Blogy
-
RVO znamená Return Value Optimization a tentokrát se podíváme na to, jak toto téma ovlivňují korutiny v C++ Co je RVO (Return Value Optimization) RVO je v C++ standardizované od verze 17. Takže se v tomhle pohledu jedná celkem o novinku. Přesto se překladače snažily o tento typ optimalizace před verzí 17. Pro vysvětlení, o co přesně jde, začnu příkladem31. 3. 2024 14:498 názorů -
V předchozích několika článcích jsem se zabýval problémem klasifikace RTG snímků. Ve své podstatě jsem hledal odpověď na otázku, zda je na konkrétním RTG snímku možné rozpoznat zápal plic pacienta nebo nikoliv (jednalo se tedy o binární klasifikaci s odpovědí ano/ne). Co kdyby mne zajímala odpověď na otázku, ve kterém konkrétním místě ten problém je. Chtěl bych vidět místo na obrázku, které vede k závěru, že pacient danou nemoc má…29. 3. 2024 0:00 -
Po určité době jsem se rozhodl revidovat svou knihovnu pro práci s korutinami v C++20. Během používání jsem si zapsal postřehy z dosavadního vývoje a tak vznikla nová knihovna která se snaží řešit některé problémy předchozí verze. Motivace Protože ani C++20 ani C++23 a vypadá to že ani C++26 nepřinese standardní nástroje na práci s korutinami a asynchronními operacemi, mým cílem bylo přijít s vlastním řešením v podobě této knihovny…24. 3. 2024 18:15
-
Vision Transformer model Po nástupu GPT modelů se stala architektura transformerů velice oblíbenou i v jiných oblastech. Najednou vidíte tyhle modely založené na Attention všude. Nabízí se tedy vyzkoušet si je na vlastní kůži. A o tom bude tento článek. Opět vycházím z datové sady Chest X-Ray Images (Pneumonia) stejně jako tomu bylo v předchozích článcích zabývajících se rozpoznáním zápalu plic z RTG snímků s využitím především konvolučních vrstev…22. 3. 2024 0:00
-
Zrovna vyšla nová betaverze Zabbixu 7.0 a kromě spousty jiných nových věcí přinesla i dvoufaktorové(MFA) ověřování uživatelů pro přihlašování na web GUI. Je to další šikovný a delší dobu očekávaný prvek zabezpečení přístupu a tak jsem jej chtěl hned otestovat…21. 3. 2024 16:33 (aktualizováno) -
Navazuji na předchozí dva články: Rozpoznání zápalu plic z RTG snímků – díl první a Rozpoznání zápalu plic z RTG snímků – díl druhý . ResNet50 Model Jedná se o jeden z nejúspěšnějších a také nejoblíbenějších modelů pro klasifikaci postavených na konvolučních vrstvách. Jeho autorům se podařilo vyřešit problém s degradací gradientu u modelů s hodně vrstvami. Jejich řešením je doplnění „zkratky“ pro data postupující sítí…15. 3. 2024 0:00
-
Dnes bych se s Vámi rád podělil o to, jak jsem začal sledovat vývoj cen akcií pomocí Zabbixu. Možná na takovou akci existují lepší nástroje, ale když už tu mám můj oblíbený Zabbix, tak proč toho nevyužít. Tuto věc jsem měl v TO-DO už poměrně dlouho, ale dostal jsem se k tomu až nyní. V první řadě šlo o to, jakým způsobem se budou požadovaná data získávat. K dispozici je více možností, ne však všude a pro vše…
-
Tímto článkem navazuji na předchozí: Rozpoznání zápalu plic z RTG snímků – díl první . Model VGG16 Jedná se o jeden ze základních modelů pro klasifikaci obrázků založených na konvolučních vrstvách. Principem je postupné zmenšování plošných dimenzí a naopak rozšiřování velikosti vlastností. Názorné schéma modelu vypadá takto…8. 3. 2024 0:00
-
V tomto článku a několika následujících bych se rád podíval na problematiku klasifikace obrázků. Posouvám se tedy od jednorozměrných signálů, jak tomu bylo u EKG křivek, ke dvěma rozměrům v případně snímků. Jako téma jsem si vybral opět něco z oblasti zdravotnictví, a tím je rozpoznávání zápalu plic z rentgenových snímků. Důvodem je opět dostupnost vhodných dat pro experimentování. Zvolil jsem si velice oblíbenou datovou sadu poskytovanou na serveru Kaggle: Chest X-Ray Images (Pneumonia).1. 3. 2024 0:00
-
Název článku vypadá zvláštně, ale jeho cíl bude po krátkém vysvětlení asi zřejmý. V několika předchozích dílech povídání jsem se zabýval modely pro klasifikací elektrokardiografu (EKG) s využitím 1D a 2D konvolučních sítí. V tomto volně navazujícím článku si vyberu jeden z těchto modelů a pokusím se jeho výsledky vylepšit pomocí tzv. Ensemble Learning Methods.23. 2. 2024 0:00
11–20 / 1 885
