AI-For-Beginners/translations/el/lessons/4-ComputerVision/07-ConvNets/lab

Κατηγοριοποίηση Προσώπων Κατοικίδιων

Εργαστηριακή Άσκηση από το AI for Beginners Curriculum.

Εργασία

Φανταστείτε ότι πρέπει να αναπτύξετε μια εφαρμογή για ένα βρεφονηπιακό σταθμό κατοικίδιων, ώστε να καταγράφετε όλα τα κατοικίδια. Μία από τις εξαιρετικές δυνατότητες μιας τέτοιας εφαρμογής θα ήταν η αυτόματη αναγνώριση της φυλής από μια φωτογραφία. Αυτό μπορεί να επιτευχθεί με επιτυχία χρησιμοποιώντας νευρωνικά δίκτυα.

Πρέπει να εκπαιδεύσετε ένα συνελικτικό νευρωνικό δίκτυο για να ταξινομήσετε διαφορετικές φυλές γατών και σκύλων χρησιμοποιώντας το σύνολο δεδομένων Pet Faces.

Το Σύνολο Δεδομένων

Θα χρησιμοποιήσουμε το σύνολο δεδομένων Pet Faces, το οποίο προέρχεται από το σύνολο δεδομένων κατοικίδιων Oxford-IIIT. Περιέχει 35 διαφορετικές φυλές σκύλων και γατών.

Για να κατεβάσετε το σύνολο δεδομένων, χρησιμοποιήστε αυτό το απόσπασμα κώδικα:

!wget https://mslearntensorflowlp.blob.core.windows.net/data/petfaces.tar.gz
!tar xfz petfaces.tar.gz
!rm petfaces.tar.gz

Έναρξη Σημειωματάριου

Ξεκινήστε το εργαστήριο ανοίγοντας το PetFaces.ipynb

Συμπέρασμα

Έχετε λύσει ένα σχετικά πολύπλοκο πρόβλημα ταξινόμησης εικόνων από το μηδέν! Υπήρχαν αρκετές κατηγορίες, και παρόλα αυτά καταφέρατε να πετύχετε μια ικανοποιητική ακρίβεια! Επίσης, έχει νόημα να μετρήσετε την ακρίβεια top-k, καθώς είναι εύκολο να μπερδευτούν ορισμένες κατηγορίες που δεν είναι ξεκάθαρα διαφορετικές, ακόμα και για τους ανθρώπους.

---

Αποποίηση Ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.