Próbuję ogarnąć podstawy z #machinelearning #siecineuronowe i mam kilka pytań prawdopodobnie mega głupich i naiwnych?
Załóżmy, że mamy model do rozpoznawania ubrań jak w tym przykładzie z tensorflow. Czyli na początek muszę mieć odpowiednio przygotowane dane tj. zdjęcia i etykiety?
I moje pytanie czym są dokładnie te etykiety i jak działają?
Czy dobrze rozumiem, że to przyporządkowany wskaźnik do każdego zdjęcia. Tak, żeby po przetworzeniu przez sieć, wiadomo było którego wyjścia wagi trzeba korygować???
Jak wygląda dokradnie jeden obrót uczący??
Zapodajemy na wejście załóżmy zdjęcie buta do niego dołączona jest etykieta. Piksele ze zdjęcia idą na wejście, etykieta informuje którego wyjścia wagi mają być korygowane?? Reszta wyjść jest ignorowana???
@LazyInitializationException: chyba nie wspomniałem, że jestem zielony w programowaniu i wszelkich pokrewnych dziedzinach, operuję raczej potocznym językiem ( ͡°͜ʖ͡°)
Trochę nie tak. Zróbmy prosty przykład dla sieci mlp. Zabrałeś się od sieci konwolucyjnych a to trochę wyższa półka. 1. Robimy sobie sieć np. 1 warstwową 100 neuronów i 10 wyjść w warstwie wyjściowej. 2 nasze zdjęcie które ma jeden kolor 'splaszczamy' do wektora jeśli zdjęcie ma 28x28 to mamy wektor o wymiarze 784. 3. Na wyjściu tej sieci mamy bidony z funkcją aktywacji softmax która jest w przedziale od 0-1 dlatego
Załóżmy, że mamy model do rozpoznawania ubrań jak w tym przykładzie z tensorflow.
Czyli na początek muszę mieć odpowiednio przygotowane dane tj. zdjęcia i etykiety?
I moje pytanie czym są dokładnie te etykiety i jak działają?
Czy dobrze rozumiem, że to przyporządkowany wskaźnik do każdego zdjęcia.
Tak, żeby po przetworzeniu przez sieć, wiadomo było którego wyjścia wagi trzeba korygować???
Jak wygląda dokradnie jeden obrót uczący??
Zapodajemy na wejście załóżmy zdjęcie buta do niego dołączona jest etykieta.
Piksele ze zdjęcia idą na wejście, etykieta informuje którego wyjścia wagi mają być korygowane??
Reszta wyjść jest ignorowana???
#programowanie
Komentarz usunięty przez moderatora
Komentarz usunięty przez moderatora
Komentarz usunięty przez moderatora
Komentarz usunięty przez moderatora
Komentarz usunięty przez autora
Komentarz usunięty przez moderatora
Czyli wrzucasz kota dostajesz z modelu wynik 2 ale wiesz (dzięki etykiecie 1), że to kot zmieniasz wagi modelu tak, żeby w przyszłości dostać kota??
Komentarz usunięty przez moderatora
1. Robimy sobie sieć np. 1 warstwową 100 neuronów i 10 wyjść w warstwie wyjściowej.
2 nasze zdjęcie które ma jeden kolor 'splaszczamy' do wektora jeśli zdjęcie ma 28x28 to mamy wektor o wymiarze 784.
3. Na wyjściu tej sieci mamy bidony z funkcją aktywacji softmax która jest w przedziale od 0-1 dlatego