8.7 KiB
مشہور سی این این آرکیٹیکچرز
وی جی جی-16
وی جی جی-16 ایک نیٹ ورک ہے جس نے 2014 میں امیج نیٹ ٹاپ-5 کلاسیفیکیشن میں 92.7% درستگی حاصل کی۔ اس کی پرتوں کی ساخت کچھ یوں ہے:
جیسا کہ آپ دیکھ سکتے ہیں، وی جی جی ایک روایتی پیرامڈ آرکیٹیکچر کی پیروی کرتا ہے، جو کہ کنوولوشن-پولنگ پرتوں کی ترتیب ہے۔
تصویر ریسرچ گیٹ سے لی گئی ہے۔
ریز نیٹ
ریز نیٹ ماڈلز کا ایک خاندان ہے جو مائیکروسافٹ ریسرچ نے 2015 میں پیش کیا۔ ریز نیٹ کا بنیادی خیال ریزیڈیول بلاکس استعمال کرنا ہے:
تصویر اس مقالے سے لی گئی ہے۔
شناختی پاس تھرو استعمال کرنے کی وجہ یہ ہے کہ ہماری پرت فرق کی پیش گوئی کرے جو پچھلی پرت کے نتیجے اور ریزیڈیول بلاک کے آؤٹ پٹ کے درمیان ہوتا ہے - اسی لیے اسے ریزیڈیول کہا جاتا ہے۔ یہ بلاکس تربیت دینے میں بہت آسان ہیں، اور ان بلاکس کے کئی سو نیٹ ورکس بنائے جا سکتے ہیں (سب سے عام اقسام ریز نیٹ-52، ریز نیٹ-101 اور ریز نیٹ-152 ہیں)۔
آپ اس نیٹ ورک کو ڈیٹا سیٹ کے مطابق اپنی پیچیدگی کو ایڈجسٹ کرنے کے قابل بھی سمجھ سکتے ہیں۔ شروع میں، جب آپ نیٹ ورک کی تربیت شروع کرتے ہیں، وزن کی قدریں چھوٹی ہوتی ہیں، اور زیادہ تر سگنل شناختی پرتوں کے ذریعے گزرتا ہے۔ جیسے جیسے تربیت آگے بڑھتی ہے اور وزن زیادہ ہو جاتے ہیں، نیٹ ورک کے پیرامیٹرز کی اہمیت بڑھتی ہے، اور نیٹ ورک مطلوبہ اظہار کی طاقت کو ایڈجسٹ کرتا ہے تاکہ تربیتی تصاویر کو درست طریقے سے درجہ بندی کیا جا سکے۔
گوگل انسیپشن
گوگل انسیپشن آرکیٹیکچر اس خیال کو ایک قدم آگے لے جاتا ہے، اور ہر نیٹ ورک پرت کو کئی مختلف راستوں کے امتزاج کے طور پر بناتا ہے:
تصویر ریسرچ گیٹ سے لی گئی ہے۔
یہاں، ہمیں 1x1 کنوولوشنز کے کردار پر زور دینا ہوگا، کیونکہ شروع میں یہ سمجھ میں نہیں آتا۔ ہم تصویر کو 1x1 فلٹر کے ساتھ کیوں چلائیں گے؟ تاہم، آپ کو یاد رکھنا ہوگا کہ کنوولوشن فلٹرز کئی گہرائی چینلز کے ساتھ بھی کام کرتے ہیں (اصل میں - آر جی بی رنگ، بعد کی پرتوں میں - مختلف فلٹرز کے چینلز)، اور 1x1 کنوولوشن ان ان پٹ چینلز کو مختلف تربیت یافتہ وزن کے ذریعے ایک ساتھ ملانے کے لیے استعمال کیا جاتا ہے۔ اسے چینل کے طول و عرض پر ڈاؤن سیمپلنگ (پولنگ) کے طور پر بھی دیکھا جا سکتا ہے۔
یہاں ایک اچھا بلاگ پوسٹ اس موضوع پر ہے، اور اصل مقالہ۔
موبائل نیٹ
موبائل نیٹ ماڈلز کا ایک خاندان ہے جس کا سائز کم ہے، اور یہ موبائل ڈیوائسز کے لیے موزوں ہے۔ انہیں استعمال کریں اگر آپ کے پاس وسائل کم ہیں، اور آپ تھوڑی سی درستگی قربان کر سکتے ہیں۔ ان کے پیچھے بنیادی خیال ڈیپتھ وائز سیپریبل کنوولوشن ہے، جو کنوولوشن فلٹرز کو اسپیشل کنوولوشنز اور گہرائی چینلز پر 1x1 کنوولوشن کے امتزاج کے ذریعے ظاہر کرنے کی اجازت دیتا ہے۔ یہ پیرامیٹرز کی تعداد کو نمایاں طور پر کم کرتا ہے، نیٹ ورک کو سائز میں چھوٹا بناتا ہے، اور کم ڈیٹا کے ساتھ تربیت دینا بھی آسان بناتا ہے۔
یہاں موبائل نیٹ پر ایک اچھا بلاگ پوسٹ ہے۔
نتیجہ
اس یونٹ میں، آپ نے کمپیوٹر وژن نیورل نیٹ ورکس کے پیچھے بنیادی تصور سیکھا - کنوولوشنل نیٹ ورکس۔ حقیقی زندگی کی آرکیٹیکچرز جو امیج کلاسیفیکیشن، آبجیکٹ ڈیٹیکشن، اور یہاں تک کہ امیج جنریشن نیٹ ورکس کو طاقت فراہم کرتی ہیں، سب سی این اینز پر مبنی ہیں، بس زیادہ پرتوں اور کچھ اضافی تربیتی چالوں کے ساتھ۔
🚀 چیلنج
ساتھ والے نوٹ بکس میں، نیچے نوٹس ہیں کہ زیادہ درستگی کیسے حاصل کی جائے۔ کچھ تجربات کریں اور دیکھیں کہ کیا آپ زیادہ درستگی حاصل کر سکتے ہیں۔
لیکچر کے بعد کا کوئز
جائزہ اور خود مطالعہ
جبکہ سی این اینز زیادہ تر کمپیوٹر وژن کے کاموں کے لیے استعمال ہوتی ہیں، وہ عام طور پر فکسڈ سائز کے پیٹرنز نکالنے کے لیے اچھی ہوتی ہیں۔ مثال کے طور پر، اگر ہم آوازوں سے نمٹ رہے ہیں، تو ہم آڈیو سگنل میں کچھ مخصوص پیٹرنز تلاش کرنے کے لیے سی این اینز استعمال کرنا چاہیں گے - اس صورت میں فلٹرز 1-ڈائمینشنل ہوں گے (اور اس سی این این کو 1D-CNN کہا جائے گا)۔ نیز، کبھی کبھار 3D-CNN استعمال کیا جاتا ہے تاکہ کثیر جہتی جگہ میں خصوصیات نکالی جا سکیں، جیسے کہ ویڈیو میں کچھ واقعات کا وقوع پذیر ہونا - سی این این وقت کے ساتھ بدلتے ہوئے فیچر کے کچھ پیٹرنز کو پکڑ سکتا ہے۔ سی این اینز کے ذریعے کیے جانے والے دیگر کاموں کے بارے میں کچھ جائزہ اور خود مطالعہ کریں۔
اسائنمنٹ
اس لیب میں، آپ کو مختلف بلی اور کتے کی نسلوں کو درجہ بندی کرنے کا کام دیا گیا ہے۔ یہ تصاویر MNIST ڈیٹا سیٹ سے زیادہ پیچیدہ ہیں اور زیادہ طول و عرض کی حامل ہیں، اور کلاسز کی تعداد 10 سے زیادہ ہے۔
ڈس کلیمر:
یہ دستاویز AI ترجمہ سروس Co-op Translator کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا خامیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔