케라스 딥러닝 예제

그러나 이 방법은 Keras를 사용하는 데 비해 힘든 것처럼 보입니다. 귀하의 응답주셔서 감사합니다. 친애하는 제이슨, 저는 딥 러닝에 익숙하지 않습니다. 초보자이기 때문에, 나는 당신에게 바보 처럼 보일 수있는 기술적 인 질문을하고 있습니다. 내 질문은 – 우리는 깊은 신경망을 사용하여 문장을 분류하는 동안 문장의 기능 (예 : 문장의 길이 등)을 사용할 수 있습니까 (o / p는 +ve 문장과 -ve 문장이라고 가정) ? 1. Keras의 “to_categorical” 함수사용에 대한 66-69 번 선에서 내 메모를 참조하십시오. Keras 및 딥 러닝을 통해 모든 사용자가 시작하고 실행할 수 있도록 이 예제에 매우 작은 데이터 집합을 사용했습니다. 일반적으로 클래스당 최소 1,000개의 이미지가 있어야 합니다. 우리의 네트워크는 또한 완벽에서 멀리. L2 가중치, 추가 데이터 보강 등과 같은 정규화 방법을 도입하여 모델의 정확도를 높일 수 있습니다. 당신이 그들을 감지하는 방법을 포함하여 과적합 / 언더 피팅에 대한 자세한 내용을 배우고 싶다면, 나는 당신이 파이썬과 컴퓨터 비전을위한 딥 러닝을 통해 읽을 것을 제안한다. Keras에서 MNIST 데이터 집합은 4개의 Numpy 배열 형태로 미리 로드되며 다음과 같은 코드로 얻을 수 있습니다: 미리 학습된 단어 포함(GloVe 포함)을 고정된 케라스 임베딩 레이어에 로드하고 텍스트를 학습하는 데 사용합니다. 20개의 뉴스 그룹 데이터 집합의 분류 모델입니다.

안녕하세요 애드리안. 나는 텐서 플로우 1.5.0 (내 컴퓨터가 AVX 명령을 지원하지 않기 때문에) 및 케라스 2.2.3, 텐서 플로우 1.10.0 및 케라스 2.2.3을 사용하여 동일한 문제를 가지고 있습니다. 나는 노력하고 있습니다 : 파이썬 predict.py – 이미지 이미지 / cat.jpg – 모델 출력 / simple_nn.model – 라벨 빈 출력 / simple_nn_lb.pickle – 너비 32 – 높이 32 – flatten 1 Igor는 좋은 점을 가지고 있습니다 – 당신이 건너 대부분의 케라스 자습서는 당신에게 라이브러리의 기초를 가르치려고합니다 MNIST(필기 인식) 또는 CIFAR-10(기본 개체 인식)과 같은 이미지 분류 데이터 집합을 사용합니다. 그런 다음 채널 순서를 결정합니다. 케라스는 “channels_last”(예: 텐서플로우) 및 “채널_first”(예: 테아노) 순서를 지원합니다. 18-25호선은 모델이 두 가지 유형의 백엔드를 지원할 수 있도록 합니다. 다음 단계는 Keras를 사용하여 신경망 아키텍처를 정의하는 것입니다. 여기에서 우리는 하나의 입력 레이어, 두 개의 숨겨진 레이어, 하나의 출력 레이어와 네트워크를 사용합니다 : 안녕 애드리안, PyImageSearch 블로그 주셔서 감사합니다.

거의 모든 “시작” 가이드는 Keras및 이미지 분류에서 마주치는 MNIST 또는 CIFAR-10 데이터 집합을 사용하여 Keras에 내장되어 있습니다. 나는 그 함수 중 하나를 호출하면 데이터가 자동으로 로드됩니다.