Convolutional Neural Networks memanfaatkan data yang direpresentasikan dalam citra untuk belajar. Pada bab ini, kita akan menelaah data pada citra, dan mempelajari cara menggunakan Keras untuk melatih jaringan saraf guna mengklasifikasikan objek yang muncul dalam citra.

Pengenalan convolutional neural networks

Gambar sebagai data: visualisasi

Gambar sebagai data: mengubah gambar

Mengklasifikasikan gambar

Menggunakan one-hot encoding untuk merepresentasikan gambar

Mengevaluasi sebuah pengklasifikasi

Klasifikasi dengan Keras

Bangun sebuah neural network

Kompilasi jaringan saraf

Mencocokkan model neural network pada data pakaian

Validasi silang untuk evaluasi neural network

Pemrosesan Citra dengan Jaringan Saraf

Konvolusi adalah blok pembangun fundamental dari Convolutional Neural Networks. Pada bab ini, Anda akan diperkenalkan pada konvolusi dan mempelajari cara kerjanya pada data citra. Anda juga akan melihat cara memasukkan konvolusi ke dalam jaringan saraf Keras.

Konvolusi

Konvolusi satu dimensi

Konvolusi citra

Mendefinisikan kernel konvolusi citra

Menerapkan konvolusi gambar di Keras

Jaringan konvolusional untuk klasifikasi gambar

Melatih CNN untuk mengklasifikasikan jenis pakaian

Mengevaluasi CNN dengan data uji

Menyetel konvolusi Anda

Tambahkan padding ke CNN

Tambahkan strides ke jaringan konvolusional

Hitung ukuran keluaran lapisan konvolusional

Menggunakan Konvolusi

Convolutional Neural Networks menjadi jauh lebih kuat ketika dibangun dengan banyak lapisan (deep networks). Pada bab ini, Anda akan mempelajari cara menumpuk beberapa lapisan konvolusi menjadi sebuah jaringan yang dalam. Anda juga akan mempelajari cara melacak jumlah parameter seiring pertumbuhan jaringan, serta cara mengendalikan jumlah tersebut.

Masuk Lebih Dalam

Membuat jaringan deep learning

Latih CNN mendalam untuk mengklasifikasikan gambar pakaian

Apa yang istimewa dari jaringan yang dalam?

Berapa banyak parameter?

Berapa banyak parameter dalam sebuah CNN?

Berapa banyak parameter dalam CNN yang dalam?

Operasi pooling

Tulis operasi pooling Anda sendiri

Lapisan pooling Keras

Latih CNN mendalam dengan pooling untuk mengklasifikasikan gambar

Ada banyak cara untuk meningkatkan proses pelatihan oleh jaringan saraf. Pada bab ini, kita akan berfokus pada kemampuan kita melacak seberapa baik kinerja jaringan, dan mengeksplorasi pendekatan untuk meningkatkan Convolutional Neural Networks.

Melacak pembelajaran

Plot kurva pembelajaran

Menggunakan bobot tersimpan untuk memprediksi pada himpunan uji

Regularisasi

Menambahkan dropout ke jaringan Anda

Tambahkan batch normalization ke jaringan Anda

Menafsirkan model

Mengekstrak kernel dari jaringan terlatih

Bentuk bobot

Memvisualisasikan respons kernel

Langkah selanjutnya

Memahami dan Meningkatkan Deep Convolutional Networks

Pemodelan citra sering memerlukan metode deep learning yang memanfaatkan data untuk melatih algoritma jaringan saraf bagi berbagai tugas Machine Learning. Convolutional Neural Networks (CNN) adalah jenis jaringan saraf yang sangat kuat, yang akan Anda gunakan untuk mengklasifikasikan berbagai jenis objek dalam analisis citra. Kursus berdurasi empat jam ini akan mengajarkan Anda cara membangun, melatih, dan mengevaluasi CNN menggunakan Keras.

<h2>Belajar Menggunakan Jaringan Saraf Konvolusional (Convolutional Neural Networks) dalam Python</h2>

  Model gambar seringkali memerlukan metode pembelajaran mendalam yang menggunakan data untuk melatih jaringan saraf.

  Algoritma jaringan untuk melakukan berbagai tugas pembelajaran mesin. Jaringan saraf konvolusional

  Jaringan saraf tiruan (CNNs) adalah jenis jaringan saraf tiruan yang sangat kuat yang akan Anda gunakan untuk

  Mengklasifikasikan berbagai jenis objek untuk analisis gambar. Ini empat jam

  Kursus ini akan mengajarkan Anda cara membangun, melatih, dan mengevaluasi Jaringan Saraf Konvolusional (CNN) menggunakan Keras.

  <br><br>

  Mengubah gambar menjadi data dan mengajarkan jaringan saraf tiruan untuk mengklasifikasikannya adalah sebuah

  Elemen menantang dalam deep learning dengan aplikasi yang luas di berbagai bidang.

  Bisnis dan penelitian, mulai dari membantu situs eCommerce mengelola persediaan dengan lebih efisien.

  Memudahkan para peneliti kanker untuk dengan cepat mendeteksi melanoma yang berbahaya.

  <br><br>

  <h2>Discover Keras CNNs</h2>

  Bab pertama dari kursus ini membahas bagaimana gambar dapat dianggap sebagai data, dan

  Bagaimana Anda dapat menggunakan Keras untuk melatih jaringan saraf tiruan guna mengklasifikasikan objek yang ditemukan dalam

  gambar.

  <br><br>

  Bab kedua akan membahas konvolusi, bagian fundamental dari CNN. Anda akan

  Pelajari cara mereka mengolah data gambar dan pelajari cara melatih dan menyesuaikan model Anda.

  Melatih CNN menggunakan data uji. Bab-bab selanjutnya akan membahas lebih detail dan mengajarkan Anda

  Cara membuat jaringan deep learning.

  <br><br>

  <h2>Bangun Jaringan Saraf Tiruan Keras Anda Sendiri</h2>

  Anda akan menyelesaikan kursus ini dengan mempelajari berbagai cara untuk melacak bagaimana

  Bagaimana kinerja CNN dan bagaimana Anda dapat meningkatkan kinerjanya. Pada tahap ini,

  Anda akan dapat membangun jaringan saraf Keras, mengoptimalkannya, dan memvisualisasikannya.

  tanggapan mereka dalam berbagai aplikasi.

Introduction to Deep Learning with Keras

Pelajari penggunaan deep learning untuk analisis gambar dengan Keras dan Python melalui CNN.

Pemodelan Citra dengan Keras

Pelajari cara melakukan analisis gambar menggunakan Keras dengan Python dengan membangun, melatih, dan mengevaluasi jaringan saraf konvolusional. 

Melacak pembelajaran

Create Your Free Account