Lisi o Mataupu[Natia][Fa'aali]
I tausaga talu ai nei, o fesoʻotaʻiga neural ua faʻatupulaia i le lauiloa talu ai ua faʻaalia le matua lelei i le tele o galuega.
Ua faʻaalia o se filifiliga sili mo ata ma faʻalogo leo, faʻaogaina gagana masani, ma e oʻo lava i le taʻalo i taʻaloga faigata e pei o le Go ma le chess.
I lenei pou, o le a ou savalia oe i le faagasologa atoa o le aoaoina o se neural network. O le a ou taʻua ma faʻamatalaina laasaga uma e aʻoaʻo ai se neural network.
E ui o le a ou alu i luga o laasaga ou te manaʻo e faʻaopoopo se faʻataʻitaʻiga faigofie ina ia mautinoa o loʻo i ai foi se faʻataʻitaʻiga aoga.
O lea, sau, ma tatou aʻoaʻo pe faʻafefea ona faʻaogaina neural networks
Tatou amata faigofie ma fesili po o le a fesoʻotaiga i tua i le mea muamua.
O le a tonu ia Neural Networks?
Neural networks o komipiuta komipiuta e faʻatusaina le gaioiga o le faiʻai o le tagata. E mafai ona latou aʻoaʻoina mai le tele o voluma o faʻamaumauga ma vaʻaia mamanu e ono faigata ai ona iloa e tagata.
Neural networks ua faatupulaia i le lauiloa i tausaga talu ai ona o lo latou gafatia i galuega e pei o ata ma le faʻalogo leo, faʻaogaina o le gagana masani, ma faʻataʻitaʻiga faʻataʻitaʻiga.
I le aotelega, o fesoʻotaʻiga neural o se meafaigaluega malosi mo le tele o faʻaoga ma maua le avanoa e suia ai le auala tatou te faʻaogaina ai le tele o galuega.
Aiseā e Tatau Ona Tatou Iloa ai e uiga ia i Latou?
O le malamalama i neural networks e taua tele ona ua latou taʻitaʻia ai suʻesuʻega i le tele o matāʻupu, e aofia ai le vaʻaia komepiuta, faʻalauiloaina o tautalaga, ma le faʻaogaina o gagana masani.
Neural networks, mo se faʻataʻitaʻiga, o loʻo i le fatu o atinaʻe lata mai i taavale faʻataʻavale a le tagata lava ia, auaunaga faʻaliliu otometi, ma e oʻo lava i suʻesuʻega faafomaʻi.
O le malamalama i le fa'aogaina o feso'ota'iga neural ma pe fa'apefea ona mamanuina e fesoasoani ia i tatou e fausia ni fa'aoga fou ma fa'agasolo. Ma, masalo, e mafai ona oʻo atu ai i ni suʻesuʻega sili atu i le lumanaʻi.
Se Fa'amatalaga e uiga i le A'oa'oga
E pei ona ou fai atu i luga, ou te fia faʻamatalaina laasaga o le aʻoaʻoina o se neural network e ala i le tuʻuina atu o se faʻataʻitaʻiga. Ina ia faia lenei mea, e tatau ona tatou talanoa e uiga i le MNIST dataset. O se filifiliga lauiloa mo tagata amata e manaʻo e amata i neural networks.
O le MNIST o se fa'apuupuuga e tu mo Modified National Institute of Standards and Technology. O se fa'amaumauga numera tusilima e masani ona fa'aoga mo a'oa'oga ma su'ega fa'ata'ita'iga a'oa'oga masini, aemaise lava feso'ota'iga neural.
O le aoina o lo'o i ai 70,000 ata lanu efuefu o numera tusilima mai le 0 i le 9.
O le MNIST dataset o se faʻailoga lauiloa mo fa'avasegaga ata galuega. E masani ona faʻaaogaina mo le aʻoaʻoina ma le aʻoaʻoina talu ai e laʻititi ma faigofie ona taulimaina aʻo avea ma luʻitau faigata mo masini aʻoaʻoga algorithms e tali.
Ole fa'amaumauga a le MNIST o lo'o lagolagoina e le tele o auivi a'oa'oga masini ma faletusi, e aofia ai TensorFlow, Keras, ma PyTorch.
O lea ua tatou iloa e uiga i le MNIST dataset, tatou amata i la tatou laasaga o le aoaoina o se neural network.
Laasaga Autu e Fa'aa'oa'o ai se Neural Network
Auina mai Faletusi Manaomia
I le taimi muamua e amata ai le aʻoaʻoina o se fesoʻotaʻiga neural, e taua tele le i ai o meafaigaluega manaʻomia e mamanuina ma aʻoaʻo ai le faʻataʻitaʻiga. O le laasaga muamua i le fatuina o se neural network o le faʻaulufale mai lea o faletusi manaʻomia e pei o TensorFlow, Keras, ma NumPy.
O nei faletusi e fai ma poloka faufale mo le atinaʻeina o fesoʻotaʻiga neural ma tuʻuina atu gafatia taua. O le tuʻufaʻatasia o nei faletusi e mafai ai ona fausia ni mamanu fesoʻotaʻiga neural faʻapitoa ma aʻoaʻoga vave.
E amata ai la tatou faataitaiga; matou te fa'aulufale mai faletusi mana'omia, lea e aofia ai TensorFlow, Keras, ma NumPy. TensorFlow o se fa'avae a'oa'oga o masini fa'apitoa, Keras o se API feso'ota'iga neural maualuga, ma NumPy o se faletusi Python fa'akomepiuta numera.
import tensorflow as tf
from tensorflow import keras
import numpy as np
Tu'u le Fa'amaumauga
Ua tatau nei ona uta le fa'amaumauga. O le faʻamaumauga o le seti o faʻamaumauga o le a aʻoaʻoina ai le neural network. Atonu o so'o se ituaiga fa'amaumauga, e aofia ai ata, leo, ma tusitusiga.
E taua tele le vaevae o faʻamaumauga i ni vaega se lua: tasi mo le aʻoaʻoina o le neural network ma le isi mo le iloiloina o le saʻo o le faʻataʻitaʻiga aʻoaʻoina. Ole tele o faletusi, e aofia ai TensorFlow, Keras, ma PyTorch, e mafai ona fa'aoga e fa'aulufale mai ai fa'amaumauga.
Mo la matou faʻataʻitaʻiga, matou te faʻaaogaina foi Keras e utaina ai le MNIST dataset. E 60,000 ata fa'aa'oa'oga ma 10,000 ata su'ega i fa'amaumauga.
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
Fa'agasolo Fa'amatalaga
O le fa'agaioia o fa'amaumauga ose la'asaga taua i le a'oa'oina o se neural network. E mana'omia ai le tapenaina ma le fa'amamāina o fa'amaumauga a'o le'i fafaga i totonu ole neural network.
Fa'aliga tau pika, fa'avasegaina fa'amaumauga, ma le fa'aliliuina o fa'ailoga i le tasi-vevela fa'aliliuga o ni fa'ata'ita'iga o faiga muamua. O nei faiga e fesoasoani i le neural network i le aʻoaʻoina lelei ma saʻo.
O le mua'i fa'agaioia o fa'amaumauga e mafai fo'i ona fesoasoani i le fa'aitiitia o le fa'apipi'iina ma fa'aleleia le fa'atinoga o feso'ota'iga neural.
E tatau ona e mua'i fa'agasolo fa'amaumauga a'o le'i a'oa'oina le neural network. E aofia ai le suia o faʻailoga i le tasi-vevela faʻasologa ma faʻateleina le tau pika i le va o le 0 ma le 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)
Fa'amatala le Fa'ata'ita'iga
O le faʻagasologa o le faʻamalamalamaina o le faʻataʻitaʻiga o fesoʻotaʻiga neural e aofia ai le faʻavaeina o lona fausaga, e pei o le numera o laulau, numera o neu i le laulau, faʻagaioiga galuega, ma le ituaiga fesoʻotaʻiga (feedforward, recurrent, or convolutional).
O le neural network design e te fa'aogaina e fa'atatau i le ituaiga fa'afitauli o lo'o e taumafai e fo'ia. E mafai ona fesoasoani se mamanu o feso'ota'iga neural fa'amalamalama lelei i le a'oa'oina o feso'ota'iga neural e ala i le fa'aleleia atili ma le sa'o.
Ua oʻo i le taimi e faʻamatala ai le faʻataʻitaʻiga neural network i le taimi nei. Faʻaaoga se faʻataʻitaʻiga faigofie ma ni laupepa natia se lua, e taʻitasi ma 128 neurons, ma se faʻapipiʻi mea e maua ai le softmax, lea e 10 neu, mo lenei faʻataʻitaʻiga.
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')
])
Fa'atasi le Fa'ata'ita'iga
Ole galuega gau, fa'asilisili, ma fua fa'atatau e tatau ona fa'ama'oti ile taimi ole fa'ata'ita'iga o feso'ota'iga neural. O le mafaia e le neural network e va'ai sa'o le gaioiga e fuaina i le galuega leiloa.
Ina ia faʻateleina le saʻo o fesoʻotaʻiga neural i le taimi o toleniga, e faʻaleleia e le tagata sili ona mamafa ona mamafa. O le aoga o le neural network i le taimi o aʻoaʻoga e fuaina i le faʻaaogaina o metrics. E tatau ona faia le faʻataʻitaʻiga aʻo leʻi mafai ona aʻoaʻoina le neural network.
I la tatou faʻataʻitaʻiga, e tatau ona tatou fausia nei le faʻataʻitaʻiga.
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
Aoao le Fa'ata'ita'iga
O le tu'uina atu o fa'amaumauga ua saunia e ala i le feso'ota'iga neural a'o suia le mamafa o feso'ota'iga e fa'aitiitia ai le galuega gau e ta'ua o le a'oa'oina o le neural network.
O faʻamaumauga faʻamaonia e faʻaaogaina e faʻataʻitaʻi ai le neural network i le taimi o aʻoaʻoga e siaki ai lona aoga ma puipuia ai le ova. O le fa'agasologa o a'oa'oga e mafai ona umi se taimi, o lea e taua ai le fa'amautinoaina o feso'ota'iga neural o lo'o a'oa'oina lelei e puipuia ai le fa'aletonu.
Faʻaaogaina faʻamatalaga aʻoaʻoga, e mafai nei ona matou aʻoaʻoina le faʻataʻitaʻiga. Ina ia faia lenei mea, e tatau ona tatou faʻamalamalamaina le aofaʻi o le vaega (o le numera o faʻataʻitaʻiga na faʻatautaia aʻo leʻi faʻafouina le faʻataʻitaʻiga) ma le numera o taimi (le numera o toe fai i luga o le faʻamaumauga atoa).
model.fit(train_images, train_labels, epochs=10, batch_size=32)
Iloiloina o le Fa'ata'ita'iga
O le su'eina o le fa'atinoga o feso'ota'iga neural i luga o fa'amaumauga o su'ega o le fa'agasologa lea o le iloiloina. I lenei laʻasaga, o loʻo faʻaaogaina le fesoʻotaʻiga neural aʻoaʻoina e faʻatautaia ai faʻamaumauga o suʻega, ma iloilo le saʻo.
O le a le lelei o se feso'ota'iga neural e mafai ona valoia le i'uga sa'o mai fa'amaumauga fou, e le'i fa'ata'ita'iina o se fua lea o lona sa'o. O le su'esu'eina o le fa'ata'ita'iga e mafai ona fesoasoani e iloa ai le lelei o le feso'ota'iga neural ma fa'ailoa mai fo'i ni auala e fa'aleleia atili ai.
E mafai mulimuli ane ona tatou iloiloina le fa'atinoga o le fa'ata'ita'iga e fa'aaoga ai fa'amaumauga o su'ega pe a uma a'oa'oga.
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)
Pau lava lena! Na matou a'oa'oina se feso'ota'iga neural e su'e numera o lo'o i le fa'amaumauga a le MNIST.
Mai le saunia o faʻamaumauga i le iloiloga o le aoga o le faʻataʻitaʻiga aʻoaʻoina, o le aʻoaʻoina o se neural network e aofia ai le tele o faiga. O nei fa'atonuga e fesoasoani i tagata fou i le fau lelei ma le a'oa'oina o feso'otaiga neural.
O tagata amata o loʻo manaʻo e faʻaoga neural networks e foia ai faʻafitauli eseese e mafai ona faia e ala i le mulimuli i nei faʻatonuga.
Va'aiga i le Fa'ata'ita'iga
Sei o tatou taumafai e vaai faalemafaufau i mea na tatou faia i lenei faataitaiga e malamalama atili ai.
O le pusa Matplotlib o loʻo faʻaogaina i lenei snippet code e faʻapipiʻi ai se filifiliga faʻafuaseʻi o ata mai le faʻamaumauga o aʻoaʻoga. Muamua, matou te faʻaulufaleina le "pyplot" module a Matplotlib ma faʻaigoaina o le "plt". Ma, faʻatasi ai ma le aofaʻi atoa o le 10 i le 10 inisi, matou te faia se ata ma laina 5 ma 5 koluma o subplots.
Ona, matou fa'aogaina lea o le fa'aoga mo le matasele e fa'asolosolo i luga o vaega laiti, fa'aalia se ata mai le fa'amaumauga o a'oa'oga i mea ta'itasi. Ina ia faʻaalia le ata, o loʻo faʻaogaina le "imshow", faʻatasi ai ma le "cmap" filifiliga ua seti i le 'gray' e faʻaalia ai ata i le lanu efuefu. O le ulutala o vaega laiti ta'itasi o lo'o tu'u fo'i i le fa'ailoga o le ata fa'atasi i le aoina.
Mulimuli ane, matou te faʻaogaina le "faʻaalia" galuega e faʻaalia ai ata faʻatulagaina i le ata. O lenei galuega e mafai ai ona tatou vaʻavaʻai i se faʻataʻitaʻiga o ata mai faʻamaumauga, lea e mafai ona fesoasoani i lo tatou malamalama i faʻamatalaga ma le faʻamaonia o soʻo se popolega e ono tupu.
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()
Fa'ata'ita'iga Taua Neural Network
- Feedforward Neural Networks (FFNN): O se ituaiga faigofie o fesoʻotaʻiga neural lea e alu ai faʻamatalaga i se auala e tasi, mai le faʻapipiʻi faʻapipiʻi i le faʻapipiʻi faʻapipiʻi e ala i le tasi poʻo le sili atu o laupepa natia.
- Convolutional Neural Networks (CNN): O se fesoʻotaʻiga neural e masani ona faʻaaogaina i le suʻeina o ata ma le gaioiga. CNNs ua faʻamoemoe e iloa ma aveese faʻapitoa mai ata.
- Feso'ota'iga Neural faifaipea (RNN): O se fesoʻotaʻiga neural e masani ona faʻaaogaina i le suʻeina o ata ma le gaioiga. CNNs ua faʻamoemoe e iloa ma aveese faʻapitoa mai ata.
- Feso'ota'iga mo taimi pupuu umi (LSTM): O se ituaiga RNN na faia e foia ai le mataupu o le mou atu gradients i RNN masani. O fa'alagolago umi i fa'amaumauga fa'asologa e mafai ona sili atu ona pu'eina i LSTMs.
- Autoencoders: O feso'ota'iga neural a'oa'oina e le'i va'aia lea e a'oa'oina ai le feso'ota'iga e toe fa'afo'i ana fa'amaumauga tu'ufa'atasi i lona fa'aputuga. Fa'amauina fa'amaumauga, su'esu'ega fa'aletonu, ma le fa'ate'aina o ata e mafai ona fa'ataunu'uina uma i le autoencoders.
- Feso'ota'iga Fa'atupu Fa'alavelave (GAN): Ole feso'ota'iga neural generative ose ituaiga o feso'ota'iga neural o lo'o a'oa'oina e maua mai ai fa'amatalaga fou e fa'atusatusa i se fa'amaumauga a'oa'oga. O GANs e faia i fesoʻotaʻiga e lua: o fesoʻotaʻiga afi e fatuina ai faʻamatalaga fou ma se fesoʻotaʻiga faʻaituau e iloilo ai le lelei o faʻamaumauga na faia.
Fa'ai'u, O a La'asaga e Tatau Ona I Ai?
Saili nisi punaoa i luga ole laiga ma kosi e aoao atili ai e uiga i le aoaoina o se neural network. O le galue i luga o poloketi poʻo faʻataʻitaʻiga o se tasi lea o auala e maua ai se malamalama sili atu i neural networks.
Amata i faʻataʻitaʻiga faigofie e pei o faʻafitauli faʻavasegaina poʻo galuega faʻavasega ata, ona alu lea i galuega sili atu ona faigata e pei o le faʻaogaina o gagana masani poʻo aʻoaʻoga faʻamalosi.
O le galue i poloketi e fesoasoani ia te oe e maua ai le poto masani ma faʻaleleia au tomai faʻaaʻoaʻoga neural network.
E mafai fo'i ona e auai i le a'oa'oina o masini i luga ole laiga ma kulupu feso'otaiga neural ma fa'asalalauga e fegalegaleai ai ma isi tagata a'oa'o ma fa'apolofesa, fa'asoa lau galuega, ma maua fa'amatalaga ma fesoasoani.
LSRS MONRAD-KROHN
⁶ĵE fia va'ai i le polokalame python mo le fa'aitiitia o mea sese. Nodes filifilia fa'apitoa mo suiga o le mamafa i le isi vaega