来自系列:与matlab深入学习
Gabriel Ha,Mathworks
这个演示使用matlab®从划痕中训练CNN,用于分类四种不同的动物类型的图像:猫,狗,鹿和青蛙。从CiFar-10数据集使用图像(https://www.cs.toronto.edu/~kriz/cifar.html.)。
记录:2017年4月12日
你好。我的名字是Gabriel Ha,我在这里向您展示Matlab如何开始从头开始创建一个深度神经网络。我们的演示具有特定的应用程序到图像处理和识别,但我们觉得图像非常容易与之相关。而且它是一种相当众名人的神经网络应用。最重要的是,我们希望为每个人提供深入的学习,您将能够掌握您向您展示的一切以及构建它们,并开始使用自己的网络。
因此,对于那些超级熟悉培训网络的人,以及使它们更准确的技术,Matlab对您来说将很好,因为如您所期望的那样,我们为您提供直观的语法和功能,允许您轻松实现您的改进。对于那些新的深入学习领域的人来说,希望用这种技术弄湿你的脚,你可以立即做的程度可能仅限于图像识别,但我相信它将为您提供足够的东西最终开始的材料,并与神经网络有很多乐趣。
所以这就是我们要做的事。我们希望培训网络来识别四种不同的动物:猫,狗,青蛙和鹿。为此,我们将将每个动物的图像引入我们的网络,定义我们网络的图层,然后使用单行代码,告诉MATLAB从头开始培训并创建我们的网络。然后,我们将通过显示它之前没有看到的新图像并检查其准确性来测试我们的网络。
要设置事项,我们将进入此目录并将每个动物的5,000个图像绘制到单独的文件夹中。现在,如果您正在进行数学,那是2万张图片。而对于那些刚刚对尝试这一点的人来说,你可能会思考,“等等,所以你希望我能观看这个视频,然后在我甚至开始之前去策划20,000个图像?”嗯,如果你愿意,你可以做到,或者你可以做到这一点 - 利用已经完成的工作。
在这种情况下,我们从公开的CiFar-10数据集中获取了我们的所有图像,这实际上只是涉及下载和提取一个大ZIP文件。如此值谢地地,设置此演示仅依赖于您的网络速度和处理器电源。据说,从头划伤训练网络确实需要相当多的数据,所以总是寻找适应以前的工作的机会,如这种演示。
让我们来看看执行我们培训所需的核心代码。您可以看到此部分,该部分指定动物名称,然后将MATLAB指向包含该培训数据的文件夹。就设置而言,就是这样。
所以现在我们要告诉Matlab我们希望如何培训深网络。每个神经网络都有一系列层,并且具有更多的层,网络更深。现在每个图层都从上一层中获取数据,转换数据,然后通过它。因此,第一层采用原始输入图像,并且随着我们到达最后一层的时间,它将希望吐出原始图像中动物的正确名称。
所以这里是我们选择为此示例实施的图层。对于那些对此字段完全新的人来说,您将无法从划痕中提出所有这些层。另一方面,如果您是深度学习专家,我们为您提供精确实现您的图层的工具。
但在任何一种情况下,如果你想在这个例子中建立,只需用自己的培训数据替换训练数据,如果您觉得自己达到任务,并且用一行代码,Matlab会给你一个神经网络训练了你想要的任何东西,无论是你朋友的动物还是面孔,这完全不是我在公司时间做的令人毛骨悚然的事情。
所以当然,它会花一些时间训练。如果你有CPU,它会花一段时间,但如果你有像这台机器这样的邪恶的翻盖GPU,那就需要大约45秒。一旦完成,我们就可以继续测试我们的网络。
让我们开始超级基础。我们具有一组测试集,其中每只动物中的1,000个 - 再次,方便地从CiFar-10获得。正如您所看到的,它将设置与培训集的完全相同的方式。但最重要的是,网络没有接受这些图像培训。
我们将显示图像以及网络所思考的内容。那是一只鹿。正确的。那是一只狗。也是正确的。这是一只青蛙。网络认为这是一只猫。
我很确定你现在得到了发生的事情,所以让我们加快这个过程。我们将使用MATLAB运行此代码,该代码测试了测试集上的所有图像。然后它会告诉我们百分比 - 明智的网络如何整体。并且数字是鼓滚动,请准确度约75%。嘿,45秒的训练,那不是太糟糕。
作为一种警告,您会注意到CiFar-10图像非常小,并且我们的第一层需要32到32〜32的图像。虽然我们的代码调整图像大小,但您必须确定是否这对您的数据有意义。但是如果您有一堆与神经网络分类的一系列图像,那么如何使用Matlab进行操作,您可以立即开始使用。
单击下面说明中的链接,以便在代码上掌握您的代码并签出“使用神经网络”工具箱的文档。不要犹豫,给我们留下一个问题或评论。一如既往,谢谢你的观点。
嘿,查看此应用程序的Gabriel创建。指着它对我。
老兄,这是令人毛骨悚然的。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。