Hogyan vonat és használata az első mély neurális hálózat
Áttekintés a képzés a neurális hálózat.
Amikor először úgy döntött, hogy alkalmazza a mély tanulási problémák megoldása terén a számítógépes látás, szembe kellett néznem számos nehézséggel. Abban az időben még csak néhány projekt nyílt forráskódú szoftver, a dokumentáció nem volt elég, a projektek kísérleti és volt számos bonyolult telepítési függőségek. Idővel sok új projekt, de még mindig elsősorban a dolgozó kutatók számítógépes látás, így az úton előfordulhat ugyanazokkal az akadályokkal, ha jön egy másik régióban.
Ez a cikk és az azt kísérő webcast, megmondom, hogyan kell használni egy előre kiképzett neurális hálózat, majd elmagyarázzák, hogyan kell a vonat saját. A cikk végén írtam le az összes szükséges lépés, amely lehetővé teszi, hogy telepíteni és konfigurálni a teljes szoftver. De tekintettel arra, hogy az eljárás meglehetősen bonyolult, azt ajánlom, hogy letölt egy virtuális gép Csavargó, ahol már telepítve van minden, amire szüksége van. A virtuális gép mentesíti Önt a fejfájás társul az alkatrészeket, és fog összpontosítani képzési és használata neurális hálózatok.
Egy virtuális gép
Együttműködik a virtuális gép, akkor kell egy számítógép OS X vagy Linux és a szabad szoftverek virtualizációs Csavargó. Ha nincs Csavargó, kattintson a linkre, és kövesse az utasításokat a szakasz «Első lépések» ( «Első lépések").
Telepítése után Vagrant nyit egy új terminált, és hozzon létre egy katalógust a virtuális gép segítségével a következő parancsokat:
Most betölteni a virtuális gép image. A kép mérete körülbelül 2 GB, ezért a letöltési folyamat eltarthat egy ideig.
A kép letöltésével, futtassa az új virtuális szerver:
Mi megy a virtuális gép:
Az előre kiképzett neurális hálózat
Megmutatom, hogyan kell dolgozni a keret Caffe mély tanulást. Ajánlott yangqin Jia (Yangqing Jia), és egy csapat Berkeley Vision and Learning Center (BVLC). Ez a keret egy aktív közösség a fejlesztők, teljesen nyílt forráskódú (egyidejűleg előre képzett modell nem használható kereskedelmi célokra), valamint egy csomó dokumentációt, úgy, hogy szolgálhat egy jó kiindulási pont. A kezdéshez, menj a könyvtárba a keret:
Látni fogjuk, számos híradás, az utolsó, ami a következő lesz:
Megpróbálhatjuk besorolni bármely más képeket. Ebből a célból az elsődleges operációs rendszer átmásolja őket a könyvtárba:
fognak megjelenni a következő könyvtárban a fájlrendszer a virtuális gép:
Saját vonat egy neurális hálózat
Az egyik első feladat, amelyre alkalmazták, spirálos neurális hálózatok (konvolúciós neurális hálózat) feladata volt kézzel írott számjegyek elismerést. Yann LeCun (Yann LeCun) nagymértékben hozzájárult, hogy ezen a területen a tudás a 90-es években, és az ő verziója LeNet építészet építeni a Caffe. Betöltése az adathalmaz MNIST. amely 70.000 kézzel írott számjegyek kép:
nagyszámú információs üzenetek jelennek meg, és a folyamat befejeződik néhány perc alatt. Most ezt a parancsot:
Látnunk kell, amelyek az alábbi fájl neve:
Ez a fájl tartalmazza a súlya a képzett neurális hálózat. Most meg lehet próbálni a hálózat különböző képeket. Készítettem néhány teszt képek egy virtuális gép, de használható bármilyen képet fehér számokkal a fekete háttér.
Az eredmény egy olyan üzenetet, hogy a valószínűsége 100% a 4-es számú, ami igaz!
telepítési útmutató
Az alábbiakban a parancsokat, hogy betartottam, hogy hozzon létre egy virtuális gép, a fent leírtak szerint. Ha ön használ Csavargó, hozzon létre egy tiszta kép Ubuntu 14.04:
Miután létrehozta és inicializálja a virtuális gép, írja be és futtassa CUDA telepítési folyamatot. Összegyűjteni Caffe szükséges header fájlokat és CUDA könyvtár, akkor is, ha fogunk csak azokon a CPU-t. Ezért nem nélkülözheti CUDA csomag, melynek mérete 900 MB.
A telepítés során meg kell állítani a különböző paramétereket. Szükséges, hogy feladja az illesztőprogram telepítése (mert nem tudjuk használni a GPU egy virtuális gép), de példát, és az SDK, így az alapértelmezett útvonalat. Ezután meg kell adni a LD_LIBRARY_PATH környezeti változó útvonalát az SDK.
Most meg a függőségek számát az apt-get:
A keret naplózás nem érhető el a Google adattárát, ezért szükséges, hogy összegyűjtse a forráskódból:
Töltse le a forráskódot Caffe:
CUDA probléma van az alapértelmezett fordító gcc 4.8, így meg kell, hogy cserélje ki a gcc 4.6:
Az üzemeltetés Caffe is szükség van több Python modulok lehet állítani szerint a listát keresztül pip. Ez a folyamat eltarthat egy ideig:
sudo pip install -r python / requirements.txt
A jelenlegi verzió nem biztosít Caffe fordító változás, így meg kell, hogy néhány változtatást a make-fájlokat:
Végül terhelés előre kiképzett neurális hálózat és címkék: