هذا المقال هو عبارة عن تجميع للAI Yanxishe بلوق التكنولوجيا، والعنوان الأصلي Tensorflow مقابل Keras - مقارنة من خلال بناء نموذج لتصنيف الصور، DataTurks مؤلف :؟ البيانات الشروح صنع سوبر سهلة.
الترجمة | shunshun التشطيب | جيانغ فان
نعم، والسؤال في عنوان المحادثة بين العلماء بيانات شائعة جدا. يقول البعض TensorFlow أفضل، ويقول البعض Keras أفضل. دعونا نلقي نظرة على الإجابة على هذا السؤال في التطبيق العملي لتصنيف الصور.
وقبل ذلك، لأول مرة Keras وTensorflow المصطلحين لمساعدتك على بناء المصنف صورة قوية في 10 دقيقة.
Tensorflow:
Tensorflow هو تطوير عميقة نموذج التعلم والمكتبات الأكثر شيوعا. وهذه هي أفضل مكتبة من أي وقت مضى، هو اختيار العديد من المهوسون في تجاربهم اليومية. إذا قلت غوغل وحدات معالجة التنسور (TPU) لمعالجة الموتر، يمكنك أن تتخيل؟ نعم، لقد فعلت ذلك. واقترحوا نسخة منفصلة اسمه TPU، فمن لديه معظم قوية يحركها السلطة القدرة الحاسوبية للتعامل مع عمق التعلم نموذج tensorflow.
هو الوقت للقيام بذلك!
أنا الآن استخدام tensorflow سوف تساعدك على خلق صورة قوية المصنف. وهلم جرا! ما هو تصنيف؟ انها مجرد سؤال بسيط، وكنت أسأل يعطى صورة كود tensorflow بك الورود أو الزنبق. لذلك، أولا وقبل كل أولا، دعونا tensorflow المثبتة على الجهاز. هناك إصداران من الوثائق الرسمية، وهي وحدة المعالجة المركزية والجرافيك الإصدارات. للحصول على إصدارات وحدة المعالجة المركزية:
يرجى ملاحظة أنني على وحدة المعالجة المركزية بدلا من التركيز على التجارب التي أجريت بعد كتابة هذا بلوق في GPU. وفيما يلي تفاصيل عن تصاعد GPU.
والآن، دعونا أجريت التجارب Tensorflow جوجل لتدريب النموذج. جوجل هذا البرنامج النصي مستودع العديد من التجارب بسيطة مذهلة معالجة الصور. وهو بسيط جدا، وتكون كافية لأغراضنا. تذكر في وقت سابق واستخدمت عبارة "قوية" هذه الكلمة؟ نعم، عندما يتم استدعاء الأسلوب المهاجرة التعلم التي نستخدمها، فإن كلمة تكون فعالة. الهجرة هو وسيلة فعالة للتعلم، والذي يستخدم قبل المدربين النماذج، التي كانت تدريب لبضعة أيام أو أسابيع، ومن ثم تغيير طبقة نهائية لاستيعاب الفئات الخاصة بنا.
بداية V3 هو نموذج جيد جدا، لتحتل المرتبة الثانية في ( المنافسة تصنيف الصور. عندما مجموعة البيانات من كل فئة وجود عدد أقل من الصور، وذكر أن أفضل شبكة للدراسة الهجرة.
بداية V3
الآن استنساخ بوابة مستودع:
الآن، يمكنك تحديد صورة. ما عليك القيام به هو في مجلد تخزين مجموعات البيانات التالية.
FLOWER البيانات
ينبغي أن ننظر بشيء مثل الرسم البياني أعلاه كما (تجاهل image.py). Flower_photos الوثائق التي حصلت عليها رمز أدناه كليب:
إنشاء بيانات
يمكنك استخدام أي صورة تريد. كان ذلك أفضل (الهدف هو عدة آلاف). مجلد التنسيق مثل الفئات المذكورة أعلاه لفصل منها والتأكد من وجودهم في tf_files نفس المجلد مسمى.
يمكنك تحميل مجموعات البيانات الموجودة استخدامها في مجموعة متنوعة من المهام، مثل الكشف عن السرطان، وتصنيف قوة الشخصيات في اللعبة. وهناك مجموعة متنوعة من مجموعة البيانات تصنيف الصور.
أو، إذا كان لديك حالات الاستخدام الفريدة الخاصة بك، يمكنك إنشاء مجموعة البيانات الخاصة بك. يمكنك تحميل الصور من الإنترنت وعلى الفور جعل مجموعات كبيرة من البيانات، مثل Dataturks استخدام أدوات الشرح، يمكنك تحميل الصور يدويا ووضع علامة على الصور. أكثر ويفضل وDataturks الناتج يمكن بسهولة أن تستخدم لبناء tf_files.
إنشاء البيانات باستخدام Dataturks
لقد وجدت في المكونات كبير، يمكنك دفعة تحميل الصور على جوجل كروم. وهذا بناء وبيانات التدريب Dataturks نسيم. ربط هنا.
يمكنك محاولة استخدام dataturks من أدوات image_classification للقيام بذلك. وتوفر هذه الأداة أفضل الميزات هنا هو أنه إذا كان لدينا مجموعة من البيانات غير المهيكلة، التي هي كل الصور في مجلد الملف. بواسطة اليدوية فئة الصور العلامات، JSON يمكنك تحميل ملف يحتوي على كل تفاصيل الصورة المضمنة فيه الطبقة. ثم استخدم keras والكتابة tensorflow الواردة أدناه:
تدريب
الآن هو الوقت المناسب لتدريب النموذج. في tensorflow مقابل 2 الشعراء-مجلد، لديك ملف مجلد يسمى البرامج النصية، والذي يحتوي على كل ما تحتاجه الإبقاء على النموذج. retrain.py لديها طريقة خاصة لزراعة المحاصيل وتحجيم الصور، بارد جدا.
ثم استخدم الأمر التالي التدريب، اسم الخيار نفسه يصف موقع مسار التدريب المطلوب.
هذا وسوف تحميل واستخدام المجلد نموذج التدريب إنشائها والمعلمات نظرا تدريب الطبقة الأخيرة. يمكنني استخدام 12GB نفيديا تسلا K80 و7GB VRAM تدريب 4000 الخطوات على سبيل المثال GCP.
عندما 80 من البيانات تدريب مجموعة المستخدمة للتدريب و 20 للاختبار، يمكننا أن نرى أنه يعطي test_accuracy 91. الآن هو الوقت المناسب لاختبار ذلك! لدينا ملف .pb في `tf_files /` يمكن أن تستخدم لاختبار. `أضاف Label_image.py` التغييرات التالية:
سوف رمز أعلاه تساعدنا على رسم دقة الصورة تحت الاختبار وحفظه. لنسبة الثقة تحت rodom صورة
يظهر بعد إخراج صورة اختبار عدة
وهي تشمل جميع فئات عدد قليل من الكولاج المخرجات
وكما نرى، كانت النتيجة جيدة حقا لمهمة هي.
Keras
Keras هو (يمكن أن تستخدم أيضا على Theano) على أساس TensorFlow API رفيع المستوى بناؤها. مقارنة مع Tensorflow، هو أكثر وسهلة الاستخدام سهلة الاستعمال. وإذا أردنا أن نتعلم كل هذه المبتدئين العمق، وتريد أن تبدأ الكتابة نموذجا جديدا، ثم أود أن أوصي باستخدام Keras، بسبب سهولة القراءة وسهولة الكتابة. يمكن تثبيتها بواسطة الأمر التالي:
وهذا يشمل كل شيء حتى tensorflow، لذلك التغييرات وحدة المعالجة المركزية ت / ق التوافق GPU سوف تنطبق أيضا هنا.
لأن لدينا لتنفيذ النموذج باستخدام بدء التعلم نقل إلى اتخاذ نفس تصنيف الوظائف، ولقد رأيت Keras نموذج تحميل في شكل موحد، مثل إعداد API.
Keras هناك شكل موحد لتحميل البيانات تعيين هذا نحن لا توفر مجلد مباشرة في مجلد مجموعة البيانات، ولكن الدليل ينقسم بيانات التدريب والاختبار، مرتبة وفقا لذلك على النحو التالي. كنت لي نفس مجموعة البيانات tensorflow تحميلها جزئيا، وإجراء بعض التغييرات على اتباع التعليمات التالية.
يجب أن تبدو على النحو التالي:
TRAIN FOLDER
ونحن قد أكملت الآن مجموعة قواعد البيانات، وحان الوقت للقطار. كنت قد كتبت على قطعة من التعليمات البرمجية إلى التدريب التالية:
اقرأ على وكنت تريد أن ترى المزيد من التعليمات البرمجية، وصلات والمراجع؟
رابط الطوابع: HTTP: //www.gair.link/page/TextTranslation/997
شبكة شبكة شبكة لى فنغ لى فنغ لى فنغ
A Yanxishe تحديث المحتوى مثيرة يوميا، انقر على الرابط لمشاهدة المزيد من المحتوى:
تعلم كيفية استخدام عمق وPytorch تنفيذ نظام توصية
لأحدث لغة البرمجة جوليا معهد ماساتشوستس للتكنولوجيا، وهذه المادة غير كافية
يجب أن المطورين يرى: أغسطس شعبية مفتوحة المصدر بايثون
أمازون وجوجل ومايكروسوفت، تواجه الشركات مقارنة الاعتراف
ستانفورد CS231n لي Feifei الكمبيوتر الكلاسيكية دورات الرؤية (باللغة الإنجليزية والترجمة الصينية + + وظيفة لشرح الحصة الفعلية)
في انتظاركم لتفسير:
استخدام بايثون لاستكمال أعمال ميزة تلقائية - كيفية إنشاء ميزة التعلم الجهاز تلقائيا
برنامج تحويل IOS لتأسيس نمط من استخدام Pytorch وCoreML
10 المسائل الأمنية بيثون المشترك وكيفية تجنبها
