从系列:与matlab深入学习
盖伯瑞尔哈,MathWorks
这个演示使用MATLAB®培养一个美国有线电视新闻网从零开始对四种不同动物类型的图像进行分类:猫、狗、鹿和青蛙。图像来自CIFAR-10数据集(https://www.cs.toronto.edu/~kriz/cifar.html).
录音时间:2017年4月12日
嗨。我的名字是Gabriel Ha,我在这里向你们展示MATLAB如何简单地从头开始创建一个深度神经网络。我们的演示有特定的应用程序到图像处理和识别,但我们觉得图像很容易联系起来。这是神经网络的一个广为人知的应用。最重要的是,我们想让每个人都可以使用深度学习,这样你就能得到我们展示给你的所有东西,并在它们的基础上进行构建,开始使用你自己的网络。
所以对于那些非常熟悉培训网络,随着技术使他们更准确,MATLAB对你将是伟大的,因为如你所愿,我们为您提供直观的语法和功能将让你轻松实现改进。你们新深度学习领域,想感受这个技术,你可以马上做的程度可能是有限的图像识别,但我相信它会为你提供足够多的资料开始,与神经网络有很多的乐趣。
这就是我们要做的。我们想训练一个网络来识别四种不同的动物:猫、狗、青蛙和鹿。为此,我们将向我们的网络引入每种动物的图像,定义我们的网络的层次,然后,使用一行代码,告诉MATLAB从头开始训练和创建我们的网络。然后,我们将通过向它展示之前从未见过的新图像来测试我们的网络,并检查其准确性。
为了设置,我们要进入这个目录,在不同的文件夹中绘制每种动物的5000张图片。如果你算一下,总共有2万张图片。对于那些有兴趣尝试的人来说,你可能会想,“等等,所以你想让我看这个视频,然后在我开始之前就去策划2万张图片?”如果你想的话可以,或者你可以这样做我们确实这样做了,利用已经完成的工作。
在本例中,我们从公开可用的CIFAR-10数据集获得所有图像,这实际上只涉及下载和提取一个大ZIP文件。因此,值得庆幸的是,设置这个演示只依赖于您的网络速度和处理器能力。也就是说,从头开始训练一个网络确实需要相当多的数据,所以总是寻找机会在之前的工作上构建,比如这个演示。
让我们看看执行培训所需的核心代码。你可以看到这个部分,它指定了动物的名字,然后是这个部分,将MATLAB指向包含训练数据的文件夹。就准备工作而言,就是这样。
现在我们要告诉MATLAB我们希望如何训练深度网络。每个神经网络都有一系列的层,层越多,网络就越深。现在,每一层都从上一层获取数据,转换数据,然后将其传递下去。第一层接收原始输入图像,当我们到达最后一层时,它很可能会给出原始图像中动物的正确名称。
这里是我们为这个例子选择的实现层。对于这个领域的新手来说,你不可能从头开始设计所有这些层。另一方面,如果你是一个深度学习专家,我们会为你提供精确实现层次的工具。
但在这两种情况下,如果你想建立这个例子,只是将训练数据替换为你自己的,如果你觉得调整层你任务,一行代码,MATLAB将给你一个神经网络训练在任何你想要的,不管是动物还是面对你的朋友,这完全不是我在上班时间做的可怕的事情。
当然,训练需要一些时间。如果你只有CPU,这需要一段时间,但如果你有一个像这台机器一样的精心装饰的GPU,这只需要大约45秒。一旦完成,我们就可以开始测试我们的网络。
让我们从最基本的开始。我们有一组测试图像,包含每种动物的1000个图像,同样,从CIFAR-10获得的很方便。如你所见,它的设置方式和训练集的目录设置方式完全一样。但最重要的是,网络并没有对这些图像进行训练。
我们将显示一个图像以及网络认为它是什么。这是一只鹿。正确的。这是一只狗。也是正确的。这是一只青蛙。电视台认为那是一只猫。
我很确定你现在已经明白是怎么回事了,所以我们加快进度吧。我们将让MATLAB运行这段代码,它将测试我们测试集上的所有图像。然后它会告诉我们整个网络的百分比表现。数字是——请击鼓——大约75%的准确性。对于45秒的训练来说,还不错。
需要说明的是,您会注意到CIFAR-10图像非常小,而我们网络的第一层需要32 * 32 * 3的图像。虽然我们的代码确实会调整图像的大小,但您必须确定这是否对您的数据有意义。但如果你有一大堆想用神经网络分类的图像,这是如何用MATLAB来做的,你可以马上开始。
点击下面描述中的链接,获取代码并查看有关使用神经网络工具箱的文档。请不要犹豫,给我们留下问题或评论。一如既往,感谢收看。
看看加布里尔创建的这个应用。对着我。
老兄,这太诡异了。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。