** Ich habe den Inhalt des Tutorials in diesem Artikel bisher veröffentlicht. Da es jedoch umfangreich ist und es schwierig ist, es zweimal zu aktualisieren, lesen Sie bitte den Hinweis auf Github. Ich denke, das wäre besser, weil ich denke, ich kann den neuesten Inhalten folgen. Darüber hinaus werden wir Sie auf dieser Seite weiterhin über Aktualisierungen von Github informieren. ** ** **
Das Repository ist hier Wenn Sie nur den Inhalt des Tutorials sehen möchten, klicken Sie bitte auf hier. Wenn Sie Fehler im Inhalt des Tutorials finden, melden Sie diese bitte in den Kommentaren zum Artikel oder auf der Themenseite von Github.
--CIFAR-10 Tutorial: Inhalt dieses Artikels
--CIFAR-10 Tutorial [Anhang] : Ein kleiner Tipp
--CIFAR-10 Tutorial [Transfer Learning] : Informationen zum Transfer Learning mit CIFAR-10. Ich könnte eines Tages einen Artikel schreiben.
--Verwendung des dlt-Pakets /: Eine kurze Erklärung zur Verwendung des dlipr-Pakets mit Fashion-MNIST
--results /: Speichern Sie die Ausgabe von CIFAR-10 Tutorial
--images / : Speichern Sie Beispielbilder und andere Bilder
---tl tag: CIFAR-10 Tutorial [Transfer Learning] Ergebnisse erhalten
--2018 / 02/03: Das Tutorial ist jetzt als Website verfügbar, ohne dass Sie es von Github klonen müssen.
dlipr in dlt (Deep Learning Tools)
--2018 / 01/19: Ein Fehler im Zusammenhang mit der Verwirrungsmatrix wurde behoben.
--2018 / 01/18: Die Beschreibung der Ausgabe der Verwirrungsmatrix wurde gelöscht, da die Ausgabe der Verwirrungsmatrix einen Fehler aufweist, der durch np.histogram2d des dlipr-Pakets verursacht wird. Ich habe die Notenstruktur usw. auf Github geändert. Der Anhang wurde unabhängig von diesem Dokument erstellt, um die Implementierung zu vereinfachen.
--2017 / 11/28: Vom Lesen der Keras-Methode vom Tensorflow zum direkten Importieren aus Keras geändert.
--2017 / 07/19: Das Update der Note von Github wurde gesammelt, also habe ich es in Qiita reflektiert. Ich habe eine Erklärung hinzugefügt, die eine Erklärung zu sein scheint, aber sie kann etwas verwirrend sein. Ich werde es eines Tages reparieren.
--2017 / 07/17: Der Teil wurde behoben, der beim Betrachten des Dateninhalts verwirrend sein konnte.
--2017 / 06/20: Um die komplizierte Vorbereitung für die dlipr-Datei zu speichern, wurde sie neu veröffentlicht, sodass sie in jeder Umgebung ausgeführt werden kann (die der Betriebsumgebung entspricht). Bitte klicken Sie hier.Dieses Tutorial befasst sich mit einem Bildklassifizierungsproblem namens CIFAR-10. CIFAR-10 besteht aus 50.000 32 x 32 Pixel großen Farbbilddaten und 10 Etiketten zur Klassifizierung: Flugzeug, Auto, Vogel, Katze, Hirsch, Hund, Frosch, Pferd, Schiff, LKW. .. Es gibt auch einen CIFAR-100, der in mehr unterteilte Etiketten unterteilt ist, und er hat 100 Etiketten. Beide sind im Grunde gleich, also werde ich dieses Mal CIFAR-10 verwenden.
Verwenden Sie Keras auch für die Implementierung. Keras kann nicht für unbeaufsichtigtes Lernen verwendet werden, aber ich denke, Keras reicht aus, um typische Probleme des maschinellen Lernens zu lösen, die CIFAR-10 und MNIST darstellen. Darüber hinaus ist Keras sehr einfach für einfache Netzwerke (nicht nur Einwegnetzwerke, sondern auch für Verzweigungen, RNNs usw.) zu implementieren, also auch für Anfänger (und nicht für rohen Tensorflow). Ich denke, es ist leicht zu verstehen, was Sie tun. In diesem Tutorial wird auch erklärt, wie Keras implementiert wird (obwohl es einfach ist), sodass ich denke, dass auch diejenigen, die Keras nicht kennen, es lesen können. Wenn Sie nicht weiterkommen, lesen Sie bitte das Offizielle Dokument.
Dieses Tutorial basiert auf dem, was ich in einer Universitätsvorlesung gelernt habe. Daher habe ich zusätzliche Erklärungen hinzugefügt, für deren Verständnis ich lange gebraucht habe. Ich kann nicht leugnen, dass es insgesamt überflüssig ist, aber ich denke, es wäre nützlich für Menschen mit ähnlichen Problemen, es zu verlassen.
Dinge die zu tun sind
Ich habe CIFAR-10 mit Keras ausprobiert.
Ich habe versucht, maschinelles Lernen mit meinem eigenen Paket (dlt) zu visualisieren. ――Dieses Lernprogramm ist in sich geschlossen und kann einfach ausgeführt werden (wenn die Umgebung eingerichtet ist), wenn Sie den Anweisungen folgen.
Was nicht zu tun ――Was ist maschinelles Lernen?
Über Tensorflow
Verbessern Sie die Genauigkeit (Methode zur Anpassung der Hyperparameter usw.)
Recommended Posts