Programmation de PyTorch pour l'apprentissage profond

Chapitre 2. Classification d'images avec PyTorch

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Après avoir configuré PyTorch, les manuels sur l'apprentissage profond vous jettent normalement un tas de jargon à la figure avant de faire quoi que ce soit d'intéressant. J'essaie de garder cela au minimum et de travailler à travers un exemple, bien qu'il puisse facilement être développé au fur et à mesure que tu te sens plus à l'aise pour travailler avec PyTorch. Nous utilisons cet exemple tout au long du livre pour montrer comment déboguer un modèle(chapitre 7) ou le déployer en production(chapitre 8).

Ce que nous allons construire à partir de maintenant et jusqu'à la fin du chapitre 4 est un classificateur d'images. Les réseaux neuronaux sont couramment utilisés comme classificateurs d'images ; on donne au réseau une image et on lui pose ce qui est, pour nous, une question simple : "Qu'est-ce que c'est ?"

Commençons par construire notre application PyTorch.

Notre problème de classification

Ici, nous construisons un classificateur simple qui peut faire la différence entre les poissons et les chats. Nous allons itérer sur la conception et la façon dont nous construisons notre modèle pour le rendre de plus en plus précis.

Les figures 2-1 et 2-2 montrent un poisson et un chat dans toute leur splendeur. Je ne sais pas si le poisson a un nom, mais le chat s'appelle Helvetica.

Commençons par une discussion ...