NOVA Vision Engine
Was bauen wir hier eigentlich?
Du verstehst, warum NOVA jetzt eine eigene Bild-Engine bekommt, was from scratch bedeutet und warum ein Datensatz kein Modell ist.
15.1 NOVA bekommt einen neuen Sinn: Sehen
NOVA bekommt einen neuen Sinn: Sehen
Bis hierhin hast du gelernt, was KI, Machine Learning, Neuronen, CNNs, GPUs, Transformer, LLMs und RAG sind. Jetzt verbinden wir diese Theorie mit dem, was wir im AI-Lab wirklich gebaut haben.
NOVA soll nicht nur Texte speichern oder Fragen beantworten. NOVA soll auch lernen, Bilder zu unterscheiden. DafĂźr bauen wir eine eigene Vision-Engine.
Wichtig: Diese Vision-Engine ist nicht einfach ein fertiges Modell aus dem Internet. Sie startet mit zufälligen Gewichten. Sie bekommt Trainingsbilder. Sie macht Fehler. Sie korrigiert ihre Gewichte. Genau dadurch entsteht der Lernprozess.
- â˘NOVA bekommt ein Bild als Zahlen-Tensor.
- â˘NovaVisionNet berechnet daraus Merkmale.
- â˘Am Ende entstehen Scores fĂźr Klassen wie cat, dog, car oder truck.
- â˘Training verändert die Gewichte, damit richtige Klassen wahrscheinlicher werden.
- â˘Ein Checkpoint speichert den gelernten Zustand lokal.
- â˘Kapitel 1: Daten, Labels und Training werden jetzt praktisch.
- â˘Kapitel 2: Neuronen werden jetzt zu Millionen Parametern.
- â˘Kapitel 5: Loss, Fehler und Generalisierung werden messbar.
- â˘Kapitel 6: CNNs werden jetzt als echte NOVA-Architektur verwendet.
- â˘Kapitel 7: CUDA und GPU sind nicht mehr Theorie, sondern Trainingsmotor.
NOVA Energie-Log
RTX-Verbrauch
NOVA schätzt hier, wie viel GPU-Energie deine Bildanalyse- und CUDA-Läufe bisher ungefähr verbraucht haben.
Lade Energie-Daten...