Ọ bụ ihe na-emesi obi ike ịmara na anyị jisiri ike were ikike ebumpụta ụwa anyị mụta ihe site na ịmaatụ na ịghọta gburugburu ha. Ihe ịma aka bụ isi bụ ndị na-akụziri kọmputa 'ịhụ' ka ụmụ mmadụ ga-achọkwu oge na mgbalị.
Agbanyeghị, mgbe anyị tụlere uru bara uru nka nka na-enye ndị otu na ụlọ ọrụ ugbu a, mbọ a bara uru. N'ime edemede a, ị ga-amụta maka nhazi ihe onyonyo, ka o si arụ ọrụ, yana mmejuputa ya bara uru. Ka anyị malite.
Kedu ihe bụ nhazi onyonyo?
Ọrụ inye ihe onyonyo n'ime a neural network na inwe ya ka o wepụta ụfọdụ ụdị akara maka foto ahụ ka amara dị ka njirimara onyonyo. Labelụ mmepụta netwọk ga-adaba na klaasị ebugoro ụzọ kọwaa.
Enwere ike inwe ọtụtụ klas ekenyere na foto a, ma ọ bụ naanị otu. Mgbe enwere naanị otu klaasị, a na-ejikarị okwu ahụ bụ "nghọta" eme ihe, ebe enwere ọtụtụ klaasị, a na-ejikarị okwu ahụ bụ "nhazi" eme ihe.
Nchọpụta ihe bụ akụkụ nke nhazi foto nke achọpụtara ihe ụfọdụ dị ka ndị nke klaasị enyere dịka anụmanụ, ụgbọ ala, ma ọ bụ mmadụ.
Kedu ka nhazi onyonyo si arụ ọrụ?
A na-enyocha onyonyo n'ụdị pikselụ site na kọmpụta. Ọ na-emezu nke a site n'ịgwọ foto dị ka nchịkọta nke matrices, nke a na-ekpebi nha ya site na mkpebi oyiyi. N'ikwu ya n'ụzọ dị mfe, nhazi foto bụ ọmụmụ nke data statistical na-eji algọridim sitere na kọmputa.
A na-eme nkewa onyonyo na nhazi onyonyo dijitalụ site n'ịchịkọta pikselụ n'ime otu eburu ụzọ kpebie, ma ọ bụ "klas." Algọridim na-ekewa onyonyo a n'usoro nke njirimara kwesịrị ịrịba ama, nke na-ebelata ibu maka nhazi ọkwa ikpeazụ.
Àgwà ndị a na-eme ka onye nhazi ọkwa ihe gbasara ihe onyonyo a pụtara yana nhazi ọkwa. N'ihi na usoro ndị ọzọ na nkewa foto na-adabere na ya, usoro mmịpụta njirimara bụ akụkụ kachasị mkpa.
The data nyere na algọridim dịkwa oke mkpa na nhazi onyonyo, ọkachasị nhazi ọkwa na-elekọta. N'ịtụnyere nnukwu dataset dị egwu nwere ahaghị nhata data dabere na klaasị na obere onyonyo na ogo nkọwa, nhazi data nhazi nke ọma na-arụ ọrụ nke ọma.
Nhazi onyonyo site na iji Tensorflow & Keras na Python
Anyị ga-eji CIFAR-10 dataset (nke gụnyere ụgbọ elu, ụgbọ elu, nnụnụ, na ihe 7 ndị ọzọ).
1. Ịwụnye chọrọ
Koodu dị n'okpuru ga-etinye ihe niile achọrọ.
2. Mbubata dabere
Mepụta faịlụ train.py na Python. Koodu dị n'okpuru ga-ebubata ịdabere na Tensorflow na Keras.
3. Ịmalite paramita
CIFAR-10 gụnyere naanị ụdị eserese 10, yabụ na klas ọnụọgụ na-ezo aka na ọnụọgụ nke edemede iji wepụta.
4. Na-ebunye dataset
Ọrụ ahụ na-eji modul Tensorflow Datasets iji buo dataset ahụ, anyị na-ejikwa ozi na-edobe eziokwu iji nweta ụfọdụ ozi gbasara ya. Ị nwere ike ibipụta ya ka ịhụ ihe ubi na ụkpụrụ ha bụ, anyị ga-eji ozi ahụ weghachi ọnụ ọgụgụ nke samples na ọzụzụ na ule tent.
5. Ịmepụta ihe nlereanya
Ugbu a, anyị ga-ewu akwa atọ, nke ọ bụla nwere ConvNets abụọ nwere ọrụ max-pooling na ReLU, na-esote sistemu 1024-unit jikọtara nke ọma. N'ịtụnyere ResNet50 ma ọ bụ Xception, nke bụ ụdị ọgbara ọhụrụ, nke a nwere ike ịbụ obere ihe atụ.
6. Ịzụ ihe nlereanya
Eji m Tensorboard tụọ izi ezi na mfu na oge ọ bụla wee nye anyị ngosipụta mara mma mgbe m bubata data na imepụta ihe nlereanya ahụ. Gbaa koodu na-esonụ; dabere na CPU/GPU gị, ọzụzụ ga-ewe ọtụtụ nkeji.
Iji jiri tensorboard, pịnye naanị iwu na-esonụ na njedebe ma ọ bụ iwu ozugbo na ndekọ aha ugbu a:
Ị ga-ahụ na mfu nkwado na-ebelata ma izi ezi na-arị elu ruo ihe dịka 81%. Nke ahụ dị egwu!
Nlele ihe nlere
Mgbe ọzụzụ ahụ gwụchara, a na-echekwa ihe nlereanya ikpeazụ na ihe dị arọ na folda nsonaazụ, na-enye anyị ohere ịzụ otu ugboro ma kwuo amụma mgbe ọ bụla anyị họọrọ. Soro koodu a na faịlụ Python ọhụrụ aha ya bụ test.py.
7. Ịbubata akụrụngwa maka ule
8. Ime akwụkwọ ndekọ aha
Mee akwụkwọ ọkọwa okwu Python nke tụgharịrị uru integer ọ bụla gaa na akara dataset kwesịrị ekwesị:
9. Na-ebunye data ule & ihe nlereanya
Koodu na-esonụ ga-ebuba data ule na ihe nlereanya.
10. Nyocha & amụma
Koodu na-esote ga-enyocha ma buru amụma na onyonyo frog.
11. Nsonaazụ
Ihe nlereanya ahụ buru amụma amụma na 80.62% ziri ezi.
mmechi
Ọ dị mma, anyị emechaala nkuzi a. Ọ bụ ezie na 80.62% adịghị mma maka obere CNN, ana m adụ gị ọdụ ka ị gbanwee ihe nlereanya ahụ ma ọ bụ lelee ResNet50, Xception, ma ọ bụ ụdị ndị ọzọ na-egbu egbu maka nsonaazụ kacha mma.
Ugbu a ị wulitela netwọkụ njirimara onyonyo izizi gị na Keras, ị ga-anwale ihe nlere ahụ iji chọpụta etu paramita dị iche iche si emetụta arụmọrụ ya.
Nkume a-aza