pytorch cnn 예제

CNN의 예제를 사용하려면 최대 풀링 레이어를 살펴봅니다. 입력 차원은 (18, 32, 32)-최종 두 차원의 각각에 적용 된 우리의 공식을 사용 하 여 (첫 번째 차원, 또는 기능 맵의 수, 모든 풀링 작업 동안 변경 되지 않은 상태로), 우리는 의 출력 크기를 얻을 (18, 16, 16). 위의 예의 이미지는 이 새의 그림입니다: 첫째, 우리는 pytorch, 우리가 사용할 딥 러닝 라이브러리, 그리고 데이터 집합 및 이미지 변환을 제공하는 토치비전을 가져옵니다. 그런 다음 편의를 위해 torch.transform 및 torch.dataset을 명시적으로 가져옵니다. 또한 torch.nn(pytorch의 신경망 라이브러리), torch.nn.functional(ReLu 및 sigmoid와 같은 비선형 함수 포함), torch.autograd(역전파용 계산 그래프)도 가져옵니다. 첫 번째 예제와 는 달리, 여기에 ReLU 전에 BatchNorm2d를 포함시켰습니다. 일괄 처리 정규화는 기본적으로 모든 입력을 정규화하여 평균 과 단위 분산이 0이 됩니다. 그것은 크게 CNN 모델의 정확도를 향상. Pytorch에서 컨볼루션 신경망을 구축한 방법을 보여 드리겠습니다. MNIST – 패션 데이터 세트를 사용하여 28×28 해상도의 흑백 이미지 60,000개의 예를 사용하여 교육했습니다. 바로 뛰어 보자! CNN의 클래스를 정의하고 나면 그물 자체를 훈련시켜야 합니다. 여기서 신경망 코드가 흥미로워집니다. 보다 기본적인 유형의 기계 학습 알고리즘으로 작업하는 경우 일반적으로 몇 줄의 코드만으로 의미 있는 출력을 얻을 수 있습니다.

예를 들어 sklearn Python 패키지에 지원 벡터 컴퓨터를 구현하는 것은 간단합니다. RandomHorizontalFlip는 이미지를 수평으로 임의로 뒤집습니다. 임의자르기는 무작위로 이미지를 자작합니다. 다음은 수평 뒤집기의 예입니다. 교육 세트에 8000개의 이미지와 테스트 세트의 이미지 2000개가 있는 분류에 고양이와 개 이미지 예제를 사용했습니다. 이 모델을 성공적으로 학습하려면 좋은 GPU 구성이 필요합니다. 나는 현재 아주 좋은 되지 않습니다 GPU에 대 한 엔비디아 GTX 980M와 오래 된 게이밍 노트북을 사용 하 고. 일반적으로 더 작은 데이터 집합으로 모델을 학습하여 오류를 확인한 다음 실제 데이터 집합을 밤새 학습합니다.

Kommentieren ist momentan nicht möglich.

Heimleiterin:
Frau Dumke

Seeallee 3
15299 Müllrose

Tel.: 033606 / 70284
Fax: 033606 / 70285

E-Mail:
kindernester@arcor.de

» 크로스사이트 스크립트 예제
» 파이썬 쉬운 예제
» 마운트 예제
» 리눅스 opencv 예제
» 메이븐 프로젝트 예제

© 2015 by Kindernester Schlaubetal e.V. | Hosted by RB Media Group GmbH | Kontakt | Impressum