آموزش اسکرچ

 برای کسب اطلاعات بیشتر در مورد ساختار CNN، تماشا آموزش اسکرچ  کنید:شبکه های عصبی کانولوشن چیست؟ | مقدمه ای بر یادگیری عمیق (4:44)از آنجایی که ما CNN را از ابتدا آموزش می دهیم، ابتدا باید مشخص کنیم که شامل چه لایه هایی و به چه ترتیبی است.شما می توانید در مورد تمام این لایه ها در مستندات اطلاعات بیشتری کسب کنید.

3. آموزش شبکه

ابتدا گزینه های آموزشی را انتخاب می کنیم. گزینه های بسیاری در دسترس است. جدول متداول ترین گزینه ها را نشان می دهد.

گزینه های آموزشی که معمولا استفاده می شودنکته تعریف گزینه آموزشی طرح پیشرفت آموزش نمودار ریزش دسته ای کوچک و دقت را نشان می دهد. این شامل یک دکمه توقف است که به شما امکان می دهد آموزش شبکه را در هر نقطه متوقف کنید.

از (Plots="training-progress") برای ترسیم پیشرفت شبکه در حین تمرین استفاده کنید.دوران حداکثریک دوره، عبور کامل الگوریتم آموزشی از کل مجموعه آموزشی است.

هرچه دوره‌های مشخص‌تر بیشتر باشد،  آموزش اسکرچ شبکه طولانی‌تر آموزش می‌دهد، اما دقت ممکن است با هر دوره بهبود یابد.اندازه دسته کوچک یک mini batch زیرمجموعه ای از مجموعه داده های آموزشی است که همزمان پردازش می شود.

هرچه مینی دسته بزرگتر باشد، آموزش سریعتر است، اما حداکثر اندازه توسط حافظه GPU تعیین می شود. اگر هنگام تمرین با خطای حافظه مواجه شدید، اندازه کوچک بچ را کاهش دهید.

نرخ یادگیری این پارامتر اصلی است که سرعت تمرین را کنترل می کند. نرخ یادگیری پایین‌تر می‌تواند نتیجه دقیق‌تری بدهد، اما آموزش شبکه ممکن است بیشتر طول بکشد.ما با مشخص ایرانیان سایبر کردن گزینه های آموزشی شروع می کنیم. سپس شبکه را آموزش می دهیم و پیشرفت آموزش را رصد می کنیم.

4. بررسی دقت شبکه

هدف ما افزایش دقت مدل در طول زمان است. همانطور که شبکه آموزش می بیند، نمودار پیشرفت ظاهر می شود.ما سعی خواهیم کرد گزینه های آموزشی و پیکربندی شبکه را تغییر  آموزش اسکرچ دهیم.تغییر گزینه های آموزشی نرخ یادگیری اولیه را کاهش می دهیم و تعداد دوره ها را افزایش می دهیم.

در نتیجه تغییر این پارامترها، نتیجه بسیار بهتری دریافت می کنیم - تقریباً 100٪! پیشرفت آموزش دقت اعتبارسنجی پس از آموزش شبکه، آن را روی تصاویر مجموعه اعتبارسنجی آزمایش می کنیم.

اکنون که می دانیم شبکه آموزش دیده چقدر دقیق است، اکنون می توانیم از آن برای شناسایی حروف دست نویس در تصاویر آنلاین یا حتی در یک جریان ویدیویی زنده استفاده کنیم.

تغییر پیکربندی شبکه

گاهی اوقات افزایش دقت  آموزش اسکرچ مستلزم یک شبکه عمیق تر و چندین دور آزمون و خطا است. ما می‌توانیم لایه‌های بیشتری از جمله لایه‌های نرمال‌سازی دسته‌ای اضافه کنیم که به سرعت همگرایی شبکه (نقطه‌ای که در آن به ورودی جدید به درستی پاسخ می‌دهد) کمک می‌کند. این یک شبکه "عمیق تر" ایجاد می کند.

هنگام ایجاد یک شبکه از ابتدا، شما مسئول تعیین پیکربندی شبکه هستید. این رویکرد بیشترین کنترل را بر روی شبکه به شما می دهد و می تواند نتایج چشمگیری ایجاد کند، اما نیاز به درک ساختار یک شبکه عصبی و گزینه های زیادی برای انواع لایه ها و پیکربندی دارد. برنامه نویسی بصری - مقدمه ای بر Scratch

نوشته مارگو تیناوی

برنامه نویسی بصری به انسان این امکان را می دهد که فرآیندها  آموزش اسکرچ را با استفاده از تصاویر یا گرافیک توصیف کند. ما معمولاً از برنامه نویسی بصری در مقابل برنامه نویسی مبتنی بر متن صحبت می کنیم. زبان های برنامه نویسی بصری (VPL) به ویژه برای معرفی تفکر الگوریتمی به کودکان (و حتی بزرگسالان) مناسب هستند. با VPL ها، کمتر برای خواندن وجود دارد و هیچ نحوی برای پیاده سازی وجود ندارد.