AI for Beginners Curriculum ലെ ലാബ് അസൈൻമെന്റ്.
ഒരു മൃഗശാലയ്ക്ക് എല്ലാ മൃഗങ്ങളും കാറ്റലോഗ് ചെയ്യാനുള്ള ഒരു ആപ്ലിക്കേഷൻ വികസിപ്പിക്കേണ്ടതായി നിങ്ങൾക്ക് ധരിക്കാം. അത്തരത്തിലുള്ള ഒരു ആപ്ലിക്കേഷന്റെ മികച്ച സവിശേഷതകളിലൊന്ന് ഫോട്ടോഗ്രാഫിൽ നിന്ന് സ്വയം ജാതി കണ്ടെത്തുക എന്നതാണ്. ഇത് ന്യുറൽ നെറ്റ്വർക്കുകൾ ഉപയോഗിച്ച് വിജയകരമായി ചെയ്യാം.
Pet Faces ഡാറ്റാസെറ്റ് ഉപയോഗിച്ച് വിവിധ പൂച്ചകളും നായകളും ജാതികൾ വർഗ്ഗീകരിക്കാൻ നിങ്ങൾ ഒരു കോൺവല്യൂഷണൽ ന്യുറൽ നെറ്റ്വർക്ക് പരിശീലിപ്പിക്കേണ്ടതാണ്.
നാം ഉപയോഗിക്കുന്നത് Oxford-IIIT Pet Dataset ആണ്, ഇതിൽ 37 വ്യത്യസ്ത നായയും പൂച്ചയും ജാതികളുടെ ചിത്രങ്ങൾ ഉൾപ്പെടുന്നു.
ഡാറ്റാസെറ്റ് ഡൗൺലോഡ് ചെയ്യാൻ, ഈ കോഡ് സ്നിപ്പെറ്റ് ഉപയോഗിക്കുക:
!wget https://thor.robots.ox.ac.uk/~vgg/data/pets/images.tar.gz
!tar xfz images.tar.gz
!rm images.tar.gzകുറിപ്പ്: Oxford-IIIT Pet Dataset ചിത്രങ്ങൾ ഫയൽനാമുകൾ പ്രകാരം ക്രമീകരിച്ചിരിക്കുന്നു (ഉദാ., Abyssinian_1.jpg, Bengal_2.jpg). ഈ നോട്ട്ബുക്കിൽ ഈ ചിത്രങ്ങൾ ജാതി-പ്രത്യേക സബ്ഡയറക്ടറികളിലേക്ക് ക്രമീകരിക്കുന്ന കോഡ് ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, ഇത് വർഗ്ഗീകരണം എളുപ്പമാക്കുന്നു.
ലാബ് ആരംഭിക്കാൻ PetFaces.ipynb തുറക്കുക
നിങ്ങൾ ഒരു സങ്കീർണ്ണമായ ഇമേജ് വർഗ്ഗീകരണ പ്രശ്നം തുടക്കത്തിൽ നിന്ന് പരിഹരിച്ചു! ക്ലാസുകൾ വളരെ കൂടുതലായിരുന്നു, എന്നാൽ നിങ്ങൾക്ക് യുക്തിസഹമായ കൃത്യത നേടാൻ കഴിഞ്ഞു! ചില ക്ലാസുകൾ മനുഷ്യർക്കും വ്യക്തമായി വ്യത്യസ്തമല്ലാത്തതിനാൽ, ടോപ്പ്-k കൃത്യത അളക്കുന്നത് ബുദ്ധിമുട്ടുള്ള ക്ലാസുകൾ തമ്മിൽ തെറ്റിദ്ധരിക്കപ്പെടുന്നത് കുറയ്ക്കാൻ സഹായിക്കുന്നു.
അസൂയാ:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് പരിഗണിക്കേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.