September 2024
Intermediate to advanced
624 pages
18h 9m
Spanish
Content preview from Aprendizaje profundo para programadores con fastai y PyTorch
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
Capítulo 13. Redes neuronales convolucionales
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En el Capítulo 4, aprendimos a crear una red neuronal que reconociera imágenes. Conseguimos algo más de un 98% de precisión al distinguir 3s de 7s, pero también vimos que las clases incorporadas de fastai conseguían acercarse al 100%. Empecemos a intentar acortar distancias.
En este capítulo, empezaremos profundizando en qué son las convoluciones y construyendo una CNN desde cero. Después estudiaremos una serie de técnicas para mejorar la estabilidad del entrenamiento y aprenderemos todos los ajustes que la biblioteca suele aplicar para que obtengamos grandes resultados.
La magia de las circunvoluciones
Una de las herramientas más potentes que tienen a su disposición los profesionales del aprendizaje automático es la ingeniería de características. Una característica es una transformación de los datos diseñada para facilitar su modelización. Por ejemplo, la función add_datepart que utilizamos para el preprocesamiento de nuestro conjunto de datos tabulares en el Capítulo 9 añadió características de fecha al conjunto de datos Bulldozers. ¿Qué tipos de características podríamos crear a partir de imágenes?
Jerga: Ingeniería de características
Crear nuevas transformaciones de los datos de entrada para facilitar su modelización.
En el contexto de una imagen, un rasgo es un atributo visualmente distintivo. Por ejemplo, el ...