مهمة عملية من منهج الذكاء الاصطناعي للمبتدئين.
تخيل أنك بحاجة إلى تطوير تطبيق لحضانة الحيوانات لتصنيف جميع الحيوانات. واحدة من الميزات الرائعة لهذا التطبيق ستكون اكتشاف السلالة تلقائيًا من صورة فوتوغرافية. في هذه المهمة، سنستخدم التعلم بالنقل لتصنيف صور حقيقية للحيوانات من مجموعة بيانات Oxford-IIIT للحيوانات.
سنستخدم مجموعة بيانات Oxford-IIIT الأصلية، والتي تحتوي على 35 سلالة مختلفة من الكلاب والقطط.
لتحميل مجموعة البيانات، استخدم هذا المقتطف البرمجي:
!wget https://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz
!tar xfz images.tar.gz
!rm images.tar.gzابدأ المهمة بفتح OxfordPets.ipynb
التعلم بالنقل والشبكات المدربة مسبقًا يسمحان لنا بحل مشاكل تصنيف الصور الواقعية بسهولة نسبية. ومع ذلك، تعمل الشبكات المدربة مسبقًا بشكل جيد على الصور من نفس النوع، وإذا بدأنا بتصنيف صور مختلفة جدًا (مثل الصور الطبية)، فمن المحتمل أن نحصل على نتائج أسوأ بكثير.
إخلاء المسؤولية:
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.