Sách Deep Learning cơ bản

8 Convolutional neural network . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
8.1 Thiết lập bài toán 113
8.2 Convolutional neural network 114
8.2.1 Convolutional layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
8.2.2 Pooling layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
8.2.3 Fully connected layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
8.2.4 Visualise convolutional neural network . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
8.3 Mạng VGG 16 122
8.4 Bài tập 123
9 Giới thiệu keras và bài toán phân loại ảnh . . . . . . . . . . . . . . . . . . . . 125
9.1 Giới thiệu về keras 125
9.2 MNIST Dataset 126
9.2.1 Xây dựng bài toán . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
9.2.2 Chuẩn bị dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
9.2.3 Xây dựng model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
9.2.4 Loss function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
9.3 Python code 131
9.4 Ứng dụng của việc phân loại ảnh 133
9.5 Bài tập 133
10 Ứng dụng CNN cho ô tô tự lái . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
10.1 Giới thiệu mô phỏng ô tô tự lái 135
10.2 Bài toán ô tô tự lái 138
10.2.1 Xây dựng bài toán . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
10.2.2 Chuẩn bị dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
10.2.3 Tiền xử lý dữ liệu (Preprocessing) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
10.2.4 Xây dựng model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
10.2.5 Loss function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
10.3 Python code 140
10.4 Áp dụng model cho ô tô tự lái 142
10.5 Bài tập 143
V
Deep Learning Tips
11 Transfer learning và data augmentation . . . . . . . . . . . . . . . . . . . . . . 147
11.1 Transfer learning 147
11.1.1 Feature extractor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
11.1.2 Fine tuning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
11.1.3 Khi nào nên dùng transfer learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
11.2 Data augmentation 158
11.3 Bài tập 162