Deep Learning per programmatori con fastai e PyTorch

Capitolo 13. Le reti neurali convoluzionali

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Nel Capitolo 4 abbiamo imparato a creare una rete neurale che riconosce le immagini. Siamo riusciti a ottenere un'accuratezza di poco superiore al 98% nel distinguere i 3 dai 7, ma abbiamo anche visto che le classi integrate di fastai sono in grado di avvicinarsi al 100%. Cerchiamo di colmare il divario.

In questo capitolo inizieremo a capire cosa sono le convoluzioni e a costruire una CNN da zero. Studieremo poi una serie di tecniche per migliorare la stabilità dell'addestramento e impareremo tutte le modifiche che la libreria applica di solito per ottenere ottimi risultati.

La magia delle convoluzioni

Uno degli strumenti più potenti a disposizione dei professionisti dell'apprendimento automatico è l'ingegneria delle caratteristiche. Una caratteristica è una trasformazione dei dati progettata per renderli più facili da modellare. Per esempio, la funzione add_datepart che abbiamo usato per la nostra preelaborazione dei dataset tabellari nel Capitolo 9 ha aggiunto caratteristiche di data al dataset Bulldozers. Quali tipi di caratteristiche potremmo creare dalle immagini?

Gergo: Ingegneria delle caratteristiche

Creare nuove trasformazioni dei dati di input per renderli più facili da modellare.

Nel contesto di un'immagine, una caratteristica è un attributo visivamente distintivo. Ad esempio, il numero ...