Résumé
Ce modèle de code explique comment classer un alphabet ASL (American Sign Language) à l'aide de PyTorch et des réseaux d'apprentissage profond. Il utilise un modèle pré-entraîné du zoo des modèles PyTorch et reconditionne la dernière partie du réseau.
Description
Le modèle de code utilise PyTorch pour créer et former un modèle d'apprentissage en profondeur afin de classer les images en 29 classes (26 alphabet ASL, espace, Del et rien), qui peut être utilisé plus tard pour aider les personnes malentendantes à communiquer également avec les autres. comme avec les ordinateurs. Le modèle utilise un réseau mobile pré-entraîné, définit un classificateur et le connecte au réseau. Il entraîne ensuite ce classificateur avec certains des derniers blocs du réseau sur l'ensemble de données. Le modèle utilise l'environnement Python et GPU dans IBM® Watson ™ Studio pour une formation plus rapide, ce qui vous permet de télécharger, d'explorer, de créer et de former votre modèle. En savoir plus sur environnements Watson Studio disponibles.
Après avoir terminé ce modèle, vous comprenez comment:
- Obtenir un ensemble de données de Kaggle
- Explorez les données et définissez des transformateurs pour prétraiter les images avant l'entraînement
- Définir un classificateur pour avoir une couche de sortie de 29 sorties
- Former les derniers blocs du réseau avec le classificateur défini
- Tester le modèle entraîné
Flow
- Connectez-vous à Watson Studio.
- Obtenez vos informations d'identification d'API Kaggle.
- Exécutez le bloc-notes Jupyter dans Watson Studio.
Instructions
Obtenez des étapes détaillées dans readme fichier. Ces étapes montrent comment:
- Inscrivez-vous à Watson Studio.
- Créez un nouveau projet.
- Créez le cahier.
- Exécutez le cahier.
- Testez votre modèle.
