python cnn 예제

따라서 이미지를 신경망에 맞추기 전에 기본적으로 교육 데이터를 합성하는 이미지 보강을 수행해야 합니다. 우리는 합성 부분을 수행하기위한 keras.preprocessing 라이브러리를 사용하여이 작업을 수행할뿐만 아니라 디렉토리의 이름이 레이블로 수행되는 제대로 구조화 된 디렉토리에 있는 이미지의 테스트 테스트 세트뿐만 아니라 교육 세트를 준비할 것입니다. 모든 이미지가 그 안에 있습니다. 예: `고양이` 폴더 에 있는 모든 이미지는 keras에 의해 고양이로 간주됩니다. 그래서, 3 X 3 필터와 6 X 6 입력을 컨싱 우리에게 4 X 4의 출력을 주었다. 한 가지 예를 더 생각해 보십시오: 몇 개의 이미지를 보면 모델이 위의 이미지를 올바르게 분류할 수 없는 이유를 확신할 수 없지만 여러 클래스에 있는 다양한 유사한 패턴이 분류자의 성능에 영향을 주는 것처럼 보입니다. CNN은 견고한 아키텍처이지만. 예를 들어 이미지 5와 6은 모두 서로 다른 클래스에 속하지만 재킷이나 긴 소매 셔츠와 비슷합니다. 이 튜토리얼은 케라스와 파이썬에서 신경망을 컨볼루션하기 좋은 시작이었다. 당신은 쉽게 또는 심지어 조금 더 많은 노력으로 따라 할 수 있다면, 잘! 동일한 모델 아키텍처를 사용하지만 사용 가능한 다양한 유형의 공용 데이터 집합을 사용하여 몇 가지 실험을 수행해 보십시오. 이 기사를 따르는 동안 이해해야 할 중요한 점은 우리가 지금 구축하고있는 모델은 당신이 원하는 클래스의 모든 유형에 훈련 할 수 있다는 것입니다, 나는 단지 당신이 컨볼루션 신경망이 작동하는 방법을 이해하기위한 간단한 예로 고양이와 개를 사용하고 있습니다. 예를 들어, 이 문서를 읽은 의사가 있는 경우 이 기사를 완료한 후 뇌 스캔을 입력으로 사용할 수 있는 신경망을 구축하고 훈련하고 스캔에 종양이 포함되어 있는지 예측할 수 있습니다.

지금까지 배운 모든 개념을 결합하고 컨볼루션 네트워크 예제를 살펴보겠습니다. 이 명령은 매우 인기있는 scikit에서 사용되는 구문과 유사하여 파이썬 기계 학습 라이브러리를 학습합니다. 이 경우 x_train 및 y_train의 모든 교육 데이터를 먼저 전달합니다. 다음 인수는 일괄 처리 크기입니다 – Keras에서 교육하는 동안 데이터의 일괄 처리를 명시적으로 처리 할 필요가 없으며 배치 크기를 지정하고 우리를 위해 수행합니다 (이것이 익숙하지 않은 경우 미니 일괄 배치 그라데이션 하강에 대한 게시물이 있습니다).

Sorry, comments are closed for this post.