Wenn Sie es versuchen, schreiben Sie AI

Wir haben viel über neue Trends beim Schreiben von Code mit Hilfe von KI gesprochen. Wenn man sich das anschaut, wird es offensichtlich: KI ist in der Lage, kleine Teile modernen Codes in Unternehmen zu ersetzen.
Heutzutage ist KI in den Bereichen Erkennung von Objekten, Wörtern, Bots und Computer Vision viel effektiver.

Auf dem Bild ist ein nicht sehr hartes neuronales Netzwerk zu sehen, das auf einer Reihe von Faltungen und Pulls basiert. Dieses spezielle Design nennt sich UNet-Segmentation.

• Einige nützliche Bibliotheken helfen dabei, Daten für das Trainingsnetzwerk zu beeinflussen: Numpy, Pandas, Matplotlib

df = pd.read_csv('data/train_masks.csv')

train_df = df[:4000]
val_df = df[4000:]

img_name, mask_rle = train_df.iloc[4]

img = cv2.imread('data/train/{}'.format(img_name))
mask = rle_decode(mask_rle)

• Nächster Schritt zur erfolgreichen KI-Codierung: Architektur nach Python kopieren (normalerweise verwende ich Google Colab/Jupyter Notebook). Könnte helfen: Keras

conv_1_1 = Conv2D(32, (3, 3), padding='same')(inp) 
conv_1_1 = Activation('relu')(conv_1_1) 

conv_1_2 = Conv2D(32, (3, 3), padding='same')(conv_1_1)
conv_1_2 = Activation('relu')(conv_1_2)

pool_1 = MaxPooling2D(2)(conv_1_2)

• Das Letzte: Modeltraining. Manchmal dauert es ein wenig (bei mir ~ 7 Minuten), bis alle Bereiche abgeschlossen sind

model.fit_generator(keras_generator(train_df, batch_size),
              steps_per_epoch=100, 
              epochs=100, 
              verbose=1, 
              callbacks=callbacks, 
              validation_data=keras_generator(val_df, batch_size),
              validation_steps=50,
              class_weight=None,
              max_queue_size=10,
              workers=1,
              use_multiprocessing=False,
              shuffle=True,
              initial_epoch=0)

Das obige ist der detaillierte Inhalt vonWenn Sie es versuchen, schreiben Sie AI. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!