Kuka voittaa? ;) (vain leikkiä, tämä ei ole kilpailu)

Kissat vs. koirat käyttäen AI: tä

Oletko koskaan kuullut lausetta “Sataa kissoja ja koiria!”? Jos niin, olet todennäköisesti hyväksynyt tosiasian, että se on yksinkertaisesti lause eikä mitään muuta. Se on vettä, joka kaataa ulkopuolella, ei suloisia eläimiä.

Entä jos se ei olisi vain lause? Olen varma, että juoksisit (tai ainakin minäkin) ikkunaan katsomaan erilaisia ​​eläimiä. Persialaiset kissat, buldogit, kultaiset labradorit, munchkin-kissat (kyllä ​​se on Tosi nimi, älä tule minuun), amerikkalaiset kiharat ja muut.

Ollaan todellinen. Joskus et voi kertoa mikä kissa tai mikä koira on, mutta se ei tarkoita, ettet rakasta heitä samalla tavalla.

Mutta arvaa mitä?
Tunnetko tietokoneet, todella hienoja asioita, jotka tekevät elämästämme 1000x helpompaa? Tietokoneet eivät voi kertoa CATS: lle koirien lisäksi, paljon vähemmän erottaa tyyppejä. Ainakaan he eivät voi erottaa heitä toisistaan.

Ehkä voisimme kuitenkin auttaa heitä. Tiedän, mitä voimme auttaa heitä (ja luultavasti teet myös)! Hyvin hieno vihje: Se on otsikossa.

Mikä on AI? Keinotekoinen äly (AI) on teoria ja kehitys tietokonejärjestelmille, jotka pystyvät suorittamaan ihmisten älykkyyttä yleensä edellyttäviä tehtäviä, kuten visuaalinen havainto, puheentunnistus, päätöksenteko ja kielten välinen käännös. Se on erittäin nopeasti kasvava ala.

Keskitytään kuitenkin tiettyyn osaan. Neuvontaverkot.

Neuvontaverkot

Konvoluutiohermosverkot tai CNN: n pääasiassa luokittelevat kuvat. Täydellinen, eikö niin? Kerran en koskaan sano ei.

Okei, se oli tavallaan epämääräistä. Annan selittää niitä perusteellisemmin.

Konvoluutioverkot ovat eräänlainen hermoverkko. He luokittelevat kuvat 'koulutuksella'. Tässä on kuva, kuinka ne toimivat!

Ensinnäkin on syöttökerros. Tämä on todellinen kuva. Sitten kuljemme sen konvoluutiokerroksen läpi ja laitamme sen sitten max pooling-kerroksen läpi. Konvoluutiokerros on, missä he "skannaavat" kuvan erät ja yksinkertaistavat niitä.

Yhdistämiskerroksen enimmäiskerros on, missä kone jakaa kuvan neljään neliöön ja pitää suurimman arvon jokaisessa neliössä, yksinkertaistaen kuvaa. Sitten toistamme tämän vielä kerran. Tämän jälkeen nämä kerrokset tasoitetaan ja luokitellaan.

Kuulostaa hyvältä, eikö niin? Mutta olen varma, että suurin osa teistä haluaa tietää, kuinka koodata tämä. En replikoi tarkkaa opetusohjelmaa täällä, koska sellainen on jo olemassa, ja mielestäni jos jo on jo sellainen, mikä on turhaa.

Jos aiot seurata sitä, linkki on yllä, se avataan, kun napsautat tarkkaa opetusohjelmaa. Myös PSA: Tämän tietoaineisto on Kagglessa. Älä kiduta itseäsi yrittäessäsi löytää se.

Algoritmi (vaiheet)

Aion puhua algoritmista! (Kyllä, vedä ja pudota -koodauksella on jonkinlainen käyttö paitsi viattomien lasten kiduttamiseen.) Haha, saanko vitsini? Ei? Ei se mitään.

Ensinnäkin aloitin kaikkien arvojen määrittelemisellä. Kun tein tämän, toin ja määrittelin kuvan koon, testaus- ja koulutusmallit sekä koneen oppimisnopeuden. Tuin myös käyttämäni tekniikan (tqdm) ja tarvitsemani ominaisuudet.

Toiseksi tein funktion niin, että kun koulutetut kuvat menivät läpi, tietokone tiesi kumpi oli ja erotti ne.

Seuraavaksi rakensin toimintoja kuvien käsittelemiseksi koulutusta varten. Tarkoituksena oli varmistaa, että kun kuvat läpikäyivät, ne eivät vain istu siellä ja ne todellakin käsitellään.

Tämän jälkeen luin funktion TESTAUS-tietojen käsittelemiseen. Näiden tietojen avulla voisin testata CNN-laitteeni tarkkuutta!

Jälkeenpäin suoritin koulutuksen testata koneeni. Sivuhuomautus: Se todella auttaa todella, jos sinulla on TQDM. Voit nähdä, kuinka pitkälle se on koulutuksella, ja sinun ei tarvitse odottaa sokeasti. (Ei, en saanut sponsorointia (toivon)!)

Okei, niin se oli kaikki vain esittely- ja esikäsittelytavaroita. Mennään nyt oikeisiin juttuihin (vain vitsailen, että nekin olivat oikeita).

Nyt rakennamme ja koulutamme todellista hermoverkkoa.

Ensin luon 2-kerroksisen konvoluutiohermoverkon. Tämä on melko itsestään selvää, mutta tulo- ja lähtökerroksia on (yay).

Seuraavaksi luot if-lausekkeen, jonka avulla voit automaattisen mallin tallennuksen kun harjoittelu on suoritettu, koska emme halua menettää tietoja ja tuloksia.

Tämän jälkeen on melko helppoa. Olet käytännössä vain kouluttanut mallisi tonni kertaa, kunnes sen tarkkuus on suurempi, ja sitten voit testata sitä arvoilla, jotka eivät tiedä sen todellista identiteettiä. Hienoa, eikö?

Kiehtova sovellus

Kuten näette, se oli vähän monimutkaista. Onneksi tällä on niin paljon hienoja sovelluksia (tai muuten en tekisi sitä tai puhuisi siitä niin voimakkaasti).

Artikkeli, jonka saatat juuri nähdä minulta pian, käsittelee vanhentuvien solujen erottamista muista soluista. Lainataksesi viimeisestä AI-artikkelistani,

”Tämä on valtava ongelma. Senescent-solut ovat “zombi-soluja”, jotka vaeltavat vartaloasi (kuvataan paremmin soluina, jotka ovat tilassa kuolleiden ja elossa olevien välillä). Niillä on myös suuri vaikutus ikääntymiseen, eikä niillä ole mitään heille ominaisia ​​biomarkkereita.

Biomarkkerit ovat Googlen (jatkuva pelastajamme) mukaan: mitattavissa oleva aine organismissa, jonka läsnäolo viittaa johonkin ilmiöön, kuten sairauteen, infektioon tai ympäristöaltistukseen. Senesoivien solujen kasvu on pysähtynyt ja laajentuneet (joskus siihen pisteeseen, jossa ne kaksinkertaistuvat) kuin heidän. "

Voisimme käyttää konvoluutiohermoverkkoa analysoida niiden ominaisuuksia ja erottaa vanhentuvat solut muista soluista.

Toinen asia, jonka voimme tehdä käyttämällä CNN: ää, on luonnollinen kielenkäsittely. He voivat suorittaa monia asioita, kuten tunneanalyysin. He analysoivat tekstiä ja sen tunteita ja aikomuksia ja testaavat sitten mallinsa merkitsemättömällä (heille) tiedolla.

On niin paljon hienoja asioita, joita voimme tehdä CNN: n ja AI: n kanssa yleensä, odottaa hienoja kehityksiä (itse ajavat autot, kukaan?).

Avainsanat

  • CNN: n avulla voimme luokitella kuvat.
  • Tämän kokeillemiseksi seurasin opastusta ja luokittelin kissat ja koirat.
  • Tämä on ensimmäinen askel eräissä vakavasti viileissä asioissa. AI: lla on niin paljon kiehtovia sovelluksia, se on hullu!

Kiitos, että luit artikkelini! Jos pidit siitä, tutustu muihin artikkeleihini!