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。
在迁移学习中,你将一个已经存在的神经网络,稍微修改一下,然后在你的图像上重新训练它。这可以产生很好的结果,而且比从头开始设计网络并亲自训练要容易得多。
在我的工作中,我需要能够区分汉堡包、热狗、纸杯蛋糕、苹果派和冰淇淋。据我所知,没有电视台愿意帮我。所以我要从一个已有的网络开始,Alex net。亚历克斯·内特已经被训练来分类1000种不同的图像,它已经被训练来分类超过100万张图像。
所以我来了。我要开始加载Alex net,我要把它的图层去掉,这样我就能看到各个部分了。如果你往下看,你可以看到Alex网有25层。大多数层都在做有用的图像处理事情,这将为我的系统以及Alex net的工作。我不去管那些了。
但第23层有1000个神经元,因为Alex net分类了1000个不同的图像。我只会做五种不同的图片,所以我要用一个只有五张图片的网络来代替它。最后,我还要替换输出层。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,它会学习我的。
所以现在我有我的网络设置。是时候处理数据了。您不需要像Alex Net培训的百万图像,但您确实需要1,000个以获得良好的结果。我已经用它的五个子文件夹制作了一个文件夹,每个类都是我的课程。所以有一个名叫苹果派,一个被称为蛋糕,等等。在这些文件夹中的每个文件夹中是一个适当主题的1,000个图像。
我大小大小是亚历克斯净的尺寸预期,227〜227,你也必须这样做。如果您可以如此安排数据,可以使用MATLAB的图像数据存储对象,因为它可以理解该结构,它将加载所有图像并为您提供适当的标记。所以这就是我在这里做的事。
一旦我收到了我的图像,我需要将它们分成两组。他们中的大多数人都会用于培训,但我会稍后将其中一些人节省一些来测试准确性。所以让我们这样做。现在我全都设定了训练我的网络。我必须在这里设置一些网络参数。我选择了要运行的参数。
如果你愿意,你可以改变这些,看看会发生什么。然后我就可以训练网络了。开始的。这需要五到六分钟才能完成。我的电脑有一个相当强大的GPU,所以速度很快。你的里程可能有所不同。好了,电视台的训练结束了。我们现在要做的第一件事就是看看它有多精确。
我们将要求网络对测试图像进行分类,我们遗漏了我们的培训集。然后我们只是要看到它右转的部分。我们准确的84%。很善于五分钟的工作。让我们在一些真正的食物上使用网络摄像头尝试。我碰巧在我的桌子上有一些食物。有汉堡包,苹果派,热狗,冰淇淋。
所以总的来说,它工作得很好,对于很多这样的东西来说,它是相当强大的。不同的角度。好了。这比我想象的要好,真的。我尽可能地简化了这个演示,但是在下载中,我们将包含第二个文件,它将有更多的注释,它将有更多的代码来处理可能出现的一些情况。
我向您展示了如何通过传输学习进行分类,但如果您需要实数掉,您也可以使用转移学习进行回归。好吧,我希望我向你展示了足够的让你对转移学习感兴趣,所以抓住一些小吃并给予它。
您还可以从以下列表中选择一个网站:
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。