Dimonchik

никакая

но в частном случае

https://transpic.cn/
https://www.vectorizer.io/
https://vectorizer.ai/

гораздо лучше получается рисовать в вектор из каракулей в том числе

потому что существует понятие "GPU оптимизированный код",

вы, вероятно, думаете, что любой код на GPU будет быстрее, а это не так: зависит, во-первых, от характера операций, во-вторых - от написанного кода

в первом вы линейно читаете картинку - места для GPU там нет - если бы GPU были быстры в универсальных опервциях, их бы использовали вместо CPU , но не это не только не всегда так, а далеко не всегда так

вы просите результат деятельности интеллекта, а интеллекта в ИИ нету, есть только попугайство - поэтому никакого однозначного ответа, совпадающего с человеческим. не будет

это легко увидеть начав с аннотаций

по-моему, достаточно векторной близости безо всяких нейросетей
ну или обучить корпус кивордам, говорящим о ремонте, их будет штук 20 (если не 5) для официоза, и 200 для простой речи

к слову, в новомодных GTP в основе все она же, родимая
хорошо видно по казусам
просто корпус огромный и тут уже предобучение решает

дорого и бессмысленно, проще отталкиваться от рендеров или фоток - моделей не так много
а главное - один фиг все их перебирать для нейронки

таких нейронок нет и будут не скоро - вектора миллиардные
скорее уж классическими NLP методами, на MS Word можешь посмотреть чего Микрософт достиг
уже не мультик анальный, но и... да собственно мало что и, лет за 20 достижений пшик

все что могут нейронки сегодня - это переводы, т.е. вероятносные сопоставления одних векторов другим

все

увелчились мощности - стали лучше переводить с английского на английский (GPT, ага) но понимать смысл по-прежнему никак ибо надо еще порядка на 2 увеличить

задача поставлена хреново

Ну, а существующие будут обнаруживаться с высокой вероятностью, т.е. одновременно можно или добавить новый объект в базу, или распознать его (и инкрементировать ему число обнаружений).

тут после т.е. явно не только к этому предложению относится

Т.е. все 400 вариантов объектов сейчас заранее достоверно неизвестны, их нет всех сразу в базе данных векторов.

и тут ХПЧ

вообще - нейронки это всегда вероятности (ну кроме выводов ChatGPT который пока дикий, но учится)

попробуйте декомпозировать
и не ждите чудес

нанять девочку для нормирования фактов ))

а дальше - тупик
хотя по фото продвижения в медицине есть

для обучения вряд ли, для использования должно сработать

но при помощи vpn все заходит нормально

я разочарован в гугле

если чо, у Гугла есть возможности ( см. на фейсбук) чтобы и при помощи VPN ничего не было
так что не стоит разочаровываться, напротив - простое действие и проблема решена

когда нужно сделать диагностику станка имея лишь вибрационные показатели станка

там и без нейросети, сорее всего, будет ясно - изменится амплитуда или частота колебаний ввиду износа и соответвтенно, изменений вибрирующего материала

нет

но если кинешь на карту или крипту - расскажу что да и залью что надо

можно тензорфлоу

обучение начать с наиболее часто встречающихся

abby formreader попробуй, или finereader классический

нейросеть справится но зачем

выучить Питон

модули Numpy и Math, а лучше сразу scikit-learn

смотри там, где генерят картинки