الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

نقل جناح التعلم في كيراس

أخبار

وصف

يعمل هذا المستودع بمثابة مجموعة نقل التعلم. الهدف هو أن تكون قادرًا بسهولة على إجراء نقل التعلم باستخدام أي نموذج تصنيف صور مدمج في Keras! نرحب بأي اقتراحات لتحسين هذا المستودع أو أي ميزات جديدة ترغب في رؤيتها!

يمكنك أيضًا الاطلاع على مجموعة التقسيم الدلالي الخاصة بي.

نماذج

جميع موديلات Keras المضمنة متاحة:

نموذج مقاس أعلى 1 دقة أعلى 5 دقة حدود عمق
VGG16 528 ميجا بايت 0.715 0.901 138,357,544 23
VGG19 549 ميجا بايت 0.727 0.910 143,667,240 26
ريسنيت50 99 ميجابايت 0.759 0.929 25,636,712 168
اكسسيبشن 88 ميجا بايت 0.790 0.945 22,910,480 126
التأسيسV3 92 ميجا بايت 0.788 0.944 23,851,784 159
InceptionResNetV2 215 ميجا بايت 0.804 0.953 55,873,736 572
موبايل نت 17 ميجا بايت 0.665 0.871 4,253,864 88
DenseNet121 33 ميجا بايت 0.745 0.918 8,062,504 121
دينسينت169 57 ميجا بايت 0.759 0.928 14,307,880 169
دينسينت201 80 ميجا بايت 0.770 0.933 20,242,984 201
NASNetMobile 21 ميجا بايت غير متوفر غير متوفر 5,326,716 غير متوفر
NASNetLarge 342 ميجا بايت غير متوفر غير متوفر 88,949,818 غير متوفر

الملفات والدلائل

  • main.py: وضع التدريب والتنبؤ

  • utils.py: وظائف الأداة المساعدة

  • نقاط التفتيش: ملفات نقاط التفتيش لكل فترة أثناء التدريب

  • التنبؤات: نتائج التنبؤ

تثبيت

يحتوي هذا المشروع على التبعيات التالية:

  • Numpy sudo pip install numpy

  • OpenCV Python sudo apt-get install python-opencv

  • sudo pip install --upgrade tensorflow-gpu

  • Keras sudo pip install keras

الاستخدام

الشيء الوحيد الذي عليك فعله للبدء هو إعداد المجلدات بالبنية التالية: 

 ├── "dataset_name"                   
|   ├── train
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....
|   ├── val
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....
|   ├── test
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....

ثم يمكنك ببساطة تشغيل main.py ! تحقق من وسيطات سطر الأوامر الاختيارية: 

 usage: main.py [-h] [--num_epochs NUM_EPOCHS] [--mode MODE] [--image IMAGE]
               [--continue_training CONTINUE_TRAINING] [--dataset DATASET]
               [--resize_height RESIZE_HEIGHT] [--resize_width RESIZE_WIDTH]
               [--batch_size BATCH_SIZE] [--dropout DROPOUT] [--h_flip H_FLIP]
               [--v_flip V_FLIP] [--rotation ROTATION] [--zoom ZOOM]
               [--shear SHEAR] [--model MODEL]

optional arguments:
  -h, --help            show this help message and exit
  --num_epochs NUM_EPOCHS
                        Number of epochs to train for
  --mode MODE           Select "train", or "predict" mode. Note that for
                        prediction mode you have to specify an image to run
                        the model on.
  --image IMAGE         The image you want to predict on. Only valid in
                        "predict" mode.
  --continue_training CONTINUE_TRAINING
                        Whether to continue training from a checkpoint
  --dataset DATASET     Dataset you are using.
  --resize_height RESIZE_HEIGHT
                        Height of cropped input image to network
  --resize_width RESIZE_WIDTH
                        Width of cropped input image to network
  --batch_size BATCH_SIZE
                        Number of images in each batch
  --dropout DROPOUT     Dropout ratio
  --h_flip H_FLIP       Whether to randomly flip the image horizontally for
                        data augmentation
  --v_flip V_FLIP       Whether to randomly flip the image vertically for data
                        augmentation
  --rotation ROTATION   Whether to randomly rotate the image for data
                        augmentation
  --zoom ZOOM           Whether to randomly zoom in for data augmentation
  --shear SHEAR         Whether to randomly shear in for data augmentation
  --model MODEL         Your pre-trained classification model of choice
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل