در این مطلب، ویدئو طبقه بندی تصاویر با استفاده از پایتون و یادگیری ماشین با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:40:44
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:01,410
بنابراین در این ویدیو به همه شما نشان می دهم
2
00:00:01,410 –> 00:00:02,669
که چگونه می توانید برنامه ای ایجاد کنید که
3
00:00:02,669 –> 00:00:05,640
تصاویر را طبقه بندی می کند اکنون در
4
00:00:05,640 –> 00:00:07,109
وب سایت Google به نام collab هستم که در
5
00:00:07,109 –> 00:00:09,030
مورد Google آرام تحقیق می کند زیرا
6
00:00:09,030 –> 00:00:10,380
شروع برنامه نویسی در پایتون را واقعا آسان می کند
7
00:00:10,380 –> 00:00:12,599
و این بدان معنی است که شما
8
00:00:12,599 –> 00:00:13,740
لازم نیست پایتون را در
9
00:00:13,740 –> 00:00:15,269
رایانه خود نصب کنید، فقط می توانید به این وب سایت بروید
10
00:00:15,269 –> 00:00:16,619
و سپس با استفاده از حساب Google خود وارد
11
00:00:16,619 –> 00:00:18,150
شوید و نوشتن کد پایتون خود را شروع کنید،
12
00:00:18,150 –> 00:00:20,939
بنابراین برای شروع نوشتن
13
00:00:20,939 –> 00:00:22,800
این کد، می خواهید روی
14
00:00:22,800 –> 00:00:25,050
فایل کلیک کنید و سپس روی یک نوت بوک جدید کلیک کنید
15
00:00:25,050 –> 00:00:28,320
و یک برگه جدید برای شما باز می شود و سپس یک
16
00:00:28,320 –> 00:00:31,109
سلول جدید برای شما در حال حاضر در
17
00:00:31,109 –> 00:00:32,460
این سلول باز می شود و وقتی در برخی از نظرات قرار می دهید،
18
00:00:32,460 –> 00:00:34,559
بنابراین توضیحی در مورد
19
00:00:34,559 –> 00:00:39,200
برنامه می گذارم و آن را انجام می دهم. بزرگ D
20
00:00:39,200 –> 00:00:44,510
بسیار خوب، بنابراین این برنامه تصاویر را طبقه بندی می
21
00:00:44,510 –> 00:00:48,410
کند یا این برنامه تصاویر را طبقه بندی می کند.
22
00:00:48,410 –> 00:00:50,550
من می خواهم
23
00:00:50,550 –> 00:00:53,039
با کلیک کردن روی این دکمه کد در
24
00:00:53,039 –> 00:00:56,129
بالا سمت چپ یک سلول جدید ایجاد کنم و در این سلول
25
00:00:56,129 –> 00:00:58,859
کتابخانه هایی را که برنامه ریزی کرده ام وارد کنم. در
26
00:00:58,859 –> 00:01:01,289
استفاده در سراسر این برنامه m بنابراین من می خواهم
27
00:01:01,289 –> 00:01:04,730
tensorflow stf را وارد کنم
28
00:01:05,090 –> 00:01:11,040
و سپس از tensorflow می خواهم
29
00:01:11,040 –> 00:01:16,350
Quiroz را وارد کنم و از مدل های Kaos dot
30
00:01:16,350 –> 00:01:23,119
می خواهم ترتیبی وارد کنم و از
31
00:01:23,119 –> 00:01:27,920
لایه های نقطه Quiroz می خواهم
32
00:01:27,920 –> 00:01:39,329
آرامش متراکم مسطح را وارد کنم 2d بعدی مایل به
33
00:01:39,329 –> 00:01:47,930
D و رها کردن از tensorflow
34
00:01:47,930 –> 00:01:52,530
dot Quiroz من لایهها را وارد میکنم
35
00:01:52,530 –> 00:01:59,490
و از chaos utils میخواهم وارد کنم
36
00:01:59,490 –> 00:02:05,340
تا زیرخط طبقهبندی کنم
37
00:02:05,340 –> 00:02:09,149
و میخواهم numpy را به عنوان NP وارد کنم و میخواهم
38
00:02:09,149 –> 00:02:13,680
mat plot live dot lot
39
00:02:13,680 –> 00:02:17,609
SP LT را وارد کنم و سپس میخواهم به این
40
00:02:17,609 –> 00:02:19,549
طرح سبک به شخصی استفاده کنم که نوع p LT dot
41
00:02:19,549 –> 00:02:26,099
استایل استفاده کند و از 538 استفاده میکنم،
42
00:02:26,099 –> 00:02:27,900
بنابراین اکنون میخواهیم این سلول را با
43
00:02:27,900 –> 00:02:29,129
کلیک کردن روی این دکمه در اینجا به سمت چپ اجرا کنیم
44
00:02:29,129 –> 00:02:33,500
و امیدوارم هیچ سلولی وجود نداشته باشد. خطاها
45
00:02:34,280 –> 00:02:36,930
خوب است، بنابراین هیچ خطایی وجود ندارد،
46
00:02:36,930 –> 00:02:40,980
به نظر می رسد همه چیز خوب کار می کند، بنابراین
47
00:02:40,980 –> 00:02:43,739
بیایید ادامه دهیم و یک سلول جدید ایجاد کنیم و
48
00:02:43,739 –> 00:02:48,120
من به بالا پیمایش می کنم و اکنون در این سلول
49
00:02:48,120 –> 00:02:52,980
می خواهم داده ها را بارگیری کنم، بنابراین از
50
00:02:52,980 –> 00:02:58,760
مجموعه داده های نقطه آشوب می روم برای وارد کردن
51
00:02:58,760 –> 00:03:06,150
Seyfert در و اکنون می خواهم یک یا
52
00:03:06,150 –> 00:03:09,989
دو تاپل یا تاپل ایجاد کنم که می توانید ببینید به هر دو
53
00:03:09,989 –> 00:03:11,969
صورت من فکر می کنم، بنابراین من می خواهم
54
00:03:11,969 –> 00:03:16,349
یک تاپل X در قطار امتیاز دهنده و قطار زیرخط Y
55
00:03:16,349 –> 00:03:18,180
56
00:03:18,180 –> 00:03:22,079
ایجاد کنم، بنابراین این مجموعه داده های آموزشی را شامل می شود و من
57
00:03:22,079 –> 00:03:25,560
یک تاپل X دیگر در آزمون نمره
58
00:03:25,560 –> 00:03:28,440
و آزمون زیرخط Y ایجاد خواهم کرد. آن تاپل
59
00:03:28,440 –> 00:03:30,769
حاوی مجموعه دادههای آزمایشی است
60
00:03:30,769 –> 00:03:32,760
و من میخواهم تعداد پیچها را
61
00:03:32,760 –> 00:03:38,790
برابر با دادههای نقطهای رمزگذاری کنم یا با عرض پوزش،
62
00:03:38,790 –> 00:03:43,650
دادههای زیرخط بارگذاری نقطهای را تنظیم میکنم و سپس
63
00:03:43,650 –> 00:03:46,439
این سلول را اجرا میکنم و دادهها
64
00:03:46,439 –> 00:03:50,669
بهخوبی دانلود میشوند، بنابراین تمام شد.
65
00:03:50,669 –> 00:03:52,949
برای ایجاد یک سلول جدید،
66
00:03:52,949 –> 00:03:57,030
در اینجا به بالا پیمایش میکنم و میخواهم به
67
00:03:57,030 –> 00:03:59,220
انواع دادههای متغیر نگاهی بیندازم، بنابراین
68
00:03:59,220 –> 00:04:03,239
شما میخواهید به انواع دادههای متغیرها نگاه کنید،
69
00:04:03,239 –> 00:04:08,639
بنابراین برای انجام این کار،
70
00:04:08,639 –> 00:04:11,609
من میخواهم نوع چاپ کنم
71
00:04:11,609 –> 00:04:14,579
و نام متغیر را وارد میکنم تا X
72
00:04:14,579 –> 00:04:16,199
underscore train یک متغیر باشد
73
00:04:16,199 –> 00:04:18,690
و برای اینکه این کار کمی سریعتر شود،
74
00:04:18,690 –> 00:04:20,699
فقط آن را برجسته میکنم و
75
00:04:20,699 –> 00:04:23,099
کپی میکنم و سپس این مورد را در مورد پیست میکنم.
76
00:04:23,099 –> 00:04:25,260
سه بار دیگر و من فقط می
77
00:04:25,260 –> 00:04:27,100
خواهم سمت نام متغیر
78
00:04:27,100 –> 00:04:29,590
این پارامترها را در اینجا تغییر دهم بنابراین i
79
00:04:29,590 –> 00:04:32,380
در اینجا
80
00:04:32,380 –> 00:04:36,700
به جای X در قطار امتیازی، Y را در قطار مربعی به جای X
81
00:04:36,700 –> 00:04:38,230
در قطار نمره اینجا قرار می دهم،
82
00:04:38,230 –> 00:04:42,910
X را در یک تست نمره قرار می دهم و سپس آخرین اما مهم تر
83
00:04:42,910 –> 00:04:45,250
از آن قرار می دهم Y در یک تست نمره
84
00:04:45,250 –> 00:04:47,740
در اینجا و آنها می خواهند این سلول را اجرا کنند
85
00:04:47,740 –> 00:04:51,820
و من می بینم که هر چهار این
86
00:04:51,820 –> 00:04:55,630
متغیرها آرایه های numpy هستند، خوب است، بنابراین
87
00:04:55,630 –> 00:04:57,910
بیایید شکل این آرایه ها را بگیریم، بنابراین من می
88
00:04:57,910 –> 00:05:00,670
خواهم یک سلول جدید ایجاد کنم و دوباره می خواهم
89
00:05:00,670 –> 00:05:08,470
برای بدست آوردن شکل آرایه ها خوب است،
90
00:05:08,470 –> 00:05:09,910
بنابراین برای انجام این کار،
91
00:05:09,910 –> 00:05:12,940
یک دستور چاپ ایجاد می کنم و X را روی
92
00:05:12,940 –> 00:05:18,330
شکل قطار امتیاز و
93
00:05:18,330 –> 00:05:21,010
سپس دو نقطه قرار می دهم و سپس یک کاما می گذاریم و من. m
94
00:05:21,010 –> 00:05:22,960
قرار است X را روی نقطه امتیاز قرار
95
00:05:22,960 –> 00:05:26,920
دهم، بنابراین
96
00:05:26,920 –> 00:05:30,490
شکل متغیر X train را به من می دهد، می خواهم
97
00:05:30,490 –> 00:05:35,080
این را کپی کنم و حدود سه بار دیگر آن را جایگذاری کنم
98
00:05:35,080 –> 00:05:36,910
و فقط نام متغیر
99
00:05:36,910 –> 00:05:39,520
را به جای X در یک تغییر دهید. قطار مربعی
100
00:05:39,520 –> 00:05:41,170
در اینجا این Y در قطار مربعی خواهد بود
101
00:05:41,170 –> 00:05:43,990
و به جای Y و متاسفم به
102
00:05:43,990 –> 00:05:45,910
جای X در شکل قطار مربعی این خواهد
103
00:05:45,910 –> 00:05:49,480
بود Y underscore tra در شکل و
104
00:05:49,480 –> 00:05:51,310
من اساساً همان کاری را انجام خواهم داد که
105
00:05:51,310 –> 00:05:54,760
در بالا انجام دادم، بنابراین در اینجا تست زیر خط X خواهد بود
106
00:05:54,760 –> 00:05:59,500
و پس از آن برای اینجا، من
107
00:05:59,500 –> 00:06:02,710
این را به X در آزمون نمره تغییر می دهم و سپس این
108
00:06:02,710 –> 00:06:07,960
تست
109
00:06:07,960 –> 00:06:13,720
زیر خط Y و تست زیر خط Y در اینجا خواهد بود. خوب حالا بیایید
110
00:06:13,720 –> 00:06:19,480
این سلول را اجرا کنیم و من می خواهم
111
00:06:19,480 –> 00:06:21,930
بفهمم اینجا
112
00:06:21,930 –> 00:06:26,710
چه خبر است، بنابراین چیزی که برای شکل قطار X می بینیم این است
113
00:06:26,710 –> 00:06:30,750
که یک آرایه چهار بعدی به دست می آوریم و
114
00:06:30,750 –> 00:06:34,410
چیزی که به ما می گوید این است که ما
115
00:06:34,410 –> 00:06:39,610
50000 ردیف داده داریم و آنها ردیفهایی هستند
116
00:06:39,610 –> 00:06:41,140
که حاوی
117
00:06:41,140 –> 00:06:46,060
32 تصویر 32 با عمق 3 برای قرمز سبز و
118
00:06:46,060 –> 00:06:49,360
آبی هستند، بنابراین من فکر میکنم که کاملاً
119
00:06:49,360 –> 00:06:54,270
قابل درک است که متغیر باران سفید
120
00:06:54,270 –> 00:06:58,990
حاوی 50000 ردیف داده و یک
121
00:06:58,990 –> 00:07:03,010
ستون است و دو بعدی است.
122
00:07:03,010 –> 00:07:05,650
123
00:07:05,650 –> 00:07:08,890
داده ها 10000
124
00:07:08,890 –> 00:07:11,950
سطر از تصاویر 32 در 32 با عمق برابر
125
00:07:11,950 –> 00:07:16,000
با 3 هستند و متغیر تست زیرخط y
126
00:07:16,000 –> 00:07:19,530
شامل 10000 سطر و 1 ستون است
127
00:07:19,530 –> 00:07:22,600
که خوب به نظر می رسد بیایید
128
00:07:22,600 –> 00:07:28,330
یک سلول جدید ایجاد کنیم و اکنون می خواهم
129
00:07:28,330 –> 00:07:33,970
به اولین نگاهی بیندازم. تصویر و من می خواهم به
130
00:07:33,970 –> 00:07:38,410
آن به عنوان یک آرایه نگاه کنم، بنابراین
131
00:07:38,410 –> 00:07:39,970
یک متغیر به نام index ایجاد می کنم و
132
00:07:39,970 –> 00:07:43,930
آن را برابر با 0 قرار می دهم و به
133
00:07:43,930 –> 00:07:46,330
مجموعه داده های آموزشی نگاه می کنم، بنابراین
134
00:07:46,330 –> 00:07:51,310
X را تایپ می کنم در این مورد امتیاز شاخص در شاخص
135
00:07:51,310 –> 00:07:54,400
0 می شود، بنابراین بیایید
136
00:07:54,400 –> 00:08:04,000
این ok را اجرا کنیم و من می توانم تصویر را در اینجا
137
00:08:04,000 –> 00:08:08,920
به عنوان یک آرایه ببینم، بنابراین واقعاً هیچ تصویری وجود ندارد،
138
00:08:08,920 –> 00:08:11,500
بنابراین بیایید
139
00:08:11,500 –> 00:08:14,950
به عنوان یک تصویر به آن نگاه کنیم، تصویر به عنوان یک عکس
140
00:08:14,950 –> 00:08:20,430
بنابراین میخواهم تصویر را بهعنوان یک تصویر نشان
141
00:08:20,430 –> 00:08:22,270
دهم و متغیری به نام IMG ایجاد میکنم
142
00:08:22,270 –> 00:08:25,870
و آن را برابر با نقطه PLT I am
143
00:08:25,870 –> 00:08:30,820
show قرار میدهم و اجازه میدهم X را در امتیاز
144
00:08:30,820 –> 00:08:35,590
ایندکس یا شاخص موقعیت وارد
145
00:08:35,590 –> 00:08:38,650
کنیم و این ok را اجرا کنیم. این را
146
00:08:38,650 –> 00:08:41,799
به سمت بالا حرکت دهید و اکنون میتوانیم این تصویر 32 در 32
147
00:08:41,799 –> 00:08:47,310
از قورباغه
148
00:08:47,310 –> 00:08:51,580
را ببینیم، پس بیایید برچسب این تصویر را بگیریم، بنابراین
149
00:08:51,580 –> 00:08:53,770
سلول دیگری ایجاد
150
00:08:53,770 –> 00:08:58,280
میکنم و در اینجا میخواهم برچسب تصویر را دریافت کنم.
151
00:08:58,280 –> 00:09:07,990
فقط برچسب تصویر را چاپ کنید:
152
00:09:07,990 –> 00:09:11,840
و سپس من زیرخط Y را
153
00:09:11,840 –> 00:09:17,710
در شاخص قرار می دهم، خوب است، بنابراین اجازه دهید این را اجرا
154
00:09:17,710 –> 00:09:22,160
کنیم و می بینیم که تصویر برچسب 6 است
155
00:09:22,160 –> 00:09:23,930
اکنون ممکن است انتظار داشته باشید که
156
00:09:23,930 –> 00:09:27,740
برچسب تصویر چیزی شبیه به قورباغه باشد در
157
00:09:27,740 –> 00:09:31,880
این مجموعه داده، هر عدد
158
00:09:31,880 –> 00:09:35,180
با یک طبقه بندی مطابقت دارد، بنابراین عدد شش
159
00:09:35,180 –> 00:09:37,570
با یک قورباغه مطابقت دارد،
160
00:09:37,570 –> 00:09:40,970
بنابراین بیایید در واقع این نقشه برداری
161
00:09:40,970 –> 00:09:42,800
را خودمان انجام دهیم تا طبقه بندی تصویر را بدست آوریم.
162
00:09:42,800 –> 00:09:45,500
میخواهم یک سلول جدید ایجاد
163
00:09:45,500 –> 00:09:50,740
کنم و میخواهم طبقهبندی تصویر را دریافت کنم،
164
00:09:50,740 –> 00:09:54,380
بنابراین
165
00:09:54,380 –> 00:09:57,230
متغیری به نام طبقهبندی ایجاد میکنم و
166
00:09:57,230 –> 00:10:00,020
آن را برابر با
167
00:10:00,020 –> 00:10:02,660
I’m going to put airplane در اینجا قرار میدهم و هواپیما و شاخص را قرار میدهم.
168
00:10:02,660 –> 00:10:08,750
0 یا موقعیت 0
169
00:10:08,750 –> 00:10:11,900
زیرا عدد 0 مربوط به هواپیما یا
170
00:10:11,900 –> 00:10:15,170
نقشه های هواپیما کاملاً درست است و سپس
171
00:10:15,170 –> 00:10:19,610
automobile در موقعیت 1 خواهد بود زیرا
172
00:10:19,610 –> 00:10:24,590
نقشه های خودرو به 1 و پرنده در
173
00:10:24,590 –> 00:10:28,390
موقعیت 2 خواهد بود زیرا 2 نقشه به پرنده
174
00:10:28,390 –> 00:10:30,380
خوب است فکر می کنم شما
175
00:10:30,380 –> 00:10:31,610
الگوی I را درک می کنید من فقط اینجا را
176
00:10:31,610 –> 00:10:40,130
ادامه میدهم گربه را بگیر آهو سگ
177
00:10:40,130 –> 00:10:43,730
طبقه بندی بعدی خواهد بود و بعد قورباغه در
178
00:10:43,730 –> 00:10:55,510
موقعیت 6 و سپس اسب و گند و
179
00:10:55,510 –> 00:11:01,390
سپس کامیون
180
00:11:02,000 –> 00:11:05,730
خوب است بنابراین خوب به نظر می رسد اکنون می
181
00:11:05,730 –> 00:11:12,240
خواهم چاپ کنم او کلاس تصویر، بنابراین در اینجا من
182
00:11:12,240 –> 00:11:13,560
فقط میخواهم یک عبارت چاپی قرار
183
00:11:13,560 –> 00:11:17,040
دهم و کلاس تصویر است
184
00:11:17,040 –> 00:11:21,680
و سپس دو نقطه را چاپ میکنم و
185
00:11:21,680 –> 00:11:25,770
طبقهبندی را در موقعیت y underscore
186
00:11:25,770 –> 00:11:30,150
train در شاخص موقعیت قرار میدهم و اجازه دهید
187
00:11:30,150 –> 00:11:34,050
این را اجرا کنیم. بنابراین من در اینجا اشتباه کردم، بیایید
188
00:11:34,050 –> 00:11:41,070
ببینیم که در کجا طبقه بندی y بر
189
00:11:41,070 –> 00:11:42,990
موقعیت قطار X کاملاً تأکید دارد، بنابراین بیایید ببینیم
190
00:11:42,990 –> 00:11:51,900
چه چیزی خوب است، بنابراین مشکل اینجاست
191
00:11:51,900 –> 00:11:55,740
که من باید فقط مقداری را
192
00:11:55,740 –> 00:11:58,020
که در موقعیت 0 است به دست بیاورم، بنابراین بیایید دوباره این را اجرا کنیم
193
00:11:58,020 –> 00:12:02,600
و اکنون ما دریافت کنید کلاس تصویر قورباغه
194
00:12:02,600 –> 00:12:07,500
ok است، بنابراین خوب به نظر می رسد، بنابراین اکنون می توانیم ببینیم
195
00:12:07,500 –> 00:12:11,490
که تصویر اینجا یک قورباغه است یا
196
00:12:11,490 –> 00:12:15,240
به عنوان یک قورباغه ok طبقه بندی شده است، بنابراین بیایید به
197
00:12:15,240 –> 00:12:18,570
بالا برگردیم و فقط با این
198
00:12:18,570 –> 00:12:21,990
شاخص که در آن قرار می دهم بازی کنیم. شماره 10
199
00:12:21,990 –> 00:12:23,940
برای ایندکس پس بیایید این را اجرا کنیم و ببینیم که
200
00:12:23,940 –> 00:12:26,730
آن تصویر به عنوان یک آرایه چگونه به نظر می رسد، بنابراین می
201
00:12:26,730 –> 00:12:27,990
بینیم که مقادیر آرایه تغییر کرده است
202
00:12:27,990 –> 00:12:30,420
و بیایید به پایین اسکرول کنیم، ببینیم
203
00:12:30,420 –> 00:12:33,690
به عنوان یک تصویر خوب است
204
00:12:33,690 –> 00:12:35,700
و در واقع تشخیص آن بسیار سخت است.
205
00:12:35,700 –> 00:12:38,450
این طوری است که من خودم کنجکاو هستم
206
00:12:38,450 –> 00:12:41,460
بیایید اجرا کنیم s و برچسب را بگیرید تا
207
00:12:41,460 –> 00:12:46,440
برچسب 4 شود و سپس بیایید طبقه بندی را دریافت کنیم
208
00:12:46,440 –> 00:12:49,020
و بنابراین این به ما می گوید
209
00:12:49,020 –> 00:12:50,640
که تصویر یک گوزن است و اگر به بالا
210
00:12:50,640 –> 00:12:54,780
برگردم در واقع می توانم گوزن را در
211
00:12:54,780 –> 00:12:58,310
این تصویر ببینم که انگار توسط تعدادی احاطه شده است.
212
00:12:58,310 –> 00:13:04,860
زندگی گیاه خوب است، امیدوارم همه
213
00:13:04,860 –> 00:13:08,580
چیز قابل درک بود و حالا بیایید
214
00:13:08,580 –> 00:13:11,810
داده ها را برای شبکه عصبی آماده کنیم،
215
00:13:11,810 –> 00:13:16,480
بنابراین من می خواهم یک سلول جدید ایجاد کنم و
216
00:13:16,480 –> 00:13:21,079
در اینجا می خواهم برچسب ها را به
217
00:13:21,079 –> 00:13:28,059
مجموعه ای از ده عدد تبدیل کنم تا به
218
00:13:28,059 –> 00:13:31,999
شبکه عصبی وارد شود. من قصد دارم
219
00:13:31,999 –> 00:13:33,769
چند متغیر را در اینجا ایجاد کنم، بنابراین Y
220
00:13:33,769 –> 00:13:37,879
underscore train underscore یک hot یا
221
00:13:37,879 –> 00:13:40,189
یک underscore hot ایجاد می کنم و زمانی که برابر
222
00:13:40,189 –> 00:13:43,970
با دو underscore یا categorical شد و
223
00:13:43,970 –> 00:13:46,879
ما می خواهیم قطار زیرخط Y را وارد کنیم
224
00:13:46,879 –> 00:13:49,970
و سپس می خواهیم Y را ایجاد کنیم. در
225
00:13:49,970 –> 00:13:55,759
تست نمره یک داغ به جای مساوی برای
226
00:13:55,759 –> 00:14:00,470
زیرخط طبقه بندی و تست زیرخط Y ورودی،
227
00:14:00,470 –> 00:14:05,620
بنابراین اجازه دهید این را اجرا کنم،
228
00:14:11,280 –> 00:14:13,080
این در واقع کمی
229
00:14:13,080 –> 00:14:15,350
طول
230
00:14:24,390 –> 00:14:27,570
می کشد، بنابراین اکنون تمام شد، بیایید یک سلول جدید ایجاد کنیم
231
00:14:27,570 –> 00:14:32,130
و بیایید برچسب های جدید را چاپ کنیم
232
00:14:32,130 –> 00:14:34,500
تا من. من فقط می خواهم ty pe چاپ کنید و
233
00:14:34,500 –> 00:14:37,230
سپس من Y underscore قطار
234
00:14:37,230 –> 00:14:40,790
زیر خط یک کلبه قرار می دهم و اجازه دهید این را اجرا کنیم
235
00:14:40,790 –> 00:14:41,910
236
00:14:41,910 –> 00:14:44,670
و اکنون می توانیم برچسب های جدید برچسب های تبدیل شده را ببینیم،
237
00:14:44,670 –> 00:14:47,160
بنابراین آنچه را که
238
00:14:47,160 –> 00:14:48,839
در اینجا نگاه می کنیم اساساً آنچه شما می خواهید
239
00:14:48,839 –> 00:14:52,620
ببینید مجموعه ای از ده عدد و
240
00:14:52,620 –> 00:14:55,230
همه ستون ها حاوی مقدار صفر خواهند بود
241
00:14:55,230 –> 00:14:57,779
به جز یک ستون تمام سمت راست، یک
242
00:14:57,779 –> 00:15:00,209
ستون حاوی مقدار یک
243
00:15:00,209 –> 00:15:05,480
خواهد بود و با آن برچسب مطابقت دارد،
244
00:15:05,480 –> 00:15:08,220
بنابراین اجازه دهید منظورم را به شما نشان دهم
245
00:15:08,220 –> 00:15:14,190
که یک سلول جدید در اینجا ایجاد می کنیم و بیایید
246
00:15:14,190 –> 00:15:18,600
برچسب جدید تصویر فعلی
247
00:15:18,600 –> 00:15:23,040
یا تصویر بالا را چاپ کنیم، بنابراین من فقط می خواهم
248
00:15:23,040 –> 00:15:31,199
یک برچسب داغ را چاپ کنم: y زیرخط
249
00:15:31,199 –> 00:15:35,760
قطار زیرخط یک زیرخط داغ در
250
00:15:35,760 –> 00:15:42,360
شاخص موقعیت، بنابراین اجازه دهید این را اجرا کنیم تا
251
00:15:42,360 –> 00:15:46,890
این مجموعه ده عددی مطابق با
252
00:15:46,890 –> 00:15:51,329
آن برچسب چهار و ما این را میدانیم و
253
00:15:51,329 –> 00:15:54,149
میتوانیم این را بررسی کنیم تا مشخص کنیم
254
00:15:54,149 –> 00:15:57,000
آن یک مقدار کجاست تا بتوانیم آن را
255
00:15:57,000 –> 00:15:58,350
در
256
00:15:58,350 –> 00:16:03,540
موقعیت صفر یک دو سه چهار خوب ببینیم،
257
00:16:03,540 –> 00:16:06,600
بنابراین اساساً این چیزی است که اینجا اتفاق میافتد،
258
00:16:06,600 –> 00:16:11,550
بنابراین فکر میکنم که اکنون قابل درک است.
259
00:16:11,550 –> 00:16:13,680
ما این تبدیل را داریم، اجازه دهید
260
00:16:13,680 –> 00:16:15,630
پیکسل ها را به مقادیری
261
00:16:15,630 –> 00:16:20,070
بین صفر و یک نرمال کنیم، بنابراین در
262
00:16:20,070 –> 00:16:24,510
برخی از نظرات اینجا، پیکسل ها را نرمال کنید
263
00:16:24,510 –> 00:16:28,459
تا مقادیری
264
00:16:29,030 –> 00:16:33,990
بین صفر و یک باشند، بسیار خوب، بنابراین من می
265
00:16:33,990 –> 00:16:36,510
خواهم X را در امتیاز قطار تنظیم کنم.
266
00:16:36,510 –> 00:16:38,880
آن را برابر با X Underscore Train
267
00:16:38,880 –> 00:16:42,210
تقسیم بر 255 قرار دهید و سپس من می خواهم
268
00:16:42,210 –> 00:16:45,420
تست X underscore را برابر X در
269
00:16:45,420 –> 00:16:49,470
آزمون نمره تقسیم بر 255 تنظیم کنم و
270
00:16:49,470 –> 00:16:55,350
اجازه دهید این کار را انجام دهیم، بنابراین اکنون همه مقادیر پیکسل
271
00:16:55,350 –> 00:16:57,330
باید بین مقدار 0 باشد. و
272
00:16:57,330 –> 00:16:59,210
1 پس بیایید در واقع به آن نگاهی بیندازیم،
273
00:16:59,210 –> 00:17:02,130
بیایید نگاهی به X بیاندازیم که
274
00:17:02,130 –> 00:17:07,050
شاخص قطار در موقعیت است فقط
275
00:17:07,050 –> 00:17:11,220
این را اجرا می کند و اکنون آنچه می بینید این است که این
276
00:17:11,220 –> 00:17:17,300
مقادیر در اینجا مقادیری بین 0 و 1
277
00:17:17,300 –> 00:17:19,619
ok هستند، بنابراین دقیقاً همان کاری است که ما در آنجا انجام دادیم.
278
00:17:19,619 –> 00:17:21,720
من از آن خارج می شوم که اجازه دهید یک
279
00:17:21,720 –> 00:17:26,640
سلول جدید ایجاد کنیم و اکنون در واقع
280
00:17:26,640 –> 00:17:30,660
معماری مدل ها را ایجاد می کنیم، بنابراین در اینجا می
281
00:17:30,660 –> 00:17:35,060
خواهم معماری مدل ها را
282
00:17:40,400 –> 00:17:43,080
کاملا درست کنم، بنابراین یک متغیر
283
00:17:43,080 –> 00:17:46,250
به نام model ایجاد می کنم و آن را برابر با ترتیب قرار می دهم.
284
00:17:46,250 –> 00:17:53,310
در حال حاضر من می خواهم به آن
285
00:17:53,310 –> 00:17:58,440
اضافه کنم لایه اول و این لایه
286
00:17:58,440 –> 00:18:01,530
اول یک لایه کانولوشن برای استخراج
287
00:18:01,530 –> 00:18:04,260
ویژگی ها از تصویر ورودی خواهد بود و
288
00:18:04,260 –> 00:18:10,470
سپس 32 ویژگی پیچیده پرتوی 5×5 Lu
289
00:18:10,470 –> 00:18:14,010
یا ویژگی Maps را ایجاد می کند به طوری که صداهای
290
00:18:14,010 –> 00:18:15,540
بسیار پیچیده تر از آنچه
291
00:18:15,540 –> 00:18:16,290
در واقع است
292
00:18:16,290 –> 00:18:17,940
به نظر می رسد.
293
00:18:17,940 –> 00:18:23,310
بنابراین فقط مدل dad و سایتش را در اینجا تایپ کنید
294
00:18:23,310 –> 00:18:28,290
ما آرامش را به D اضافه می کنیم بسیار خوب و
295
00:18:28,290 –> 00:18:30,960
در داخل آرامش 2d می خواهیم 32 اضافه کنیم
296
00:18:30,960 –> 00:18:34,530
و سپس 5 کاما 5 را
297
00:18:34,530 –> 00:18:38,910
برای زوج یا تاپل اضافه می کنیم و سپس می توانیم باید
298
00:18:38,910 –> 00:18:40,650
یک تابع فعالسازی به آن بدهیم،
299
00:18:40,650 –> 00:18:44,070
بنابراین تابع فعالسازی ریلی خواهد بود
300
00:18:44,070 –> 00:18:49,080
و از آنجایی که
301
00:18:49,080 –> 00:18:52,140
این اولین لایه است، باید به آن یک
302
00:18:52,140 –> 00:18:56,570
شکل ورودی بدهیم، بنابراین شکل ورودی
303
00:18:56,570 –> 00:19:06,390
32 5 32 در 3 خواهد بود، بنابراین فکر میکنم خوب است،
304
00:19:06,390 –> 00:19:08,450
اجازه دهید بریم. به جلو و یک لایه دیگر ایجاد کنید،
305
00:19:08,450 –> 00:19:12,750
بنابراین در این لایه من یک
306
00:19:12,750 –> 00:19:19,560
لایه خنک کننده اضافه می کنم، بنابراین فقط
307
00:19:19,560 –> 00:19:22,170
مدل dot add را تایپ کنید و سپس
308
00:19:22,170 –> 00:19:26,280
حداکثر کشش 2d را اضافه می کنم و سپس
309
00:19:26,280 –> 00:19:30,330
به آن یک اندازه استخر می دهم تا اندازه استخر
310
00:19:30,330 –> 00:19:37,080
2 کاما 2 یا یک فیلتر 2 در 2 پیکسل خواهد
311
00:19:37,080 –> 00:19:42,350
بود d این دقیقاً در اینجا
312
00:19:42,350 –> 00:19:45,870
اساساً یک لایه ادغام با
313
00:19:45,870 –> 00:19:49,020
یک فیلتر 2 در 2 پیکسل ایجاد می کند تا عنصر حداکثر
314
00:19:49,020 –> 00:19:53,370
را از نقشه های ویژگی به خوبی دریافت کند،
315
00:19:53,370 –> 00:19:55,380
بنابراین بیایید به پایین ادامه دهیم، من
316
00:19:55,380 –> 00:19:58,740
این را کمی بالا می آورم و می خواهم
317
00:19:58,740 –> 00:20:01,320
یک لایه دیگر اضافه