Deep Learning für Programmierer mit fastai und PyTorch

Kapitel 13. Faltungsneuronale Netze

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In Kapitel 4 haben wir gelernt, wie man ein neuronales Netzwerk erstellt, das Bilder erkennt. Wir konnten etwas mehr als 98 % Genauigkeit bei der Unterscheidung von 3en und 7en erreichen - aber wir haben auch gesehen, dass die in fastai eingebauten Klassen fast 100 % erreichen. Versuchen wir nun, die Lücke zu schließen.

In diesem Kapitel werden wir uns zunächst damit befassen, was Faltungen sind und ein CNN von Grund auf aufbauen. Anschließend lernen wir eine Reihe von Techniken zur Verbesserung der Trainingsstabilität kennen und erfahren, welche Optimierungen die Bibliothek normalerweise vornimmt, um gute Ergebnisse zu erzielen.

Die Magie der Konvolute

Eines der mächtigsten Werkzeuge, das den Praktikern des maschinellen Lernens zur Verfügung steht, ist das Feature Engineering. Ein Feature ist eine Transformation der Daten, die ihre Modellierung erleichtern soll. Die Funktion add_datepart, die wir in Kapitel 9 für die Vorverarbeitung unseres Tabellendatensatzes verwendet haben, fügte dem Bulldozer-Datensatz Datumsmerkmale hinzu. Welche Arten von Features könnten wir aus Bildern erstellen?

Jargon: Feature Engineering

Neue Transformationen der Eingabedaten erstellen, um sie leichter modellieren zu können.

Im Zusammenhang mit einem Bild ist ein Merkmal ein visuelles Unterscheidungsmerkmal. Die Zahl 7 zum Beispiel ...