Sách Deep Learning cơ bản

Recommendations

Info

126 Chương 9. Giới thiệu keras và bài toán phân loại ảnhHình 9.1: Các deep learning framework phổ biến [5]Có thể thấy tensorflow là framework phổ biến nhất tuy nhiên tensorflow khá khó sử dụng cho ngườimới bắt đầu. Nên tôi sẽ giới thiệu về keras: dễ sử dụng, thân thiện với người dùng nhưng đủ tốt đểlàm các bài toán về deep learning.Keras là một framework mã nguồn mở cho deep learning được viết bằng Python. Nó có thểchạy trên nền của các deep learning framework khác như: tensorflow, theano, CNTK. Với các APIbậc cao, dễ sử dụng, dễ mở rộng, keras giúp người dùng xây dựng các deep learning model mộtcách đơn giản.9.2 MNIST Dataset9.2.1 Xây dựng bài toánBạn có ảnh xám kích thước 28*28 của chữ số từ 1 đến 9 và bạn muốn dự đoán số đấy là số mấy. Vídụ:
9.2 MNIST Dataset 127Hình 9.2: Dữ liệu đầu tiên trong MNIST dataset.9.2.2 Chuẩn bị dữ liệuMNIST là bộ cơ sở dữ liệu về chữ số viết tay, bao gồm 2 tập con: training set gồm 60.000 ảnh cácchữ số viết tay và test set gồm 10.000 ảnh các chữ số.Training set, test set là gì?Giả sử bạn đang luyện thi đại học và bạn có 10 bộ đề để luyện thi. Nếu bạn học và chữa cả10 đề một cách chi tiết thì bạn sẽ không thể ước lượng được điểm thi của bạn khoảng bao nhiêu,dẫn đến bạn không chọn được trường phù hợp. Thế là bạn nghĩ ra một giải pháp tốt hơn, trong 10đề đấy chỉ lấy 8 đề học và chữa chi tiết thôi còn để 2 đề lại coi như là đề thi thật. Như vậy bạn cóthể ước lượng điểm thi của mình bằng cách đánh giá điểm ở 2 đề đấy.Trong ví dụ trên thì:• 8 đề ôn luyện được gọi là training set, có thể hiểu là dữ liệu dùng để dạy cho model học.• 2 đề để rành gọi là validation set, là để đánh giá xem model hiện tại có tốt không, thườngđược dùng để chỉnh các tham số của model.• đề thi đại học thật là test set, là để đánh giá xem model hoạt động với dữ liệu thực tế có tốtkhông.Như vậy MNIST dataset có 60.000 dữ liệu ở training set ở trong MNIST, ta sẽ chia ra 50.000 dữliệu cho training set và 10.000 dữ liệu cho validation set. Vẫn giữ nguyên 10.000 dữ liệu của test set.9.2.3 Xây dựng modelVì input của model là ảnh nên nghĩ ngay đến convolutional neural network (CNN).Mô hình chung bài toán CNN: Input image -> Convolutional layer (Conv) + Pooling layer (Pool) ->Fully connected layer (FC) -> Output.
Page 2 and 3:
Copyright © 2019 Nguyễn Thanh Tu
Page 4 and 5:
4• Phần cứng phát triển: S
Page 6 and 7:
6Lời cảm ơnTrước hết tôi
Page 9 and 10:
Mục lụcIGiới thiệu1 Cài đ
Page 11 and 12:
IIINeural Network5 Neural network .
Page 13 and 14:
12 Các kỹ thuật cơ bản tron
Page 15:
IGiới thiệu1 Cài đặt môi t
Page 18 and 19:
18 Chương 1. Cài đặt môi tr
Page 20 and 21:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
30 Chương 2. Python cơ bảnt =
Page 32 and 33:
32 Chương 2. Python cơ bản2.4
Page 34 and 35:
34 Chương 2. Python cơ bản# Ph
Page 37:
IIMachine learning cơ bản3 Linea
Page 40 and 41:
40 Chương 3. Linear regressionHì
Page 42 and 43:
Page 44 and 45:
44 Chương 3. Linear regression3.3
Page 46 and 47:
Page 48 and 49:
48 Chương 3. Linear regressionVí
Page 50 and 51:
50 Chương 3. Linear regressionimp
Page 53 and 54:
4. Logistic regressionBài trước
Page 55 and 56:
4.2 Xác suất 55Hình 4.2: Đư
Page 57 and 58:
4.4 Thiết lập bài toán 57=> p
Page 59 and 60:
4.5 Chain rule 59Hình 4.5: Đồ t
Page 61 and 62:
4.5 Chain rule 61Do đód(2x + 1)2d
Page 63 and 64:
4.5 Chain rule 63Từ đồ thị t
Page 65 and 66:
4.6 Quan hệ giữa phần trăm v
Page 67 and 68:
4.7 Ứng dụng 67Hình 4.9: Đư
Page 69:
IIINeural Network5 Neural network .
Page 72 and 73:
72 Chương 5. Neural network5.1.1
Page 74 and 75:
74 Chương 5. Neural network5.2.2
Page 76 and 77: 76 Chương 5. Neural network5.3 Fe
Page 78 and 79: 78 Chương 5. Neural network5.4 Lo
Page 80 and 81: 80 Chương 5. Neural networkHình
Page 82 and 83: 82 Chương 5. Neural networkRõ r
Page 85 and 86: 6. BackpropagationBài trước đ
Page 87 and 88: 6.1 Bài toán XOR với neural net
Page 93 and 94: 6.3 Python code 93Thì ở bài nà
Page 95: 6.4 Bài tập 95# Dự đoándef p
Page 99 and 100: 7. Giới thiệu về xử lý ả
Page 101 and 102: 7.1 Ảnh trong máy tính 101Hình
Page 103 and 104: 7.1 Ảnh trong máy tính 103Hình
Page 105 and 106: 7.1 Ảnh trong máy tính 1057.1.4
Page 107 and 108: 7.2 Phép tính convolution 107x 13
Page 109 and 110: 7.2 Phép tính convolution 109Hìn
Page 111 and 112: 7.3 Bài tập 111Hình 7.16: Một
Page 113 and 114: 8. Convolutional neural networkBài
Page 115 and 116: 8.2 Convolutional neural network 11
Page 123: 8.4 Bài tập 1238.4 Bài tập1.
Page 128 and 129: 128 Chương 9. Giới thiệu kera
Page 135 and 136: 10. Ứng dụng CNN cho ô tô t
Page 137 and 138: 10.1 Giới thiệu mô phỏng ô
Page 139 and 140: 10.2 Bài toán ô tô tự lái 13
Page 141 and 142: 10.3 Python code 141import pandas a
Page 143: 10.5 Bài tập 143# Load model mà
Page 147 and 148: 11. Transfer learning và data augm
Page 149 and 150: 11.1 Transfer learning 149Hình 11.
Page 151 and 152: 11.1 Transfer learning 151from skle
Page 157 and 158: 11.1 Transfer learning 157# Load mo
Page 159 and 160: 11.2 Data augmentation 159Hình 11.
Page 161 and 162: 11.2 Data augmentation 161Hình 11.
Page 163 and 164: 12. Các kỹ thuật cơ bản tro
Page 165 and 166: 12.2 Mini-batch gradient descent 16
Page 167 and 168: 12.3 Bias và variance 16712.3 Bias
Page 169 and 170: 12.4 Dropout 169• Dùng regulariz
Page 171 and 172: 12.5 Activation function 171Hình 1
Page 173 and 174: 12.5 Activation function 173Tanh ac
Page 175: VIComputer Vision Task13 Object det
Page 178 and 179:
178 Chương 13. Object detection v
Page 180 and 181:
Page 182 and 183:
Page 184 and 185:
Page 186 and 187:
Page 189 and 190:
14. Image segmentation với U-Net1
Page 191 and 192:
14.1 Bài toán image segmentation
Page 193 and 194:
14.2 Mạng U-Net với bài toán
Page 195 and 196:
14.2 Mạng U-Net với bài toán
Page 197:
IIRecurrent Neural Network15 Recurr
Page 200 and 201:
200 Chương 15. Recurrent neural n
Page 202 and 203:
Page 204 and 205:
Page 206 and 207:
206 Chương 16. Long short term me
Page 208 and 209:
208 Chương 16. Long short term me
Page 210 and 211:
210 Chương 17. Ứng dụng thêm
Page 212 and 213:
Page 214 and 215:
Page 216 and 217:
Page 218 and 219:
Page 220 and 221:
Page 222 and 223:
Page 225 and 226:
BibliographyArticles[7] Ross Girshi
Page 227:
17.6 Python code 227Books[21] Adria
show all

Sách Deep Learning cơ bản

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?