
-{{ ::shot_14.jpg?400 |}}
+{{ media_03:shot_14.jpg?400 |}}
 ===== Yolo V3 Darknet=====
@@ Ligne 266: / Ligne 275: @@
   ./darknet detector train data_12/obj.data data_12/yolov3-tiny_12.cfg data_12/yolov3-tiny.conv.15 -map
- Le fichier yolov3-tiny_12_best.weights fait  Mo
+ Le fichier yolov3-tiny_12_best.weights fait 38 Mo. Malheureusement, ça plante !
 =====Tous les essais=====
   * **[[darknet_letters_essais|Tous les essais sur cette page]]**
@@ Ligne 289: / Ligne 298: @@
 <WRAP quarter column>
   * Nuages
-{{::s_j_to_i_593.jpg?200|}}
+{{media_12:s_j_to_i_593.jpg?200|}}
 </WRAP>
 <WRAP quarter column>
   * Plasma
-{{::s_j_to_i_537.jpg?200|}}
+{{media_12:s_j_to_i_537.jpg?200|}}
 </WRAP>
 <WRAP quarter column>
   * nuage RGB clair
-{{:boney_m.png?200|}}
+{{media_04:boney_m.png?200|}}
 </WRAP>
 <WRAP quarter column>
   * Très foncé en RGB
-{{::s_j_to_i_122.png?200|}}
+{{media_12:s_j_to_i_122.png?200|}}
 </WRAP>
@@ Ligne 317: / Ligne 326: @@
 **6 mois de calcul = 150 €**
 =====Quels matériels pour un apprentissage rapide ?=====
-  * **Quel serait le coût sur un Pentaflops  ?**
-  * **Et si La Labomedia achète un Pentaflops ?**
   * **[[https://timdettmers.com/2019/04/03/which-gpu-for-deep-learning/|timdettmers.com]]** Which GPU(s) to Get for Deep Learning
   * **[[https://www.quora.com/What-is-currently-the-best-GPU-for-deep-learning|www.quora.com]]** avec un graphique qui teste alexnet (yolo ?) conseille [[https://www.amazon.fr/MSI-GTX-1080-Graphique-GeForce/dp/B06XT3TVKP/ref=sr_1_4?keywords=gtx+1080+ti&qid=1569416932&s=gateway&sr=8-4|une GTX 1080 Ti]] à 750€ (en fin de série) ou [[https://www.ldlc.com/fiche/PB00263052.html|une RTX 2080 Ti 11GB]] à 1100€.
@@ Ligne 334: / Ligne 341: @@
   * **[[https://www.microway.com/preconfiguredsystems/nvidia-dgx-station-deep-learning-workstation/|NVIDIA DGX Station for Deep Learning System]]** Price: $51,861 (academic pricing, includes 1 year support) to $73,830 (commercial, includes 1 year support)
   * **[[https://www.microway.com/preconfiguredsystems/gpu-accelerated-workstation-cst-studio-suite/|Microway’s GPU-Accelerated Workstation for CST STUDIO SUITE®]]** System Price: $15,000 to $45,000
-Each Microway system is customized to your requirements. Final pricing depends upon configuration and any applicable educational or government discounts.
+===Juin 2020===
+  * **[[https://lambdalabs.com/blog/choosing-a-gpu-for-deep-learning/|Choosing the Best GPU for Deep Learning in 2020]]**
+    * RTX 2060 (6 GB): if you want to explore deep learning in your spare time. 360€
+    * RTX 2070 or 2080 (8 GB): if you are serious about deep learning, but your GPU budget is $600-800. Eight GB of VRAM can fit the majority of models.
+    * RTX 2080 Ti (11 GB): if you are serious about deep learning and your GPU budget is ~$1,200. The RTX 2080 Ti is ~40% faster than the RTX 2080.
+    * Titan RTX and Quadro RTX 6000 (24 GB): if you are working on SOTA models extensively, but don't have budget for the future-proofing available with the RTX 8000. 4000€
+    * Quadro RTX 8000 (48 GB): you are investing in the future and might even be lucky enough to research SOTA deep learning in 2020. 5500€
@@ Ligne 349: / Ligne 364: @@
 **Mais, en ce qui concerne l'Univers, je n'en ai pas encore acquis la certitude absolue."**
-{{tag> ia sb bge yolo_darknet deap_learning}}
+{{tag> ia sb bge yolo_darknet}}