Наконец то, что работает без особых усилий
Курс fast.ai оказался одним из самых быстрых вариантов обучения для новичков, которые хотят создавать глубокие нейронные сети с хорошими результатами в классификации изображений. Курс начинается с программирования и постепенно углубляется в теорию глубокого обучения (т. Е. Метод обучения снизу вверх).
После третьего дня в субботнем курсе AI от Nurture.AI в Лагосе, Нигерия, я решил опробовать библиотеку fast.ai с процедурами, изложенными в курсе; простая задача классификации изображений с использованием нигерийской найры в качестве предмета.
Я начал со сбора случайных изображений достоинств наира (N5, N10, N20… N500, N1000).
Собрав достаточное количество изображений из поисковой системы Google, я разделил изображения на папки «обучение», «тестирование» и «допустимые».
Для этой практики у меня было 32 обучающих набора и 15 действительных наборов для каждой категории валюты найра. У меня также было 57 наборов тестов для практики.
Для классификации использовался алгоритм resnet34 со скоростью обучения 0,01 и 3 эпохи.
После обучения сети распознаванию изображений, к моему удивлению, полученная точность была довольно низкой. Большинство результатов засекреченных изображений были неправильными.
Могло ли это быть проблемой, связанной с плохой скоростью обучения или недостаточным объемом данных?
Продвигаясь дальше к этапу выбора скорости обучения с использованием подхода циклической скорости обучения, графики были забавными по сравнению с примерами, продемонстрированными в курсе fast.ai.
Честно говоря, я не мог сказать, что запутало алгоритм, но вот как выглядел результат.
Набравшись смелости и продолжив практику, я перешел к увеличению объема данных, точной настройке и отжигу дифференциальной скорости обучения. Этот последний процесс дал точность около 96%.
Наконец, кое-что обнадеживающее ...
Когда я протестировал изображение после этой модификации, оно дало правильную классификацию изображений.
Хотя я не мог понять причины забавных графиков скорости обучения, я довольно много извлек из этой первой практики и надеюсь узнать больше из других лекций.
Это ссылки на полный код и набор данных.
Спасибо Nurture.AI, Vesper.ng, Univelcity, Джереми Ховарду, Facebook Developer Circles Lagos, Tejumade Afonja, Femi Azeez за эту возможность.
