Javascript Disabled!

Please Enable Javascript if you disabled it, or use another browser we preferred Google Chrome.
Please Refresh Page After Enable

Powered By UnCopy Plugin.

مدل های از پیش آموزش دیده کراس


مدل های از پیش آموزش دیده کراس

مقدمه ای بر مدل های از پیش آموزش دیده کراس

مدل‌های از پیش آموزش‌دیده Keras یک مدل طبقه‌بندی تصویر است که در برنامه پایتون مورد استفاده قرار گرفت. Keras شامل ده مدل از پیش آموزش دیده برای طبقه بندی تصاویر است که بر روی داده هایی که از قبل آموزش داده شده اند آموزش داده شده اند. Imagenet چیزی نیست جز مجموعه بزرگی از تصاویر داده که شامل 1000 دسته از تصاویر است. مدل های از پیش آموزش دیده می توانند تصویری را که در تصویری که شامل 1000 دسته است، طبقه بندی کند.

خوراکی های کلیدی

  • مدل از پیش آموزش دیده keras چیزی نیست جز شبکه ذخیره شده که با استفاده از مجموعه داده بزرگ یا طبقه بندی وظایف در مقیاس بزرگ آموزش داده شده است.
  • می‌توانیم از یک مدل از پیش آموزش‌دیده استفاده کنیم یا می‌توانیم از یادگیری انتقال برای سفارشی‌سازی مدل کار مشخص شده استفاده کنیم. شهود پشت انتقال، طبقه بندی تصویر است.

مروری بر مدل های از پیش آموزش دیده Keras

اساساً دو راه برای ایجاد مدل های از پیش آموزش دیده در keras وجود دارد، یعنی یکی مدل API عملکردی و دیگری مدل متوالی است. مدل ترتیبی حاوی لایه پشته خطی است، ما به سادگی می توانیم با فراخوانی نام متد به عنوان add، لایه ها را به مدل ترتیبی اضافه کنیم. مدل دیگر چیزی نیست جز API عملکردی که برای ایجاد مدل‌های پیچیده که حاوی ورودی‌ها و خروجی‌های متعدد هستند استفاده می‌شود.

Tensor flow یک کتابخانه بسیار مورد استفاده برای یادگیری ماشینی است، که دارای پشتیبانی داخلی keras است. ما به راحتی می توانیم توابعی را که مربوط به ماژول keras هستند فراخوانی کنیم. چشم انداز کامپیوترها شاخه جالبی از ML است. مجموعه داده شبکه تصویر نقطه عطفی برای محققان بینایی کامپیوتر است. شبکه تصویر چیزی نیست جز معیار طبقه بندی تصاویر و دقت تست برای مدل های یادگیری عمیق.

مدل های از پیش آموزش دیده کراس

چندین مدل از قبل آموزش دیده وجود دارد. vgg16 یک مدل از پیش آموزش دیده است که با استفاده از imagenet آموزش داده شده است. در زیر نمونه ای از مدل vgg16 از پیش آموزش دیده keras به شرح زیر است:

کد:

keras.applications.vgg16.VGG16 (
include_top = True,
weights="imagenet",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 1000
)

خروجی:

با استفاده از imagenet

یکی دیگر از مدل های از پیش آموزش دیده کراس mobilenetv2 است. این مدل با استفاده از imagenet آموزش داده شده است. مثال زیر مدل mobilenetv2 را به صورت زیر نشان می دهد. در مثال زیر، آلفا شبکه را کنترل خواهد کرد. اگر مقدار زیر 1 باشد، تعداد فیلترها کاهش می یابد. اگر مقدار بالاتر از 1 باشد، تعداد فیلترها در هر لایه افزایش می یابد.

کد:

keras.applications.mobilenet_v2.MobileNetV2 (
input_shape = None,
alpha = 2.0,
include_top = True,
weights="pretrained",
input_tensor = None,
pooling = None,
classes = 2000
)

خروجی:

مدل های از پیش آموزش دیده کراس

یکی دیگر از مدل های از پیش آموزش دیده کراس inceptionresnetv2 است. این مدل با استفاده از imagenet آموزش داده شده است. مثال زیر بار مدل inceptionresnetv2 را به صورت زیر نشان می دهد. این مدل با استفاده از فرمت داده کانال ها در ابتدا یا کانال های آخر ساخته شده است.

کد:

keras.applications.inception_resnet_v2.InceptionResNetV2 (
include_top = True,
weights="pretrained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 3000)

خروجی:

مدل های از پیش آموزش دیده کراس 4

یکی دیگر از مدل های از پیش آموزش دیده کراس inceptionv3 است. با استفاده از imagenet آموزش داده می شود. در زیر نحو مدل از پیش آموزش داده شده inceptionv3 به شرح زیر است.

کد:

keras.applications.inception_v3.InceptionV3 (
include_top = True,
weights="pretrained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 2000)

خروجی:

مدل های از پیش آموزش دیده کراس 6

توابع مدل از پیش آموزش دیده Keras

در زیر عملکرد کراس های از پیش آموزش داده شده است. در زیر عملکرد resnet50 به شرح زیر است:

کد:

tf.keras.applications.ResNet50(
include_top = True,
weights = "pretrained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 3000,
**kwargs
)

خروجی:

جدی 50

یکی دیگر از عملکردهای مدل pretrained keras vgg19 است. اندازه ورودی پیش فرض vgg19 299*299 است. در زیر نمونه مدل تابع vgg19 به شرح زیر است.

کد:

tf.keras.applications.VGG19(
include_top = True,
weights = "pre-trained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 2000,
classifier_activation = "model",
)

خروجی:

مدل های از پیش آموزش دیده کراس 8

یکی دیگر از عملکردهای مدل pretrained keras resnet50v2 به شرح زیر است. مثال زیر عملکرد resnet50v2 را به صورت زیر نشان می دهد.

کد:

tf.keras.applications.ResNet50V2(
include_top = True,
weights = "pre-trained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 2000,
classifier_activation = "model")

خروجی:

resnet50v2

یکی دیگر از عملکردهای مدل pretrained keras resnet101 به شرح زیر است. مثال زیر تابع resnet101 را به صورت زیر نشان می دهد.

کد:

tf.keras.applications.ResNet101 (
include_top = True,
weights = "pre-trained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 2000,
classifier_activation = "model")

خروجی:

مدل های پیش آموزش کراس 10

یکی دیگر از عملکردهای مدل pretrained keras resnet152 به شرح زیر است. مثال زیر تابع resnet152 را به صورت زیر نشان می دهد.

کد:

tf.keras.applications.ResNet152 (
include_top = True,
weights = "pre-trained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 2000,
classifier_activation = "model")

خروجی:

مدل های از پیش آموزش دیده کراس 11

مزایای مدل از پیش آموزش دیده Keras

در زیر مزایای مدل از پیش آموزش دیده کراس به شرح زیر است. مدل از پیش آموزش دیده دارای مزایایی است که مدل keras را تعریف می کند.

  • مدل از پیش آموزش دیده کراس به زمان کمتری برای آموزش مدل نیاز دارد، با استفاده از وظایف مختلف آموزش داده شده است.
  • مدل keras با استفاده از وظایف مختلف آموزش داده می شود، این مدل با استفاده از وظایف مختلف تعریف می شود.
  • مدل keras با استفاده از مجموعه داده های کوچکتر که قبلاً در یک مجموعه داده بزرگتر تعریف شده بودند در کار استفاده می شود.
  • با استفاده از مدل pretrained keras می توانیم وزنه ها را به وظیفه جدید انتقال دهیم. وظیفه جدید با استفاده از مدل های از پیش آموزش دیده ایجاد می شود.
  • در مدل پیش‌آموزش‌شده Keras، می‌توانیم مدل از پیش آموزش‌دیده را با استفاده از مجموعه داده‌ها برای انجام طبقه‌بندی بگیریم.
  • مدل پیش‌آموزش‌شده keras مجموعه‌ای از وظایف طبقه‌بندی است که در یک پارامتر متفاوت بهینه‌سازی شده است.
  • مدل پیش‌آموزش‌شده keras در مدل یادگیری انتقالی استفاده می‌شود که مزایای مدل‌های پیش‌آموزش‌شده را نشان می‌دهد.
  • لیستی از ماژول های از پیش آموزش دیده keras در حال فراخوانی به مدل یادگیری عمیق است که کاربرد keras را نشان می دهد.
  • مدل از پیش آموزش‌دیده Keras به جز انواع خاصی از پیش‌پردازش ورودی برای مدل‌های resnet.

مدل های طبقه بندی تصویر Keras

برنامه Keras مدل یادگیری عمیق است که با وزنه های از پیش آموزش دیده در دسترس بود. این ماژول در تنظیم دقیق و پیش بینی استفاده می شود. وزن ها با استفاده از مدل نمونه سازی به طور خودکار دانلود می شوند.

در زیر مدل های طبقه بندی تصاویر موجود در کراس به شرح زیر است:

  • Xception
  • Vgg16
  • Vgg19
  • ResNet50
  • Inceptionv3
  • InceptionResNetV2
  • MobileNetv2
  • DenseNet
  • ناس نت
  • موبایل نت

تمام معماری کراس با پشتی ها سازگار است. مثال زیر طبقه بندی کلاس های imagenet را با ResNet50 به صورت زیر نشان می دهد.

کد:

tf.keras.applications.ResNet50 (
include_top = True,
weights = "pre-trained",
input_tensor = None,
input_shape = None,
pooling = None,
classes = 2000,
classifier_activation = "model")

خروجی:

سازگار با پشتی ها

مثال زیر ویژگی های استخراج از vgg16 را به صورت زیر نشان می دهد

کد:

tf.keras.applications.vgg16 (
  include_top = True,
  weights = "pre-trained",
  input_tensor = None,
  input_shape = None,
  pooling = None,
  classes = 2000,
  classifier_activation = "model")

خروجی:

مدل های از پیش آموزش دیده کراس 13

مثال زیر ویژگی های استخراج از vgg19 را به صورت زیر نشان می دهد.

کد:

tf.keras.applications.vgg19 (
  include_top = True,
  weights = "pre-trained",
  input_tensor = None,
  input_shape = None,
  pooling = None,
   classes = 2000,
   classifier_activation = "model")

خروجی:

ویژگی ها را از vgg19 استخراج کنید

سوالات متداول

سوالات متداول ذکر شده در زیر آورده شده است:

Q1. کاربرد مدل از پیش آموزش دیده کراس چیست؟

پاسخ: مدل از پیش آموزش داده شده چیزی نیست جز شبکه ذخیره شده که با استفاده از مجموعه داده بزرگتری که در مدل keras تعریف شده بود آموزش داده شد.

Q2. کاربرد مدل vgg16 در مدل های پیش آموزش کراس چیست؟

پاسخ: مدل vgg16 با استفاده از imagenet آموزش داده شده است. وزن این مدل و سایر پارامترها در آن مدل.

Q3. کاربرد مدل vgg19 در مدل های پیش آموزش کراس چیست؟

پاسخ: مدل vgg19 با استفاده از imagenet آموزش داده شده است. این مدل همان مدل vgg16 است که در مدل از پیش آموزش داده شده تعریف شده است.

نتیجه

Tensor flow یک کتابخانه بسیار مورد استفاده برای یادگیری ماشینی است، که دارای پشتیبانی داخلی keras است. مدل‌های از پیش آموزش‌دیده Keras یک مدل طبقه‌بندی تصویر است که در برنامه پایتون مورد استفاده قرار گرفت. Keras شامل ده مدل از پیش آموزش دیده برای طبقه بندی تصاویر است که بر روی داده هایی که از قبل آموزش داده شده اند آموزش داده شده اند.

مقالات پیشنهادی

این راهنمای مدل های از پیش آموزش دیده Keras است. در اینجا ما در مورد مقدمه، عملکردهای مدل از پیش آموزش‌دیده keras، مزایا و طبقه‌بندی تصویر، مدل‌ها بحث می‌کنیم. همچنین می توانید برای کسب اطلاعات بیشتر به مقالات زیر نگاهی بیندازید –

  1. تیونر با صدای بلند
  2. کراس GPU چیست؟
  3. جاسازی سخت
  4. پیش بینی سخت

The post مدل های از پیش آموزش دیده کراس اولین بار در تگ سرویس پدیدار شد.


به این مطلب امتیاز دهید

جهت ارسال نظر اینجا کلیک کنید.