Home » เทคโนโลยี » 💻 Python Colab Gemini

💻 Python Colab Gemini

By in เทคโนโลยี on

💻 Python Colab Gemini

การโปรแกรมและประยุกต์ใช้งาน Python Colab

ใช้ Gmail ในการสมัคร มีตัวอย่างและคำอธิบายดังด้านล่าง

วิดีโอสอน Python Colab

EP1 ติดตั้งและใช้งาน Google Colab | เริ่มต้นใช้งาน Google Colab
EP2 Python Variable & Operator | ตัวแปร และเครื่องหมายทางคณิตศาสตร์
EP6 ตัวดำเนินการเปรียบเทียบในภาษา Python | Comparison Operator
Colab Features | ตารางแบบอินเทอร์แอกทีฟ มุมมองประวัติโค้ด
ข้อมูลเบื้องต้นเกี่ยวกับ Colab | Introduction to Colaboratory

ระบบ Gemini คืออะไร?

ระบบ Gemini หมายถึงระบบปัญญาประดิษฐ์ (AI) ประเภทโมเดลภาษาขนาดใหญ่ (LLM) ที่ Google พัฒนาขึ้น

จุดเด่นของ Gemini:

  • ความสามารถหลากหลาย: แปลภาษา เขียนข้อความสร้างสรรค์ ตอบคำถาม วิเคราะห์ข้อมูล เขียนโค้ด
  • ความแม่นยำสูง: ผลลัพธ์ใกล้เคียงกับงานที่มนุษย์ทำ
  • ใช้งานง่าย: ผู้ใช้ทั่วไปสามารถใช้งานได้โดยไม่ต้องมีความรู้ทางเทคนิค
  • มีประสิทธิภาพ: ทำงานได้รวดเร็ว

โมเดลย่อยของ Gemini:

  • Gemini Ultra: โมเดลขนาดใหญ่ที่สุด เหมาะสำหรับงานที่ต้องการความละเอียดสูง
  • Gemini Pro: โมเดลขนาดปานกลาง เหมาะสำหรับงานทั่วไป
  • Gemini Nano: โมเดลขนาดเล็ก เหมาะสำหรับงานที่ต้องการความรวดเร็ว

Google Colab คืออะไร?

Colab หรือ “Colaboratory” ช่วยให้คุณสามารถเขียนและเรียกใช้ Python ในเบราว์เซอร์ได้ง่ายๆ

  • ✅ ไม่ต้องกำหนดค่าใดๆ
  • ✅ เข้าถึง GPU โดยไม่มีค่าใช้จ่าย
  • ✅ แชร์ได้ง่าย

ไม่ว่าคุณจะเป็น นักเรียน/นักศึกษา, นักวิทยาศาสตร์ข้อมูล, หรือ นักวิจัย AI ระบบ Colab ก็ช่วยให้งานของคุณง่ายขึ้นได้

ตัวอย่างโค้ด Python จาก Gemini

1. พิมพ์ข้อความ “Hello World!”

Python
print("Hello World!")

2. แสดงผลลัพธ์ของตัวแปร

Python
x = 10

y = "Python"

print("x =", x)

print("y =", y)

3. การคำนวณพื้นฐาน

Python
a = 5

b = 3

sum_result = a + b

difference = a - b

product = a * b

quotient = a / b

print("ผลรวม:", sum_result)

print("ผลต่าง:", difference)

print("ผลคูณ:", product)

print("ผลหาร:", quotient)

4. การใช้เงื่อนไข if-else

Python
age = 20

if age >= 18:

    print("คุณบรรลุนิติภาวะ")

else:

    print("คุณยังไม่บรรลุนิติภาวะ")

5. วนลูป for

Python
for i in range(5):

    print(i)

6. ฟังก์ชัน

Python
def say_hello():

    print("Hello!")

say_hello()

7. การอ่านไฟล์

Python
with open("myfile.txt", "r") as f:

    content = f.read()

    print(content)

8. การเขียนไฟล์

Python
with open("myfile.txt", "w") as f:

    f.write("This is a new file.")

ตัวอย่าง Deep Learning – Image Processing

Python
import tensorflow as tf

import tensorflow_hub as hub

# โหลดโมเดล

model = hub.load('https://bit.ly/metrabs_l')

# โหลดรูปภาพ

img = tf.image.decode_image(tf.io.read_file('Test220221017.jpg'))

# ตรวจจับท่าทาง

pred = model.detect_poses(img, skeleton='smpl+head_30')

print(pred['poses3d'].shape)

ฟังก์ชันแสดงผลลัพธ์

Python
def plot_results(image, pred, joint_names, joint_edges):

    import matplotlib.pyplot as plt

    from mpl_toolkits.mplot3d import Axes3D

    from matplotlib.patches import Rectangle

    fig = plt.figure(figsize=(10, 5.2))

    image_ax = fig.add_subplot(1, 2, 1)

    image_ax.imshow(image.numpy())

    for x, y, w, h, c in pred['boxes'].numpy():

        image_ax.add_patch(Rectangle((x, y), w, h, fill=False))

    pose_ax = fig.add_subplot(1, 2, 2, projection='3d')

    pose_ax.view_init(5, -75)

    pose_ax.set_xlim3d(-1500, 1500)

    pose_ax.set_zlim3d(-1500, 1500)

    pose_ax.set_ylim3d(2000, 5000)

    poses3d = pred['poses3d'].numpy()

    poses3d[..., 1], poses3d[..., 2] = poses3d[..., 2], -poses3d[..., 1]

    for pose3d, pose2d in zip(poses3d, pred['poses2d'].numpy()):

        for i_start, i_end in joint_edges:

            image_ax.plot(*zip(pose2d[i_start], pose2d[i_end]), marker='o', markersize=2)

            pose_ax.plot(*zip(pose3d[i_start], pose3d[i_end]), marker='o', markersize=2)

        image_ax.scatter(*pose2d.T, s=2)

        pose_ax.scatter(*pose3d.T, s=2)

# เรียกใช้งาน

joint_names = model.per_skeleton_joint_names['smpl+head_30'].numpy().astype(str)

joint_edges = model.per_skeleton_joint_edges['smpl+head_30'].numpy()

plot_results(img, pred, joint_names, joint_edges)

แหล่งข้อมูลเพิ่มเติม

การทำงานกับสมุดบันทึกใน Colab

การทำงานกับข้อมูล

แมชชีนเลิร์นนิง

แหล่งเรียนรู้ Python ออนไลน์

Tags: , ,