Ripanga o Ihirangi[Huna][Whakaatu]
I nga tau tata nei, kua piki te rongonui o nga whatunga neural na te mea kua kitea he tino pai ki te whānuitanga o nga mahi.
Kua whakaatuhia he pai rawa atu mo te mohio ki te ahua me te ororongo, te tukatuka reo maori, tae atu ki te takaro i nga keemu uaua penei i te Haere me te chess.
I roto i tenei pou, ka haere ahau ki a koe i roto i nga mahi whakangungu katoa o te whatunga neural. Ka whakahuahia, ka whakamaramatia e au nga mahi katoa hei whakangungu i te whatunga neural.
Ahakoa ka haere ahau ki runga i nga hikoinga ka hiahia ahau ki te taapiri i tetahi tauira ngawari kia mohio kei reira ano he tauira whaihua.
Na, haere mai, kia ako tatou me pehea te tukatuka i nga whatunga neural
Me timata maatau ka patai he aha te ahunga taiao i te waahi tuatahi.
He aha nga Whatunga Neural?
Ko nga whatunga neural he rorohiko rorohiko e whakataurite ana i te mahi a te roro tangata. Ka taea e ratou te ako mai i te maha o nga raraunga me nga tauira ka kitea he uaua ki te kitea e te tangata.
Kua piki te rongonui o nga whatunga neural i roto i nga tau tata nei, na te kaha o te mohio ki nga mahi penei i te pikitia me te ororongo, te tukatuka reo maori, me te whakatauira matapae.
I roto i te katoa, ko nga whatunga neural he taputapu kaha mo te whānuitanga o nga tono me te whai waahi ki te whakarereke i te huarahi e whakatata atu ai tatou ki nga momo mahi.
He aha tatou e mohio ai mo ratou?
He mea tino nui te maarama ki nga whatunga neural na te mea kua puta mai nga kitenga i roto i nga momo mara, tae atu ki te tirohanga rorohiko, te mohio korero, me te tukatuka reo maori.
Ko nga whatunga neural, hei tauira, kei te ngakau o nga whanaketanga hou i roto i nga motuka taraiwa-whaiaro, nga ratonga whakamaori aunoa, tae atu ki nga whakamatautau rongoa.
Ma te mohio ki te mahi o nga whatunga neural me pehea te hoahoa i aua mea ka awhina tatou ki te hanga tono hou me te whakaaro. A, pea, tera pea ka nui ake nga kitenga a muri ake nei.
He Panui Mo te Akoranga
Ka rite ki taku korero i runga ake nei, e hiahia ana ahau ki te whakamarama i nga hikoinga o te whakangungu i te whatunga neural ma te tuku tauira. Ki te mahi i tenei, me korero tatou mo te huingararaunga MNIST. He whiringa rongonui mo te hunga timata e hiahia ana ki te tiimata me nga whatunga neural.
Ko te MNIST he acronym e tu ana mo Modified National Institute of Standards and Technology. He huingararaunga mati tuhi-a-ringa e whakamahia nuitia ana mo te whakangungu me te whakamatautau i nga tauira ako miihini, ara ko nga whatunga neural.
Kei roto i te kohinga 70,000 nga whakaahua kirikiri o nga nama tuhi-a-ringa mai i te 0 ki te 9.
Ko te huingararaunga MNIST he tohu tohu rongonui mo whakarōpū whakaahua nga mahi. He maha nga wa e whakamahia ana mo te whakaako me te ako na te mea he totika me te ngawari ki te whakahaere i te waa he wero uaua mo nga miihini ako miihini ki te whakautu.
Ko te huingararaunga MNIST e tautokohia ana e te maha o nga anga ako miihini me nga whare pukapuka, tae atu ki a TensorFlow, Keras, me PyTorch.
Inaianei kua mohio tatou mo te huingararaunga MNIST, me timata taatau ki te whakangungu i te whatunga neural.
Nga Tikanga Ake ki te Whakangungu i te Whatunga Neural
Kawemai i nga Whare Pukapuka e hiahiatia ana
I te wa tuatahi ka timata ki te whakangungu i te whatunga neural, he mea nui kia mau nga taputapu hei hoahoa me te whakangungu i te tauira. Ko te mahi tuatahi mo te hanga whatunga neural ko te kawemai i nga whare pukapuka e hiahiatia ana penei i a TensorFlow, Keras, me NumPy.
Ka noho enei whare pukapuka hei poraka hangahanga mo te whakawhanaketanga o te whatunga neural me te whakarato i nga tino kaha. Ko te huinga o enei whare pukapuka ka taea te hanga i nga hoahoa whatunga neural matatau me te whakangungu tere.
No te haamata i to tatou hi‘oraa; ka kawemai matou i nga whare pukapuka e hiahiatia ana, kei roto ko TensorFlow, Keras, me NumPy. TensorFlow he anga ako miihini puna tuwhera, he API whatunga neural taumata teitei a Keras, a ko NumPy he whare pukapuka Python rorohiko rorohiko.
import tensorflow as tf
from tensorflow import keras
import numpy as np
Utaina te Raraunga Raraunga
Me utaina te huingararaunga. Ko te huinga raraunga ko te huinga o nga raraunga ka whakangunguhia te whatunga neural. He momo raraunga pea tenei, tae atu ki nga whakaahua, ororongo me nga tuhinga.
He mea nui kia wehea te huingararaunga kia rua nga wahanga: tetahi mo te whakangungu i te whatunga neural me tetahi mo te aromatawai i te tika o te tauira kua whakangungua. He maha nga whare pukapuka, tae atu ki a TensorFlow, Keras, me PyTorch, ka taea te whakamahi hei kawemai i te huingararaunga.
Mo ta maatau tauira, ka whakamahia ano e matou a Keras ki te uta i te huingararaunga MNIST. E 60,000 nga whakaahua whakangungu me te 10,000 nga whakaahua whakamatautau kei roto i te huingararaunga.
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
Tukatukahia te Raraunga
Ko te tukatuka raraunga he waahi nui ki te whakangungu i te whatunga neural. Ko te whakarite me te horoi i nga raraunga i mua i te whangai ki te whatunga neural.
Ko te tauine i nga uara pika, te whakarite raraunga, me te huri i nga tapanga ki te whakawaehere wera kotahi he tauira o nga tikanga tukatuka o mua. Ko enei tukanga ka awhina i te whatunga neural ki te ako pai ake me te tika.
Ko te tukatuka i mua i nga raraunga ka awhina ano ki te whakaiti i te taapiri me te whakapai ake i te mahinga o te whatunga neural.
Me tukatuka e koe nga raraunga i mua i te whakangungu i te whatunga neural. Kei roto i tenei ko te huri i nga tapanga ki te whakawaehere wera-kotahi me te whakanui i nga uara pika ki waenga i te 0 me te 1.
train_images = train_images / 255.0
test_images = test_images / 255.0
train_labels = keras.utils.to_categorical(train_labels, 10)
test_labels = keras.utils.to_categorical(test_labels, 10)
Tautuhia te Tauira
Ko te tukanga o te tautuhi i te tauira whatunga neural ko te whakatuu i tona hoahoanga, penei i te maha o nga paparanga, te maha o nga neurons mo ia paparanga, nga mahi whakahohenga, me te momo whatunga (feedforward, recurrent, convolutional).
Ko te hoahoa whatunga neural e whakamahia ana e koe ma te ahua o te raru e ngana ana koe ki te whakaoti. Ka taea e te hoahoa whatunga neural kua tautuhia pai te awhina i te ako whatunga neural ma te pai ake me te tika.
Kua tae ki te wa ki te whakaahua i te tauira whatunga neural i tenei wa. Whakamahia he tauira ngawari me nga papa huna e rua, me nga neurons 128, me tetahi paparanga putanga softmax, he 10 nga neurons, mo tenei tauira.
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
Whakahiato te Tauira
Ko te mahi ngaro, te arotau, me nga inenga me tohu i te wa e whakahiato ana te tauira whatunga neural. Ko te kaha o te whatunga neural ki te matapae tika i te putanga ka tohua e te mahi ngaro.
Hei whakanui ake i te tika o te whatunga neural i te wa e whakangungu ana, ka whakarereketia e te kaihoroi ona taumahatanga. Ko te whai huatanga o te whatunga neural i te wa e whakangungu ana ka tohua ma te whakamahi i nga inenga. Me hanga te tauira i mua i te whakangungu i te whatunga neural.
I roto i ta maatau tauira, me hanga e tatou te tauira inaianei.
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
Whakangungu te Tauira
Ko te tuku i nga huingararaunga kua oti te whakarite i roto i te whatunga neural i te whakarereke i nga taumahatanga o te whatunga ki te whakaiti i te mahi ngaro e kiia ana ko te whakangungu i te whatunga neural.
Ka whakamahia te huinga raraunga whakamana hei whakamatautau i te whatunga neural i te wa e whakangungu ana ki te whai i te whai huatanga me te aukati i te taapiri. Ka roa pea te mahi whakangungu, no reira he mea nui ki te whakarite kia tika te whakangungu o te whatunga neural kia kore ai e uru.
Ma te whakamahi i nga raraunga whakangungu, ka taea e taatau te whakangungu i te tauira. Ki te mahi i tenei, me tautuhi te rahi o te puranga (te maha o nga tauira i tukatuka i mua i te whakahou i te tauira) me te maha o nga waa (te maha o nga tukurua puta noa i te huingararaunga katoa).
model.fit(train_images, train_labels, epochs=10, batch_size=32)
Te Aromatawai i te Tauira
Ko te whakamatautau i nga mahi a te whatunga neural i runga i te huingararaunga whakamatautau ko te tukanga o te arotake. I tenei wa, ka whakamahia te whatunga neural kua whakangungua ki te tukatuka i nga huingararaunga whakamatautau, ka arotakehia te tika.
He pehea te whai hua o te whatunga neural ki te matapae i te hua tika mai i nga raraunga hou, kaore ano kia whakamatauria, he ine mo tona tika. Ma te wetewete i te tauira ka awhina pea ki te whakatau i te pai o te mahi o te whatunga neural me te whakaatu huarahi kia pai ake ai.
I te mutunga ka taea e taatau te aromatawai i te mahinga o te tauira ma te whakamahi i nga raraunga whakamatautau i muri i te whakangungu.
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)
Heoi ano! I whakangungua e matou he whatunga neural kia kitea nga mati i roto i te huingararaunga MNIST.
Mai i te whakareri i nga raraunga ki te aromatawai i te whaihuatanga o te tauira kua whakangungua, he maha nga tukanga whakangungu i te whatunga neural. Ka awhina enei tohutohu i nga tauhou ki te hanga me te whakangungu i nga whatunga neural.
Ka taea e te hunga timata e hiahia ana ki te whakamahi i nga whatunga neural ki te tarai i nga momo take ka mahia ma te whai i enei tohutohu.
Te Tirohanga i te Tauira
Me ngana tatou ki te whakaata he aha ta tatou i mahi ki tenei tauira kia pai ake ai to maarama.
Ka whakamahia te kete Matplotlib i roto i tenei waahanga waehere hei tarai i te kowhiringa matapōkere o nga whakaahua mai i te huinga raraunga whakangungu. Tuatahi, ka kawemai matou i te waahanga "pyplot" a Matplotlib ka whakaingoatia hei "plt". Na, me te rahinga katoa o te 10 ki te 10 inihi, ka hangaia he ahua me nga rarangi e 5 me nga pou e 5 o nga waahi iti.
Na, ka whakamahia e matou he kohanga mo te huri ki runga i nga waahanga iti, e whakaatu ana i tetahi pikitia mai i te huingararaunga whakangungu mo ia waahanga. Hei whakaatu i te pikitia, ka whakamahia te mahi "imshow", me te kowhiringa "cmap" kua tautuhia ki te 'hina' hei whakaatu i nga whakaahua ki te tauine hina. Ko te taitara o ia waahanga iti ka tautuhia ki te tapanga o te ahua e hono ana i te kohinga.
Hei whakamutunga, ka whakamahia e matou te mahi "whakaatu" hei whakaatu i nga pikitia kua tohua i roto i te ahua. Ma tenei mahi ka taea e tatou te arotake kanohi i tetahi tauira o nga whakaahua mai i te huingararaunga, ka awhina i to maatau mohio ki nga raraunga me te tautuhi i nga awangawanga ka taea.
import matplotlib.pyplot as plt
# Plot a random sample of images
fig, axes = plt.subplots(nrows=5, ncols=5, figsize=(10,10))
for i, ax in enumerate(axes.flat):
ax.imshow(train_images[i], cmap='gray')
ax.set_title(f"Label: {train_labels[i].argmax()}")
ax.axis('off')
plt.show()
Nga Tauira Neural Network Hiranga
- Whatunga Neural Feedforward (FFNN): He momo whatunga neural ngawari e haere ana nga korero i te ara kotahi, mai i te paparanga whakauru ki te paparanga whakaputa ma te kotahi, neke atu ranei o nga papa huna.
- Whatunga Neural Convolutional (CNN): He whatunga neural e whakamahia nuitia ana ki te rapu whakaahua me te tukatuka. Ko nga CNN te tikanga ki te mohio me te tango aunoa i nga ahuatanga mai i nga pikitia.
- Whatunga Neural Recurrent (RNN): He whatunga neural e whakamahia nuitia ana ki te rapu whakaahua me te tukatuka. Ko nga CNN te tikanga ki te mohio me te tango aunoa i nga ahuatanga mai i nga pikitia.
- Mahara Waa-poto Roa (LSTM) Whatunga: He ahua o te RNN i hangaia hei whakaea i te take o te ngaro rōnaki i roto i nga RNN paerewa. Ka pai ake te hopu i nga whakawhirinakitanga mo te wa roa i roto i nga raraunga raupapa me nga LSTM.
- KaiwaehereAunoa: Ko te whatunga neural ako kore e tirotirohia e akohia ana te whatunga ki te whakaputa i ona raraunga whakauru ki tana paparanga whakaputa. Ko te kopeketanga o nga raraunga, ko te rapu kohiohio, me te whakakore i nga pikitia ka taea katoa ma nga kaiwhakawaehere aunoa.
- Whatunga Tauiwi Whakatupu (GAN): Ko te whatunga neural generative he ahua o te whatunga neural e whakaakona ana ki te whakaputa raraunga hou e rite ana ki te huinga raraunga whakangungu. Ko nga GAN e rua nga whatunga: he whatunga kaihanga ka hanga raraunga hou me te whatunga whakawehe e aromatawai ana i te kounga o nga raraunga i hangaia.
Whakaoti, He aha nga mahi ka whai ake?
Torotoro etahi rauemi ipurangi me nga akoranga hei ako atu mo te whakangungu i te whatunga neural. Ko te mahi i runga i nga kaupapa, i nga tauira ranei tetahi tikanga kia pai ake te maarama ki nga whatunga neural.
Me timata ki nga tauira ngawari penei i nga raru whakarōpū-rua, nga mahi whakarōpū pikitia ranei, katahi ka haere ki nga mahi uaua penei i te tukatuka reo maori, te whakapakari i te ako.
Ma te mahi kaupapa ka awhina koe ki te whai wheako tuuturu me te whakapai ake i o pukenga whakangungu whatunga neural.
Ka uru pea koe ki te ako miihini ipurangi me nga roopu whatunga neural me nga huihuinga ki te taunekeneke me etahi atu akonga me nga tohunga ngaio, tiri i o mahi, ka whiwhi korero me te awhina.
LSRS MONRAD-KROHN
⁶ĵMe kite i te papatono python mo te whakaiti hapa. Ko nga pona whiriwhiri motuhake mo nga huringa taumaha ki te paparanga e whai ake nei