hesabın var mı? giriş yap

  • şivesinden ve yüzünün bir kısmından hangi ırka mensup olduğu besbelli.
    bu devirde kimseye güvenilmeyeceğinin örneği, tam da omurilikten vurmuş muhtemelen taksici felç kalmıştır.

  • dünyanın en saçma yolunda (ortaköy-beşiktaş arası günün saatine göre orta şeridi ortak kullanılan üç şeritli yol) "hızlı" arabası ile "hız" yaparak polis aracına kafadan çarpmış ve 1 polisin ölmesine, 1 polisin yaralanmasına neden olmuştur.
    bakalım ampulsever babası ne yapacak?
    acaba hapis yatacak mı?
    bu kaza bana sevim tanürek'in öldüğü kazayı hatırlattı.

    edit: sikayet geri cekildi ve davadan beraat etti. turkiye'de herkesin, herseyin bedeli var diye soyluyorlardi yok diyordum herseyin olamaz diye ama varmis. ruzgar cumlemize bunu kanitlatti.

    allah rahmet eylesin.
    toplumsal ahlak ve adalet duygumuzu kaybettik, basimiz sagolsun.

  • gelin sizlere bu uygulamanın nasıl çalıştığını oldukça basite indirgeyerek anlatmaya çalışayım.

    bu uygulama teknik olarak "machine learning" yani "makina öğrenmesi" kullanıyor. spesifik olarak ise "generative adversarial network" ya da kısaca gan kullanıyor. adı üstünde gan'lar sıfırdan veri üretiyor ve ürettiği verileri orjinal veri setindeki verilere benzetmeye çalışıyor.

    peki nasıl oluyor da bu kadar doğal fotoğraflar üretilebiliyor?

    gan ağları 2 farklı ağdan oluşur. 1. ağ veri üretir, 2. ağ ise bir verinin gerçek mi yoksa yapay mı olduğunu ayırt etmeye çalışır. bu 2 ağ, birbiriyle kıyasıya bir yarış içinde eğitilirler. veri üreten ağ gerçeğe yakın veri üretmeye çalışıp 2. ağı kandırmak üzere eğitilirken 2. ağ da tahmin yeteneklerini güçlendirip kendisine verilen verilerin gerçek mi yoksa sahte mi olduğuna daha iyi anlamak için eğitilir.

    belli bir süre geçtikten sonra 1. ağ veri üretmede o kadar iyi hale gelir ki 2. ağ üretilen bu verinin gerçek mi yoksa sahte mi olduğunu anlayamaz. bu noktada ağların eğitimi tamamlanır ve 1. ağ artık oldukça gerçekçi veriler üretmeye hazırdır.

    işin etkileyici yanı ise, bir gan oluşturmak için uygulama alanına dair teknik bilgi bilmeye gerek yoktur. tek gereken yeterli sayıda veridir. faceapp uygulamasında ise tek gereken yeterli sayıda ve çeşitte yüz resmidir. kapsamlı bir veri seti oluşturduktan sonra yeni yüzler yaratmak için başka hiçbir bilgiye veya veriye ihtiyaç duymazsınız.

    "peki madem gan dediğimiz şey resim üretiyor, nasıl oluyor da faceapp sıfırdan resim yaratmak yerine bizim verdiğimiz bir resmi alıp onu değiştiriyor?" diye sorabilirsiniz. yukarıda anlattığım algoritma gan ağlarının genel çalışma mantığıdır. nispeten yeni bir teknik olduğu için yoğun olarak araştırılan ve yüzlerce çeşidi olan bir ağdır gan. faceapp gibi bir uygulama yapabilmek için mevcut algoritmayı biraz değiştirmeniz yeterli olacaktır. örnek olarak aşağıdaki gibi bir süreçle faceapp gibi sonuçlar elde edebilirsiniz.

    1- örneğin yaşlılık filtresini ele alalım. güzel bir gan için yüzbinlerce, hatta milyonlarca yaşlı insan yüzü içeren veri setimizi oluşturduk.

    2- sıfırdan yaşlı üretebilen bir gan ağı eğittik.

    3- eğittiğimiz ağı biraz değiştirerek verilen bir resmin üstünde oynama yaptırarak yaşlandırmaya çalışacağız. bunun için 2 kritere bakarak eğitebiliriz:
    a) resmi değiştir ama değişen resim orjinal resme mümkün olduğu kadar benzesin, bu sayede üretilen resimler resmin sahibine benzemek zorunda olacak.
    b) değiştirilen resimi gan'ın 2. ağı yapay olarak algılamasın, gerçek olarak algılasın, yani yaşlandırılmış resim doğal dursun, yapay durmasın.
    3- bu ayarlarda 2 ağı karşılıklı eğitip yeni bir tür gan elde edelim.

    bu şekilde faceapp gibi sonuçlar alabiliriz. ama fark ettiyseniz sadece yaşlılık filtresi yaptık. diğer filtreler için ayrı veri setleri ve ayrı ağlar eğitmemiz gerekecek. o yüzden yeni bir filtre eklemek biraz zahmetli bir işlem.

    gan dediğimiz ağların diğer kullanım alanları için ise aşağıdaki linke bakabilirsiniz
    https://machinelearningmastery.com/…arial-networks/

  • inanılmaz sempatik, güler yüzlü ve keyifli bir adam. yol arkadaşını çok doğru seçmiş, bizim kızı tebrik edelim. ben bayıldım enişteye.
    yalnız bu sivaslılar hakikaten her yerdeler. *

  • değiliz ulan değiliz. bize ne amk. israil, filistin bunların hepsi sami ırk. birbirinin akrabası. birisi selamunaleyküm der, diğer şalamonallekû der. islam tarihinde olan bütün peygamberler bunların zamanındaki lideri. biz neden ortadoğu çomarlarının yanında oluyoruz. beyinsiz arap sevici soysuzlar, allaha inanıyorsunuz da onun verdiği beyni neden reddediyorsunuz. kullansanız bunlar olmayacak zaten.

  • yaşadığımız, yaşamaya çalıştığımız ülkedir.
    bazılarımızın uyuduğu, bazılarımızın öldüğü ülkedir.
    askerinin yan gelip yatamadığı ülkedir.
    anlık istihbarat alan ülkedir.
    dünyanın süper gücüyle müttefik(!) olan ülkedir.
    terörün demokratik hak(!) olduğu ülkedir.
    türk olduğunu söyleyenin faşist olarak damgalandığı ülkedir.
    teröristler halaylarla karşılanırken, komutanların hapse atıldığı ülkedir.

    çok uzak değil. benim ülkem türkiye...

    edit: imla

  • abdülkerim: aynı şeyleri söylüyoruz. niye birbirimize bağırıyoruz ki???

    sdfsdlkhfkjsdfhks

  • 2002'de türkiye krizin etkisinden yeni yeni çıkmışken erken seçim lafını ortaya atıp bunalmış halkı "yeni umut" akp'nin kucağına atan,

    2007'de cumhurbaşkanlığında akp'ye destek çıkan,

    2015'te daha seçim akşamı akp'nin 13 yıldır ilk defa iktidardan düşürülebileceği gün çıkıp yine erken seçim isteyip halkın, "bunlar bi bok yapamayacak biz yine akp'ye verelim" diye düşünmesini sağlayıp kasımda akp'yi tek başına iktidara taşıyan,

    ve nihayet ortada uzun zamandır lafı bile dolanmayan başkanlığı durduk yere gündeme getiren devlet bahçeli'nin atacağı düşünülen kazık :)