Konvoluční neuronové sítě se učí z dat obsažených v obrázcích. V této kapitole prozkoumáme data v obrázcích a naučíš se, jak pomocí Keras natrénovat neuronovou síť na klasifikaci objektů, které se na obrázcích objevují.

Úvod do konvolučních neuronových sítí

Obrázky jako data: vizualizace

Obrázky jako data: úprava obrázků

Klasifikace obrázků

Reprezentace obrázků pomocí one-hot encodingu

Vyhodnocení klasifikátoru

Klasifikace pomocí Kerasu

Sestav neuronovou síť

Kompilace neuronové sítě

Trénování neuronové sítě na datech oblečení

Křížová validace pro vyhodnocení neuronové sítě

Zpracování obrazu s neuronovými sítěmi

Konvoluce jsou základními stavebními kameny konvolučních neuronových sítí. V této kapitole se s nimi seznámíš a zjistíš, jak pracují s obrazovými daty. Uvidíš také, jak konvoluce začlenit do neuronových sítí v Keras.

Konvoluce

Jednorozměrné konvoluce

Konvoluce obrázků

Definování konvolučních jader pro obrázky

Implementace obrazových konvolucí v Kerasu

Konvoluční síť pro klasifikaci obrázků

Trénování CNN pro klasifikaci typů oblečení

Vyhodnocení CNN na testovacích datech

Upravení konvolucí

Přidání paddingu do CNN

Přidání strides do konvoluční sítě

Výpočet velikosti výstupu konvoluční vrstvy

Použití konvolucí

Konvoluční neuronové sítě získávají velký výkon díky tomu, že jsou složeny z více vrstev (hluboké sítě). V této kapitole se naučíš, jak skládat více konvolučních vrstev do hluboké sítě. Dozvíš se také, jak sledovat počet parametrů s tím, jak síť roste, a jak tento počet řídit.

Jdeme hlouběji

Vytvoření sítě pro deep learning

Trénování hlubokého CNN pro klasifikaci obrázků oblečení

Co je zvláštního na hluboké síti?

Kolik parametrů?

Kolik parametrů má CNN?

Kolik parametrů má hluboká CNN?

Pooling operace

Napiš vlastní operaci poolingu

Poolingové vrstvy v Kerasu

Natrénuj hlubokou CNN s poolingem pro klasifikaci obrázků

Do větší hloubky

Trénování neuronových sítí lze zlepšit mnoha různými způsoby. V této kapitole se zaměříme na sledování výkonu sítě a prozkoumáme přístupy ke zlepšení konvolučních neuronových sítí.

Sledování průběhu učení

Vykresli křivky učení

Použití uložených vah pro predikci na testovací sadě

Regularizace

Přidání dropoutu do sítě

Přidej do sítě batch normalization

Interpretace modelu

Extrakce kernelu z natrénované sítě

Tvar vah

Vizualizace odezvy kernelů

Další kroky

Pochopení a vylepšení hlubokých konvolučních sítí

Modelování obrazu často vyžaduje metody hlubokého učení, které využívají data k trénování algoritmů neuronových sítí pro různé úlohy strojového učení. Konvoluční neuronové sítě (CNN) jsou obzvláště výkonné neuronové sítě, které použiješ ke klasifikaci různých typů objektů při analýze obrázků. V tomto čtyřhodinovém kurzu se naučíš, jak CNN sestavit, natrénovat a vyhodnotit pomocí Keras.

<h2>Naučte se používat konvoluční neuronové sítě v Pythonu</h2>
  Model obrazu často vyžaduje metody hlubokého učení, které využívají data k trénování neuronových
  síťové algoritmy pro různé úlohy strojového učení. Konvoluční neuronové sítě
  sítě (CNN) jsou obzvlášť výkonné neuronové sítě, které budete používat k
  klasifikovat různé typy objektů pro analýzu obrázků. Tento čtyřhodinový
  kurz vás naučí, jak vytvářet, trénovat a vyhodnocovat CNN pomocí Kerasu.
  <br><br>
  Převádění obrázků na data a učení neuronových sítí, jak je klasifikovat, je
  náročný prvek hlubokého učení s rozsáhlým využitím napříč celým oborem
  obchod a výzkum, od pomoci eCommerce webu lépe spravovat zásoby více
  snadno umožňuje výzkumníkům rakoviny rychle rozpoznat nebezpečný melanom.
  <br><br>
  <h2>Objevte CNN v Kerasu</h2>
  První kapitola tohoto kurzu se zabývá tím, jak lze obrázky chápat jako data, a
  jak můžete použít Keras k trénování neuronové sítě pro klasifikaci objektů nalezených v
  obrázky.
  <br><br>
  Druhá kapitola se bude věnovat konvolucím, základní součásti CNN. Budeš
  naučte se, jak fungují na obrazových datech, a naučte se, jak trénovat a ladit svůj
  Keras CNN s použitím testovacích dat. Pozdější kapitoly jdou více do hloubky a naučí vás
  jak vytvořit síť hlubokého učení.
  <br><br>
  <h2>Vytvořte si vlastní neuronovou síť v Kerasu</h2>
  Kurz zakončíte tím, že se naučíte různé způsoby, jak můžete sledovat, jak
  dobře, co dělá CNN a jak můžete zlepšit jejich výkon. V tuto chvíli,
  budete schopni vytvářet neuronové sítě Keras, optimalizovat je a vizualizovat
  jejich odpovědi v celé řadě aplikací.

Introduction to Deep Learning with Keras

Naučte se používat deep learning k analýze obrazových dat pomocí Keras a Pythonu.

Image Modeling with Keras

Naučte se provádět analýzu obrázků pomocí Keras v Pythonu vytvářením, trénováním a vyhodnocováním konvolučních neuronových sítí. 

Zpracování obrazu v Pythonu

Základy Kerasu

Co je zvláštního na hluboké síti?

Image Modeling with Keras

Interaktivní praktické cvičení