Looge piltide klassifitseerimise mudel

kokkuvõte

See koodimuster selgitab, kuidas klassifitseerida Ameerika viipekeele (ASL) tähestikku PyTorchi ja süvaõppevõrkude abil. See kasutab PyTorchi mudelite loomaaia eelkoolitatud mudelit ja koolitab võrgu viimast osa ümber.

Kirjeldus

Koodimuster kasutab PyTorchi süvaõppemudeli loomiseks ja treenimiseks piltide liigitamiseks 29 klassi (26 ASL tähestikku, tühik, Del ja mitte midagi), mida saab hiljem kasutada, et aidata vaegkuuljatel ka teistega suhelda. nagu arvutitega. Muster kasutab eelkoolitatud mobiilsidevõrku, määratleb klassifikaatori ja ühendab selle võrguga. Seejärel treenib see seda klassifikaatorit koos andmestiku viimaste võrguplokkidega. Muster kasutab IBM® Watson™ Studio Pythoni ja GPU keskkonda kiiremaks treenimiseks, mis võimaldab teil mudelit alla laadida, uurida, ehitada ja treenida. Lisateavet saadaolevad Watson Studio keskkonnad.

Pärast selle mustri täitmist saate aru, kuidas:

• Hankige Kaggle'ilt andmekogum
• Uurige andmeid ja määrake trafod piltide eeltöötlemiseks enne treeningut
• Määratlege klassifikaator, mille väljundkiht on 29 väljundit
• Treenige võrgu viimaseid plokke koos määratletud klassifikaatoriga
• Testige koolitatud mudelit

voolama

1. Logige sisse Watson Studiosse.
2. Hankige oma Kaggle API mandaadid.
3. Käivitage Jupyteri sülearvuti Watson Studios.

Juhised

Vaadake üksikasjalikke juhiseid jaotisest readme faili. Need sammud näitavad, kuidas:

1. Registreeruge Watsoni stuudiosse.
2. Looge uus projekt.
3. Loo märkmik.
4. Käivitage märkmik.
5. Testige oma mudelit.

Allikas: https://developer.ibm.com/patterns/build-an-american-sign-language-alphabet-classifier-using-pytorch-and-gpu-environments-on-watson-studio/