Точно предсказывает тип одежды на наших изображениях с помощью машинного обучения, глубокого обучения и искусственного интеллекта.

Мы продолжаем [1] изучать такие темы, как машинное обучение, глубокое обучение, нейронные сети, используя сквозную среду машинного обучения: PyTorch [2]

Мы прошли бесплатный курс под названием «Безопасный и приватный ИИ», предоставленный Udacity [3], и добрались до курса, связанного с «Fashion-MNIST [4]».

По сути, искусственный интеллект предсказывает тип одежды, отображаемой на картинке.

Набор данных, используемый платформой машинного обучения

Fashion-MNIST [5] представляет собой набор изображений статей Заландо, состоящий из обучающего набора из 60 000 примеров и тестового набора из 10 000 примеров.

Каждый пример представляет собой изображение в градациях серого 28×28, связанное с меткой из 10 классов:

  • Футболка/топ, брюки, пуловер, платье, пальто, сандалии, рубашка, кроссовки, сумка или ботильоны

Fashion-MNIST — это набор изображений статей Zalando, состоящий из обучающего набора из 60 000 примеров и тестового набора из 10 000 примеров.

Вернись в реальность, математика-статистика-обучение…

Пришло время вспомнить шаги для составления списка изображений в сочетании с их ручным распознаванием:

  • Обучите сеть
  • Определите критерий (перекрестная потеря энтропии[8] или отрицательная логарифмическая потеря правдоподобия [9]).
  • Выберите оптимизатор (стохастический градиентный спуск [6] или алгоритм Адама [7]).
  • Напишите обучающий код
  • Сделайте прямой проход по сети, чтобы получить логиты (логиты преобразуют реальное пространство из интервала [0,1] в бесконечность [-inf, inf])
  • Используйте логиты для расчета потерь
  • Выполните обратный проход по сети с функцией обратной потери для расчета градиентов.
  • Сделайте шаг с оптимизатором, чтобы обновить веса
  • Наконец, когда эти шаги выполняются для нескольких эпох[10] с большим количеством обучающих примеров, потери снижаются до минимального значения [11]
  • Получаются окончательные значения веса и смещения, которые затем можно использовать для прогнозирования невидимых данных. [11]

Засучите рукава и кодируйте!

После нескольких строк кода, загрузки образцов вы обнаружите, что модель без обучения бесполезна.

Одежда указывает на то, что у нее столько же шансов, сколько у фигуры слева (Угловой Ботинок) Сумка, Кроссовки или Рубашка.

Искусственный интеллект предсказывает без обучения - это НЕ точно распознается

Десятки минут спустя несколько строк кода и обучение модели с использованием уже обученных данных и предсказание на невидимых данных с очень высокой степенью достоверности указывают на класс одежды.

Искусственный интеллект предсказывает сумку или рубашку — это НЕ точно распознано

Искусственный интеллект предсказывает кроссовки или ботильоны — это НЕ точно распознано.

Искусственный интеллект предсказывает сумку — это точно распознано

Искусственный интеллект предсказывает пуловер — это точно распознано

Искусственный интеллект предсказывает рубашку — это точно распознано

Хотите посмотреть на исполнение предсказаний?

Мы храним несколько Jupyter Notebooks (блокнот, содержащий текст и исходный код, которые можно выполнить) в Microsoft Azure:

Ссылки

[1] Машинное и глубокое обучение с использованием PyTorch: точно предсказывает цифры на наших изображениях

[2] PyTorch: https://pytorch.org

[3] Udacity: безопасный и частный ИИ: https://classroom.udacity.com/courses/ud185

[4] MNIST: https://alt-f1-software-architecture.readthedocs.io/en/latest/glossary.html?highlight=mnist

[5] Fashion-MNIST Zalando: https://github.com/zalandoresearch/fashion-mnist

[6] https://pytorch.org/docs/stable/optim.html?highlight=sgd#torch.optim.SGD

[7] https://pytorch.org/docs/stable/optim.html#torch.optim.Adam

[8] https://pytorch.org/docs/stable/nn.html?highlight=cross%20entropy%20los#torch.nn.CrossEntropyLoss

[9] https://pytorch.org/docs/stable/nn.html?highlight=nllloss#torch.nn.NLLLoss

[10] Эпоха: https://alt-f1-software-architecture.readthedocs.io/en/latest/glossary.html?highlight=epoch#term-epoch

[11] Начните работу с PyTorch — узнайте, как создавать быстрые и точные нейронные сети (из 4 тематических исследований!): https://www.analyticsvidhya.com/blog/2019/01/guide-pytorch-neural-networks- тематические исследования

Учебный план HR: Безопасный и частный искусственный интеллект: https://alt-f1-software-architecture.readthedocs.io/en/latest/02-03.HR_management.html#secure-and-private-artificial-intelligence