画像の分類
20790 ワード
AIは手書きを認識できますか?
ニューラルネットワーク構造
層数タイプサイズ活性化関数1層Flatten 28*28 2層FN 256 Relu 3層FNN 10 Softmaxなし
Flatten層
入力
深さ学習モデル符号化
"""
Author : Byunghyun Ban
"""
from tensorflow import keras
import data_reader
# 몇 에포크 만큼 학습을 시킬 것인지 결정합니다.
EPOCHS = 20 # 예제 기본값은 20입니다.
# 데이터를 읽어옵니다.
dr = data_reader.DataReader()
# 인공신경망을 제작합니다.
# Flatten함수의 input_shape를 이지디 데이터 크기로 설정
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
# 인공신경망을 컴파일합니다.
model.compile(optimizer='adam', metrics=['accuracy'],
loss='sparse_categorical_crossentropy')
# 인공신경망을 학습시킵니다.
print("\n\n************ TRAINING START ************ ")
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=10)
history = model.fit(dr.train_X, dr.train_Y, epochs=EPOCHS,
validation_data=(dr.test_X, dr.test_Y),
callbacks=[early_stop])
# 학습 결과를 그래프로 출력합니다.
data_reader.draw_graph(history)
物事を区別できますか?
ニューラルネットワーク構造
層数タイプサイズ活性化関数1層Flatten 32*32無2層FN 256 Relu 3層FNN 10 Softmax
深さ学習モデル符号化
"""
Author : Byunghyun Ban
"""
from tensorflow import keras
import data_reader
# 몇 에포크 만큼 학습을 시킬 것인지 결정합니다.
EPOCHS = 20 # 예제 기본값은 20입니다.
# 데이터를 읽어옵니다.
dr = data_reader.DataReader()
# 인공신경망을 제작합니다.
model = keras.Sequential([
keras.layers.Flatten(input_shape=(32, 32)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
# 인공신경망을 컴파일합니다.
model.compile(optimizer='adam', metrics=['accuracy'],
loss='sparse_categorical_crossentropy')
# 인공신경망을 학습시킵니다.
print("\n\n************ TRAINING START ************ ")
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=10)
history = model.fit(dr.train_X, dr.train_Y, epochs=EPOCHS,
validation_data=(dr.test_X, dr.test_Y),
callbacks=[early_stop])
# 학습 결과를 그래프로 출력합니다.
data_reader.draw_graph(history)
ビジュアル情報
人間の脳が視覚情報を処理する方法
ビジュアル情報ストリームのパス
視覚皮質感知形態v 1線、辺v 2透視感v 4ジオメトリIT最終視覚情報
CNN(Convolutional Neural Networks)
CNNの計算方法
フィルタを適用して画像サイズを小さくする
ダウンジャケット
CNN事物区分
バッチの正常化
バッファ層
深さ学習モデル符号化
"""
Author : Byunghyun Ban
"""
from tensorflow import keras
import data_reader
# 몇 에포크 만큼 학습을 시킬 것인지 결정합니다.
EPOCHS = 20 # 예제 기본값은 20입니다.
# 데이터를 읽어옵니다.
dr = data_reader.DataReader()
# 인공신경망을 제작합니다.
model = keras.Sequential([
keras.layers.Conv2D(32, (3, 3)),
keras.layers.BatchNormalization(),
keras.layers.ReLU(),
keras.layers.MaxPooling2D((2, 2)),
keras.layers.Conv2D(64, (3, 3)),
keras.layers.BatchNormalization(),
keras.layers.ReLU(),
keras.layers.MaxPooling2D((2, 2)),
keras.layers.Conv2D(64, (3, 3)),
keras.layers.BatchNormalization(),
keras.layers.ReLU(),
keras.layers.Flatten(),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dropout(rate=0.5),
keras.layers.Dense(10, activation='softmax')
])
# 인공신경망을 컴파일합니다.
model.compile(optimizer='adam', metrics=['accuracy'],
loss='sparse_categorical_crossentropy')
# 인공신경망을 학습시킵니다.
print("\n\n************ TRAINING START ************ ")
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=10)
history = model.fit(dr.train_X, dr.train_Y, epochs=EPOCHS,
validation_data=(dr.test_X, dr.test_Y),
callbacks=[early_stop])
# 학습 결과를 그래프로 출력합니다.
data_reader.draw_graph(history)
Reference
この問題について(画像の分類), 我々は、より多くの情報をここで見つけました https://velog.io/@dragonsky2357/이미지-분류Classificationテキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol