रूपांतरण तंत्रिका नेटवर्क और iOS में इसका एकीकरण (भाग 1)

कार्यान्वयन के साधन।

विभिन्न मशीन लर्निंग एल्गोरिदम को कई उच्च-स्तरीय प्रोग्रामिंग भाषाओं में एकीकृत किया गया है। उनमें से सबसे लोकप्रिय और सबसे तेजी से बढ़ने वाला पायथन है।

TensorFlow, Google द्वारा विकसित की गई मशीन लर्निंग के लिए एक न्यूरल नेटवर्क के निर्माण और प्रशिक्षण के लिए एक ओपन सॉफ्टवेयर लाइब्रेरी है जो मानवीय धारणा की गुणवत्ता को प्राप्त करने और छवियों को स्वचालित रूप से खोजने और वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित करता है। पुस्तकालय के साथ काम करने के लिए मुख्य एपीआई पायथन के लिए लागू किया गया है।

केरस एक ओपन न्यूरल नेटवर्क लाइब्रेरी है। यह TensorFlow और Theano चौखटे के लिए एक ऐड-ऑन है। यह कॉम्पैक्ट, मॉड्यूलर और विस्तार योग्य होने के लिए डिज़ाइन किया गया है, जबकि गहरी सीखने वाले नेटवर्क के साथ परिचालन कार्य करना है।

पायथन 3.7.2 का नवीनतम संस्करण दुभाषिया के रूप में चुना गया है। विकास का वातावरण Pyharm है।

डेटा तैयारी।

आधुनिक दुनिया में, अधिकांश एआई कार्यों के लिए, मैन्युअल रूप से सेट किए गए डेटा को इकट्ठा करना आवश्यक नहीं है, ऐसे कई संसाधन हैं जहां पंजीकरण के बाद, तैयार-किए गए डेटासेट को डाउनलोड करना संभव है। सांकेतिक भाषा में दस अंकों वाला एक डेटा सेट चुना गया (चित्र 1)।

चित्र एक। - सांकेतिक भाषा में नंबर।

एल्गोरिथ्म को फोटो में एक इशारा की उपस्थिति का पता लगाने और इसे 0 से 9 तक की संख्या के साथ वर्गीकृत करने की आवश्यकता होगी। तंत्रिका नेटवर्क की वास्तुकला का निर्माण करने से पहले, आपको इसके प्रशिक्षण के लिए डेटा तैयार करने की आवश्यकता है। सबसे पहले, साइन लैंग्वेज डिजिट्स डेटासेट डेटा डाउनलोड किया जाता है। पहली फ़ाइल में साइन लैंग्वेज में संख्याओं के साथ 2063 ब्लैक एंड व्हाइट चित्र हैं। तस्वीरों का आकार 64x64 पिक्सेल है। दूसरी फ़ाइल में चित्र के अनुरूप एक लेबल (वेक्टर) होता है।

चित्रों में पिक्सेल मान सामान्यीकृत होते हैं और अंतराल (0,1) में होते हैं। आप तुरंत तंत्रिका नेटवर्क में प्रवेश करने के लिए उनका उपयोग कर सकते हैं, लेकिन यदि आप मानकीकरण प्रक्रिया का पालन करते हैं तो सबसे इष्टतम परिणाम प्राप्त होगा। इसके निष्पादन के बाद, नियम पिक्सेल के प्रत्येक मैट्रिक्स के लिए संतुष्ट होंगे: मैट्रिक्स में

औसत मूल्य शून्य है।
मैट्रिक्स में फैलाव एकता है।

फ़ोटो को मानकीकृत किया जाता है और पिछले डेटा (

छवि 2) अंजीर के साथ उनके बाद के संयोजन के लिए एक नई सरणी में जोड़ा जाता है। 2। - छवियों को लोड करने और संसाधित करने की प्रक्रिया।

तंत्रिका नेटवर्क वास्तुकला।

Network_sign_lang.py - मुख्य परियोजना फ़ाइल जिसमें तंत्रिका नेटवर्क वर्णित है। स्क्रिप्ट की शुरुआत में, तंत्रिका नेटवर्क के कई वैश्विक चर का वर्णन किया गया है (छवि 3)।

चित्र 3। - वैश्विक विकल्प।

बैच_साइज़ - प्रत्येक पुनरावृत्ति के लिए तंत्रिका नेटवर्क में खिलाए गए चित्रों की संख्या। Num_classes - मॉडल की भविष्यवाणी करने वाली कक्षाओं की संख्या। Img_size - इनपुट परत को आपूर्ति की गई छवियों का आकार।

Sklearn लाइब्रेरी से train_test_split () फ़ंक्शन को प्रोजेक्ट में आयात किया जाता है, यह 80:20 अनुपात में X और y सरणियों को प्रशिक्षण और परीक्षण के नमूनों में विभाजित करता है, और डेटा को यादृच्छिक रूप से मिश्रित भी करता है ताकि वे वर्ग द्वारा क्रमबद्ध न हों।

फिर मॉडल को इनिशियलाइज़ किया जाता है (चित्र 4), कन्वर्ज 2 की पहली परत को जोड़ा जाता है। Xtrain सरणी से छवियाँ इनपुट हैं, आउटपुट स्पेस का आयाम इंगित किया गया है - 64, कन्वेक्शन कोर - 4x4, कन्वेक्शन स्टेप और ReLU लेयर का एक्टिवेशन फंक्शन।

चित्र 4। - तंत्रिका नेटवर्क

चूंकि तंत्रिका नेटवर्क आमतौर पर बहुत अधिक संख्या में प्रशिक्षण डेटा का उपयोग करते हैं, इसलिए निर्मित मॉडल फिर से तैयार होने का खतरा है। इससे बचने के लिए, एक प्रभावी नियमितीकरण विधि, जैसे ड्रॉपआउट, का उपयोग किया जाता है। यह परत यादृच्छिक न्यूरॉन्स के संकेतित प्रतिशत को बाहर कर देगी ताकि परतों के बीच कोई ग्लूट न हो। 0.5 नंबर का मतलब होगा कि प्रत्येक बैच पर एल्गोरिथ्म यादृच्छिक न्यूरॉन्स के आधे को बाहर कर देगा। दूसरी मुख्य परत भी पहले के समान है - दृढ़। (Conv2D)

अगला पूलिंग लेयर (MaxPooling2D) है। यह मॉडल आउटपुट के लिए एक और फिल्टर के रूप में कार्य करता है। चूंकि क्षैतिज या लंबवत रूप से संख्याओं को प्रदर्शित करते समय, छवि का अर्थ नहीं बदलता है, तंत्रिका नेटवर्क को समान रूप से वर्गीकृत करना चाहिए।

समतल परत एल्गोरिदम द्वारा प्राप्त डेटा और भविष्यवाणी के साथ आउटपुट वेक्टर के बीच एक कड़ी के रूप में कार्य करता है। नेटवर्क की अंतिम परत सोफ़मेक्स सक्रियण फ़ंक्शन के साथ घने परत है। यह फ़ंक्शन आपको प्रत्येक वर्ग के लिए एक सामान्यीकृत संभावना वेक्टर प्राप्त करने की अनुमति देता है, जहां संभावनाओं का योग एक के बराबर होगा।

अगला, आपको निम्न मापदंडों को निर्दिष्ट करके बनाए गए मॉडल को संकलित करने की आवश्यकता है: मीट्रिक, हानि फ़ंक्शन और ऑप्टिमाइज़र। एक मीट्रिक के रूप में, सटीकता को चुना जाता है - सही ढंग से वर्गीकृत उदाहरणों का प्रतिशत। हानि फ़ंक्शन श्रेणीगत_क्रोसेंट्रोपी है। अनुकूलन एल्गोरिथम - एडम। प्रशिक्षण शुरू करने से पहले, कई कॉलबैक जोड़े जाते हैं। अर्लीस्टॉपिंग - तंत्रिका नेटवर्क सीखना बंद कर देता है जब इसकी सटीकता सीखने की अवधि के साथ बढ़ जाती है। ModelCheckpoint - बाद में उपयोग के लिए एक फाइल के लिए सबसे अच्छा मॉडल वज़न बचाता है।

तंत्रिका नेटवर्क का प्रशिक्षण इतिहास चर में इसकी प्रक्रिया के बारे में डेटा की बचत के साथ शुरू किया जाता है। मान्यकरण_एसपीएलिट - सत्यापन के लिए प्रशिक्षण डेटा का दस प्रतिशत लेता है, जो नियमित करने का एक और तरीका है।

प्रशिक्षण नमूने का आकार 1965 उदाहरण है, परीक्षण नमूना 547 है, और सत्यापन नमूना 219 है। प्रशिक्षण प्रक्रिया के पूरा होने के बाद, प्रशिक्षण और परीक्षण डेटा पर प्राप्त सटीकता की निर्भरता का एक ग्राफ बनाया गया है (छवि 5)।

Fig.5। - प्रशिक्षण कार्यक्रम।

ग्राफ से पता चलता है कि मॉडल को 15 वें युग में बचाया गया था (सबसे बड़ी सटीकता और Xtrain और Xtest के बीच का सबसे छोटा अंतर)।

अगला कदम अपने कामकाज को सत्यापित करने के लिए परिणामी तंत्रिका नेटवर्क को किसी अन्य स्क्रिप्ट में लोड करना है। परीक्षण डेटा पर मीट्रिक के मूल्य प्रदर्शित किए जाते हैं (छवि 6)।

चित्र 6। - मॉडल के प्रदर्शन की जाँच करना।

मैट्रिक्स के परिणामों के आधार पर, हम यह निष्कर्ष निकाल सकते हैं कि मॉडल बहुत अलग नहीं हैं। कम हानि फ़ंक्शन इंडेक्स, एल्गोरिथ्म की भविष्यवाणियों को अधिक आश्वस्त करता है। मॉडल की सटीकता या निष्ठा सही ढंग से वर्गीकृत तस्वीरों का प्रतिशत दिखाती है, जिसका अर्थ है कि यह जितना अधिक होगा, उतना बेहतर तंत्रिका नेटवर्क। नतीजतन, शिक्षा के शुरुआती ठहराव के परिणामस्वरूप प्राप्त पहले मॉडल का उपयोग करना अधिक तर्कसंगत है।

हम अगले भाग में एक iOS आवेदन में एक निश्चित प्रारूप के तंत्रिका नेटवर्क के डेटा प्रीप्रोसेसिंग और एकीकरण के बारे में बात करेंगे।