巩义,手把手教你用PyTorch完成图画分类器(榜首部分),调查报告

本文为 AI 研习社编译的技能博花甲之年客,原标题 :

Implementing an Image Classifier with Py巩义,手把手教你用PyTorch完结图画分类器(榜首部分),调查报告Torch: Part 1

作者 | Jose Nieto

翻译 | 酱番梨、Succi

校正 | 酱番梨 审阅 | 酱番梨 收拾 | 立鱼王

原文链接:

https://medium.com/udacity/implementing-an-image-classifier-with-pytorch-part-1-cf5444tutorabcb8e巩义,手把手教你用PyTorch完结图画分类器(榜首部分),调查报告9c9

手把手教你用PyTorch完结图画分类器(榜首部分)

经过几个月赋有应战性可是获益良多的学习,我最近从Udacity的Python Nanodegree program AI编程专业结业。最终一个项目是用PyTorch创立一个102种不同类型的花的图画分类器。

在做这个final project的时分,许多同学都遇到了相似的问题和应战。当我挨近完结的时分,我决议与咱们共享一些在未来对别人有利的建议和见地。

经过3篇短文,介绍怎么完结图画分类器的概念根底——这是一种可以truck了解图画内容的算法。

本文的方针不是供给手把手的辅导,而是协助了解整个进程。假如你正在考虑学习机器学习或人工智能,你将不得不做相似的项目,并了解本系列文章中介绍的概念。

文章首要进行概念上的解说,不需求知道怎么编写代码。此信维通讯外,下面所包括的PyTorch细节是非有必要的,首要以PyTorch作为示例。

这个进程的榜首步是加载一个pre-trained神经网络。在谈论这一步时,我将解说为什么要“reuse”网络(即运用“pre-trained”网络),说明哪些部分可以重用,哪些部分不能重用黄山学院,并供给怎么根据需求定制pre-trained网络的辅导。

加载香港旅游攻略预练习的网络

reuse是一种十分合理的战略,尤其是众所周知而且得到广泛认可的规范。在示例中,起点是torchvision供给的一种模型结构。

本文的方针是巩义,手把手教你用PyTorch完结图画分类器(榜首部分),调查报告加载其间的一个pre-trained网络,而且将其间的分类器替换为自己的分类器,然后可以练习自己的分类器。

尽管这个主意是合理的,但我发现它也会发生一些问题,由于加载一个预先练习的网络并不能节约练习分类妈妈我想你器的时告诫间。

“所以你或许会想,运用预练习网络有什么含义?”

当咱们人类看到图画时,可以辨认线条和形状。正由于如此,咱们才能将图画内容与之前看到过巩义,手把手教你用PyTorch完结图画分类器(榜首部分),调查报告的内容联系起来。咱们期望咱们的分类器可以做一些相似的工作,可是图画不是一段微乎其微的数据。图画一般由数千个独立的像素组成,每个像素都有一种色彩,这种色彩由三个不同的值组合界说 : Red,Green, Blue。

手把手教你用PyTorch完结图画分类器(榜首部分)

从左到右:原始,赤色,绿色,蓝色

假如咱们期望咱们的分类器可以处哈尔滨银行理该数据量,咱们将需求处理每个图画中包括的一切巩义,手把手教你用PyTorch完结图画分类器(榜首部分),调查报告信息,并以其可以了解的格局将其供给给分类器。这便是预练习网络发挥作用的当地。

这些预先练习的网络首要由一组特征检测器和分类器组成,其间特征检测器被练习以从每个图画中提取信息,而且练习分类器以了解特征层供给的输入。

咱们现已在已在ImageNet上培训过功用检测器,而且证明它可以有很好的体现。因而,咱们期望坚持原样。为了防止在咱们练习分类器时,要素图层被修正,咱们需求“冻住”炙它们。这个小代码片段可以协助处理这个问题:

假如运用分类器会怎么样? 为什么咱们不能重复运用它? 要回答这个问题,让咱们以架构VGG16为例,博鳌来看看它的默许分类器:

首要,咱们无法确保这一定是有用的。而且令人置疑的是,这些默许层和元素,激活函数和丢掉值关于咱们的特定状况而言恰好是最佳的。

当咱们看到它的最终一层有1000个元素的输出时,状况就变得很明显了。在我霓裳记们的比如中,咱们处理102种不同类型的花,因而咱们的分类器的输出有必要是102 。

从上面VGG1三水气候6中的默许分类器,咱们还可以注意到它的输入层有25088个元素,由于这是此特定预练习模型中特征检测器的输出巨细。咱们的分类器的输入巨细也有必要与要素图层的输出巩义,手把手教你用PyTorch完结图画分类器(榜首部分),调查报告相匹配。

定论

由上文咱们可以得知,预先练习好的网络十分有利,由于它们使咱们可以专心于咱们的用例细节,一起重复运用众所周知的泛型来进行示例中澄的图画预处理。

我巩义,手把手教你用PyTorch完结图画分类器(榜首部分),调查报告们还了解到,分类器输出的巨细有必要与咱们期望可以辨认的不同类型的数量相同。

最终,咱们现已看到要素图层的输出和自界说分类器的输入也有必要匹配巨细。

在我的下一篇文章中,咱们尚胜法将讨论怎么防止在分类器练习进程中常见的圈套,并学习怎么调整超参数以进步模块的准确性。

我的文章对你有荆南苏穆用吗?等待你的谈论!

想要持续检查该篇文章相关链接和参考文献?雷锋网雷锋网雷锋网

点击手把手教你用PyTorch完结图画分类器(榜首部分)】即可拜访:

ht美人隐私控制器tps://ai.yanxishe.com/page/TextTranslation/1353沙皮狗

AI入门、大数据、机器学习免费教程

35本国际尖端本来教程限时敞开,这类书单由闻名数据科学网站 KDnuggets 的副主编,一起也是资深的数据科学家、深度学习技能爱好者的Matthew Mayo引荐,他在机器学习和数据科学范畴具有丰厚的科研和从业经历。

点击链接即可妻为上获取:https://ai.yanxishe.com/page/resourceDetail/417