嗨。我叫乔·希克林。我是MathWorks的高级开发人员。我将向你们展示如何进行迁移学习。迁移学习是一种非常实用的方法,可以将深度学习应用到你的问题中。
随着迁移学习,你把已有的神经网络,稍微修改它,然后重新训练它在你的图片。这可能会产生优异的成绩,远远比从头开始设计网络和自己的训练就容易得多。
在我的工作中,我需要能够区分汉堡包和热狗,纸杯蛋糕,苹果派和冰淇淋。据我所知,没有一个网络能帮我做到这一点。我将从一个已经存在的网络开始,Alex net。Alex net已经被训练去分类1000种不同的图像,它已经被训练了超过100万的图像。
所以我在这里。我要开始了装载亚历克斯网,我要得到的层出的,所以我能看到的部分。如果你在这里往下看,可以看到亚历克斯网有25层。大部分的层都在做有用的图像处理的事情,会为我的系统工作,以及亚历克斯净的。我要离开那些独自一人。
但是第23层有1000个神经元,因为Alex net对1000个不同的图像进行了分类。我将只做五种不同的图像,所以我将用一个只有五张图像的网络来替换它。最后,我还将替换输出层。Alex net的最后一层学习了Alex net的分类,那1000个不同的类。我不想那样。我要用一个空的图层来替换它来学习我的。
现在网络已经设置好了。是时候处理这些数据了。你不需要像Alex net那样训练一百万张图片,但是你需要1000张才能得到好的效果。我做了一个文件夹,里面有五个子文件夹,每个文件夹对应一个类。有一种叫苹果派,一种叫纸杯蛋糕,等等。每个文件夹中都有1000张对应主题的图片。
我已经把这些图像的大小,以Alex net期望的大小,227×227,你也必须这样做。如果像这样排列数据,就可以使用MATLAB的图像数据存储对象,因为它理解该结构,它将加载所有图像并为您适当地标记它们。这就是我在这里做的。
只要我有我的图片,我需要把它们分成两组。他们中的大多数,我会使用的培训,但我会几个人出来保存到测试的准确性更高版本。因此,让我们做到这一点。现在,我都准备好训练我的网络。我必须在这里设置了几个网络参数。我选择的是要很好地工作参数。
如果你愿意,你可以改变这些,看看会发生什么。然后我就可以训练这个网络了。开始的。这需要五到六分钟来完成。我的电脑里有一个相当强大的GPU,所以速度很快。你的里程可能不同。好了,网络已经完成了训练。我们要做的第一件事就是看看它有多准确。
我们要让网络对测试图像进行分类,对训练集中没有的图像进行分类,然后我们要看看其中正确的比例是多少。我们的准确率是84%。五分钟的工作已经很不错了。现在让我们用摄像头在真正的食物上试试。我只是碰巧桌上有一些食物。有汉堡包,苹果派,热狗,冰淇淋。
所以,总体来说,它的工作原理相当不错,这是相当强劲了很多的这些。不同的角度和东西。就这样,我们走了。这工作比我预期的要好,真的。我简化了这个演示,就像我可以,但在下载,我们会包括将有更多的评论的第二个文件,它就会有更多的代码来处理可能出现的一些情况。
我已经向你们展示了如何用迁移学习进行分类,但是如果你需要真实的数字,你也可以用迁移学习进行回归。好吧,我希望我已经向你们展示了足够多的东西,能让你们对转移学习产生兴趣,所以拿点零食来尝试一下吧。
您还可以选择从下面的列表中的网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
本网站使用Cookies来改善您的用户体验,个性化的内容和广告,并分析网站流量。通过继续使用本网站,您同意我们使用Cookie。请参阅我们的隐私政策要了解更多关于cookie和如何更改设置。