สรุป
รูปแบบรหัสนี้อธิบายวิธีจำแนกตัวอักษรภาษามือแบบอเมริกัน (ASL) โดยใช้ PyTorch และเครือข่ายการเรียนรู้เชิงลึก ใช้โมเดลที่ได้รับการฝึกจากสวนสัตว์จำลอง PyTorch และฝึกซ้ำส่วนสุดท้ายของเครือข่าย
รายละเอียด
รูปแบบโค้ดใช้ PyTorch เพื่อสร้างและฝึกโมเดลการเรียนรู้เชิงลึกเพื่อจำแนกรูปภาพเป็น 29 คลาส (ตัวอักษร ASL 26 ตัว ช่องว่าง เดล และไม่มีอะไรเลย) ซึ่งสามารถใช้ในภายหลังเพื่อช่วยให้ผู้ที่มีปัญหาในการได้ยินสื่อสารกับผู้อื่นได้เช่นกัน เช่นเดียวกับคอมพิวเตอร์ รูปแบบนี้ใช้เครือข่ายมือถือที่ได้รับการฝึกฝน กำหนดตัวแยกประเภท และเชื่อมต่อกับเครือข่าย จากนั้นจะฝึกลักษณนามนี้พร้อมกับกลุ่มสุดท้ายของเครือข่ายในชุดข้อมูล รูปแบบนี้ใช้สภาพแวดล้อม Python และ GPU ใน IBM® Watson™ Studio เพื่อการฝึกที่เร็วขึ้น ซึ่งช่วยให้คุณดาวน์โหลด สำรวจ สร้าง และฝึกโมเดลของคุณ ดูข้อมูลเพิ่มเติมเกี่ยวกับ สภาพแวดล้อมที่วัตสันสตูดิโอใช้ได้.
หลังจากเสร็จสิ้นรูปแบบนี้ คุณจะเข้าใจวิธี:
- รับชุดข้อมูลจาก Kaggle
- สำรวจข้อมูลและกำหนดหม้อแปลงเพื่อประมวลผลภาพล่วงหน้าก่อนการฝึก
- กำหนดตัวแยกประเภทให้มีชั้นเอาต์พุต 29 เอาต์พุต
- ฝึกบล็อกสุดท้ายของเครือข่ายพร้อมกับตัวแยกประเภทที่กำหนดไว้
- ทดสอบโมเดลฝึก
ไหล
- เข้าสู่ระบบ วัตสัน สตูดิโอ
- รับข้อมูลประจำตัว Kaggle API ของคุณ
- เรียกใช้ Jupyter Notebook ใน Watson Studio
คำแนะนำ
รับขั้นตอนโดยละเอียดใน README ไฟล์. ขั้นตอนเหล่านี้แสดงวิธี:
- สมัครสมาชิกวัตสันสตูดิโอ
- สร้างโครงการใหม่
- สร้างสมุดบันทึก
- เรียกใช้โน้ตบุ๊ก
- ทดสอบโมเดลของคุณ
