Aktionen

Einführung in die Programmierung künstlicher Intelligenzen: Unterschied zwischen den Versionen

Aus exmediawiki
Zeile 524: Zeile 524:
  
 
[[Category:Seminar]]
 
[[Category:Seminar]]
 +
[[Category:KI]]
 +
[[Category:Programmierung]]

Version vom 29. April 2019, 20:18 Uhr

Grundlagenseminar Material/ Skulptur/ Code Grundstudium
Georg Trogemann, Christian Heck
Dienstag wöchentlich 11:00 –13:00
Erster Termin 23.10.2018
Filzengraben 8 - 10, 0.2 Experimentelle Informatik

Googles „Deep Dream“ Algorithmus, der Fall „Cambridge
Analytica, der tödliche „Uber“-Unfall eines selbstfahrenden Autos.
Das sind nur drei Beispiele für Künstliche Intelligenz, über die in
der Presse breit berichtet wurde. Die Diskussionen zur KI sind
verbunden mit Begriffen wie „deep learning“, „neuronale Netze“
oder „technologische Singularität“. Kann man den Kern der
dahinter stehenden Verfahren ohne Vorkenntnisse innerhalb eines
Semesters überhaupt noch verstehen? Ja, man kann.
Das Seminar wird sehr elementar in die subsymbolische KI
der Neuronalen Netze und deren Programmierung einführen.
Wir setzen dabei keine mathematischen Kenntnisse oder
Programmiererfahrungen voraus. Ziel ist es, dass am Ende jede/
jeder Studierende ein Programm erstellt hat, das Bilder nach dem
Prinzip des Deep Dream Algorithmus generiert. Vor allem geht es
darum, kritikfähig zu werden und die Möglichkeiten, Grenzen und
Gefahren dieser Technologie einschätzen zu lernen.

Seminar Notebooks 2 download

20.11.2018

seminar-11-20-18_notebooks-as-zip-archive

13.11.2018

seminar-11-13-18_notebook-as-zip-archive

06.11.2018

seminar-11-06-18_notebook

TeilnemerInnen

Mayuko Kudo Verena Friedrich Cao Bijun Jessica Pong Christian Heck
Dazun Kim Moritz Lammert Verena Lercher Phaidonas Vialis Johannes Hoffmann
Christina Knak Dafun Kim Sam Hopkins Soo Yeun Lee Paula Pedraza
Karin Lingnau Georg Trogemann Hans W. Koch Florian Liesenfeld Mattis Kuhn

Exkursion

"Erfindungen sind ... nicht vorhersehbar. Nur das Umfeld und die Bedingungen unter denen sie stattfinden ist beeinflußbar." Zitat Georg Trogemann

  • Wir fahren Mittags los nach Tübingen.
  • Abends hält Mari (Christoph Marischka) einen Vortrag für uns über seine derzeitigen Forschungsergebnisse zu diversen KI-Forschungsprojekten an der Schnittstelle zu militärischer Forschung, universitären Lehrstühlen und Start-Up Unternehmen.
  • Der Abend findet im IMI-Büro statt, ein atmosphärischer Ort am Tübinger Stadtrand.
  • Mari ist ein sehr interessanter Zeitgenosse mit einen kritischen Blick und pointierten Forschungsergebnissen, bzw. Artikeln die die gesellschaftlichen Konsequenzen durch den alltäglichen Gebrauch ziviler und mitlitärischer Techonolgien thematisieren, z.b. http://www.imi-online.de/2018/09/03/angriffsvorteil-durch-ki/
  • Gezielt wird Mari für uns auf seine Forschungsergebnisse zu »Cyber Valley« eingehen.
  • Anschließend werden wir zusammen mit den anderen Aktivisten vom IMI mit Bier & Snacks zusammensitzen und diskutieren über mögliche Kooperationen zwischen uns und unserem künstlerischen Handlungsspielraum und dem aktivistischen und ein bißchen vielleicht auch dikutieren über die Frage in wie weit wir uns und unsere Umwelt der KI-Umwelt denn heute schon anpassen müssen, damit sie denn irgendwann einmal für die Augen einiger und dem Leid anderer fehlerfrei zu funktionieren vermag...
  • Zu »Cyber Valley«, der aktuelle IMI-Report:
    • Das Cyber Valley in Tübingen und die Transformation zum Rüstungsstandort, Christoph Marischka, 5. Juli 2018
    • http://www.imi-online.de/download/IMI-Analyse2018-18-Cybervalley-Web.pdf
    • Kurzinfo: Ohne jede öffentliche Diskussion wurde von der Max-Planck-Gesellschaft, der Landesregierung, der Industrie und den Universitäten Stuttgart und Tübingen das Neckartal zwischen Stuttgart und Tübingen zum Cyber Valley erklärt, das als „Biotop für die Entwicklung Künstlicher Intelligenz“ fungieren soll. Diese Pläne, die bereits seit etwa zehn Jahren verfolgt werden, führen insbesondere zu einer engen Verquickung zwischen Politik, Wissenschaft und Industrie und zeigen bereits jetzt deutliche Folgen für die Stadt und den Universitätsstandort Tübingen. Explizit vorgesehen ist die schnelle Umsetzung neuer Forschungsergebnisse in Praxis und kommerzielle Nutzung. Dabei ist klar, dass die aktuelle Forschung zu Künstlicher Intelligenz und „Big Data“ v.a. Potentiale zur immer intensiveren Überwachung der Bevölkerung und militärischer Nutzung birgt. Bereits jetzt laufen Pilotprojekte zur Gesichtserkennung und intelligenten Videoüberwachung im öffentlichen Raum, obwohl diese Technologien noch keineswegs ausgereift und gesellschaftlich hochumstritten sind. Unternehmen wie Atos, das mittlerweile ebenfalls in Tübingen angesiedelt ist, entwickeln Grenzüberwachungs- und Zielerkennungssysteme auf der Basis multisensorieller Mustererkennung (https://atos.net/en/products/defense-mission-critical/homeland-security/…). Die Forschung zu „intelligenten Algorithmen“ soll u.a. auf Kundendaten basieren, weshalb sich das Cyber-Valley-Konsortium über die Beteiligung des Internet-Konzerns Amazon freut, der noch in diesem Jahr mit dem Bau eines Entwicklungszentrums auf der Oberen Viehweide beginnen will. Insgesamt feuert das Cyber Valley die Bautätigkeiten für Forschungseinrichtungen und hochpreisige Wohnimmobilien in Tübingen an und treibt auch damit Preise in die Höhe.
  • Wir schlafen in der Jugendherberge in Tübingen
  • Am nächsten Tag werden wir entweder ins Max-Plank-Institut fahren oder nach Esslingen zu Festo oder in den derzeit noch besetzten Kupferbau oder Mari wird uns eine Führung zum zukünftigen Cyber Valley geben.
  • Gegen Nachmittag fahren wir wieder in Richtung Köln

Infoseiten/Links

Termin

  • 17.12. Mo - 18.12. Di

KI Programmierung

KI Workaround »Jupyter Notebook«

Content jupyternotebook1.gif

Content jupyternotebook3b.gif

Content jupyternotebook7.gif

Workaround installieren

Interner Link: KI Workaround installieren

Install Jupyter & Tensorflow on Ubuntu

Anaconda download & install

3.7 version downloaden unter: https://www.anaconda.com/download/#linux

Terminal öffnen

sich zum Downloadordner navigieren: 

cd Downloads

die Bash das Installscript ausführen lassen: 

bash Anaconda3-5.3.0-Linux-x86_64.sh

Anweisungen folgen...

Python downgraden: 

conda install python=3.6

Python-Pakete installieren: 

sudo apt-get install python-pip python-dev

Wissenschaftliche Pakete installieren: 

sudo apt-get install build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev

sudo apt-get install python-numpy python-scipy python-matplotlib

sudo apt-get install libhdf5-serial-dev python-h5py

sudo apt-get install graphviz

sudo apt-get install python-opencv

GPU-Unterstützung einrichten:

CUDA-Downloaden 

wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64

oder 

wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb

Tensorflow installieren

ohne GPU 

pip install tensorflow

mit GPU 

pip install tensorflow-gpu

Keras installieren 

pip install keras

alternativer keras install 

git clone https://github.com/fchollet/keras
cd keras
sudo python setup.py install

Install Jupyter & Tensorflow on Windows

Download & Install anaconda 

https://www.anaconda.com/download/#windows

Update Anaconda.

Open Anaconda Prompt and type 

conda update conda
conda update --all

python environment, with python 3.5, named as "tensorflow" 

conda create --name tensorflow python=3.5

environement aktivieren 

activate tensorflow

Bibliotheken installieren: 

conda install jupyter scipy pandas seaborn scikit-learn spyder matplotlib

evtl. PIP installieren 

conda install pip

TensorFlow installieren 

pip install tensorflow

Keras installieren 

conda install -c conda-forge keras

danach type: 

ipython

ipython prompt öffnet sich... > in diesem prompt type: 

import tensorflow as tf
import keras

mit STRG+D wieder aus IPython Umgebung raus

im anaconda prompt type um ein jupyter notebook zu starten in dem sich tensorflow code ausführen lässt: 

activate tensorflow
jupyter notebook

In Jupyter Notebook unter New ein Python 3 Notebook starten

in den erste Zeile tippen: 

import tensorflow as tf; print(tf.__version__)

wenn die Versionsnr. angezeigt wird ist das Environement fertiggestellt

Install Jupyter & Tensorflow on Mac

Download & Install anaconda 

https://www.anaconda.com/download/

Update Anaconda.

Open Terminal and type 

conda update conda
conda update --all

Derzeit bietet Anaconda seine Version mit Python 3.7 zum Download bereit, d.h. wir müssen Python downgraden mit: 

conda install python=3.6

nachsehen ob auch wirklich die version 3.6 installiert wurde: 

python --version

PIP installieren 

conda install pip

PIP upgraden 

pip install --upgrade pip

Tensorflow installieren 

pip install --upgrade tensorflow

Keras installieren# 

pip install Keras

im Terminal type, um ein jupyter notebook zu starten in dem sich tensorflow code ausführen lässt: 

jupyter notebook

Jupyter startet...:

In Jupyter Notebook unter New ein Python 3 Notebook starten

in den erste Zeile tippen: 

import tensorflow as tf; print(tf.__version__)

wenn die Versionsnr. angezeigt wird ist das Environement fertiggestellt

GPU-Erweiterung on Ubuntu

auf einem System auf dem noch nicht Anaconda etc. vorinstalliert ist. 

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install python3-pip python3-dev



sudo apt-get install build-essential cmake git

sudo apt-get install libopenblas-dev 

sudo apt-get install liblapack-dev

sudo apt-get install python-numpy python-scipy python-matplotlib

sudo apt-get install libhdf5-serial-dev python-h5py

sudo apt-get install graphviz

sudo pip3 install pydot-ng

sudo apt-get install python-opencv


CUDA downloaden:

https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu

CUDA-Version für 17.04 auswählen (funktioniert auch für Ubuntu 18.04) 

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb

sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub

sudo apt-get update

sudo apt-get install cuda

cuda dir: /usr/local/cuda-9.0
cuDNN >= 7.2
https://developer.nvidia.com/cudnn

sudo dpkg -i libcudnn7_7.4.1.5-1+cuda9.0_amd64.deb

sudo pip3 install tensorflow-gpu

verify: 

python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"

output: 

2018-12-11 17:19:43.988326: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this 
TensorFlow binary was not compiled to use: AVX2 FMA
2018-12-11 17:19:44.075230: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:964] successful NUMA node read from SysFS had 
negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2018-12-11 17:19:44.075916: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties: 
name: GeForce GTX 960M major: 5 minor: 0 memoryClockRate(GHz): 1.176
pciBusID: 0000:01:00.0
totalMemory: 1.96GiB freeMemory: 1.72GiB
2018-12-11 17:19:44.075953: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2018-12-11 17:22:28.528023: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with 
strength 1 edge matrix:
2018-12-11 17:22:28.528065: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0 
2018-12-11 17:22:28.528072: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N 
2018-12-11 17:22:28.528250: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device 
(/job:localhost/replica:0/task:0/device:GPU:0 with 1477 MB memory) -> physical GPU (device: 0, name: GeForce GTX 960M, pci bus 
id: 0000:01:00.0, compute capability: 5.0)
tf.Tensor(-253.9591, shape=(), dtype=float32)

sudo pip3 install keras

sudo python3 -m pip install jupyter

Cheat-Sheets

Jupyter Notebook & IPython (OnePager) https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Jupyter_Notebook_Cheat_Sheet.pdf
Jupyter & IPython (detailled) http://get.treasuredata.com/rs/714-XIJ-402/images/TD_Jupyter%20Notebook%20Cheatsheet_V1%281%29%20%281%29.pdf
Jupyter Notebook (Shortcuts) https://ugoproto.github.io/ugo_py_doc/weidadeyue_jupyter-notebook.pdf
Conda https://ugoproto.github.io/ugo_py_doc/conda-cheatsheet.pdf
Python Beginner Cheat Sheet https://github.com/ehmatthes/pcc/releases/download/v1.0.0/beginners_python_cheat_sheet_pcc_all.pdf
Markdown Syntax https://help.github.com/articles/basic-writing-and-formatting-syntax/
Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463
Mediawiki Syntax interner Link: Cheet-sheet
Keras CheatSheet https://tanthiamhuat.files.wordpress.com/2018/04/deeplearningwithkeras.pdf

Art & Society

KünstlerInnen/Kollektive

Kunstwerke / Projekte

Ausstellungen

past

upcoming

Talks / Festivals / Workshops / Konferenzen

Ambient Revolts << HOW CAN WE RETHINK POLITICAL AGENCY IN AN AI-DRIVEN WORLD?

AIR / Wettbewerbe

Anwendungen, Datasets etc.

News, Artikel etc.

Links/HowTo's

Markdown

Python

social bots/chatbots

Video/Graphics

Sound

Literature

Poetry

AI Poems

Code Poetry (with Python)

Robotics

Mensch/Maschine

intelligente Videoüberwachung

Abgerufen von „https://exmediawiki.khm.de/index.php?title=Einführung_in_die_Programmierung_künstlicher_Intelligenzen&oldid=885“