Приклад сверточной нейронної мережі
Сверточная нейронна мережа схожа на багатошарову мережа перцептрона. Основною відмінністю є те, що CNN вивчає, як вона структурована і для якої мети використовується. Натхненниками CNN були біологічні процеси. Їхня структура має видимість зорової кори, присутньої у тварини. Вони застосовуються в області комп’ютерного зору й успішні досягнення сучасного рівня продуктивності в різних областях досліджень.
Перш ніж починають кодувати CNN, для побудови моделі використовують бібліотеку, наприклад, Keras з бэкэндом Tensorflow. Спочатку виконують необхідний імпорт. Бібліотека допомагає будувати сверточную нейронну мережу. Завантажують набір даних mnist через keras. Імпортують послідовну модель keras, в яку можна додати шари згортки та об’єднання, щільні шари, так як вони використовуються для прогнозування міток. Випадаючий шар зменшує переоснащення, а вирівнюючий перетворює тривимірний вектор в одновимірний. Нарешті, імпортуємо numpy для матричних операцій:
- Y = 2 # значення 2 уявляє, що зображення має цифру 2;
- Y = [0,0,1,0,0,0,0,0,0,0] # 3-я позиція у векторі зроблена 1;
- # Тут значення класу перетворюється в матрицю двійкового класу.
Алгоритм будівництва: