УДК 004

АНАЛИЗ ВОЗМОЖНОСТЕЙ GOOGLE COLAB

Волокитина Татьяна Сергеевна
Юго-Западный государственный университет

Аннотация
Статья посвящена описанию возможности Google Colab для изучения технологий машинного обучения и нейронных сетей. Автор предоставляет теоретическую справку и анализ возможностей Google Colab. В данной работе используется файл GitHub для примера работы сортировки изображений нейросетью.

Ключевые слова: , , , ,


Рубрика: 05.00.00 ТЕХНИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Волокитина Т.С. Анализ возможностей Google Colab // Современные научные исследования и инновации. 2020. № 12 [Электронный ресурс]. URL: https://web.snauka.ru/issues/2020/12/93911 (дата обращения: 08.12.2021).

В современном мире, нейросети применяют повсеместно для нахождения логики и предсказывания, в результате анализа данных, поступивших в сеть. Система нейронов представляет собой самообучающуюся систему, действующей в аналогии с деятельностью человеческого мозга. Единицей нейросети является нейрон, прототипом которого послужила одноименная единица головного мозга. На рисунке 1 показана схема нейрона.

Рисунок 1 – Схема единицы нейросети

Можно заметить, что составляющими единицы нейросети, являются синапсы, обеспечивающие связь входные данные и ядро; в то время как ядра нейрона, которое служит для непосредственного анализа входных сигналов; а также аксона, обеспечивающего связь между ядром и следующим слоем нейросети или выходом.

В данной работе был рассмотрен пример использования Google Сolab для машинного обучения. Для его реализации будем использовать GitHub файл с нейросетью. По аналогии с FastAI создадим нейронную сеть, которая будет классифицировать изображения из нашего собcтвенного датасета.

Сначала необходимо подготовить изображения для классификации, будем классифицировать черных медведей и гризли. Из всех взятых изображений с Google Картинки, необходимо удалить все поврежденные или с плохим качеством изображения. Сделать это можно с помощью цикла:

for c in classes:

    print(c)

    verify_images(path/c, delete=True, max_size=500)

Составим датасет, а именно набор данных с которым мы будем работать.

Датасет представляет собой набор изображений для классификации черных медведей (black) и гризли(grizzly), которые будут входными сигналами (рисунок 2).

Рисунок 2 – Датасет классификации

После удачного создания датасета, необходимо начать тренировку нейронной сети. Для этого будем использовать следующую функцию:

learn = create_cnn(data, models.resnet34, metrics=error_rate)

Получим таблицу с данными по тренировке нейросети (рисунок 3):

Рисунок 3 – Тренировка

После удачной тренировки посмотрим интерпретацию полученных результатов (рисунок 4).

Рисунок 4 – Интерпретация классификации

Как видно на рисунке,было правильно распознано 41 изображение черных медведей и 31 картинка с гризли, а так же выявлено несколько ошибок, которые мы рассмотрим внимательнее (рисунок 5).

Рисунок 5 – Ошибочные изображения

Из графика видно, что фотографии не могут быть интерпретированы точно, что влияет на получение результата.

Проведем тестирование обученной нейросети. Возьмем изображение гризли и проверим точность классификации (рисунок 6):

Рисунок 6 – Изображение для теста

Получаем вывод от нейросети:

Category grizzly, а значит классификация произошла верно.

В результате выполненной работы были описаны возможности Google Colab для изучения технологий машинного обучения и нейронных сетей и приведен пример классификации изображений, взятых из Google Картинки.


Библиографический список
  1. Барский, А.Б. Логические нейронные сети: Учебное пособие / А.Б. Барский. – М.: Бином, 2013. – 352 c.
  2. Галушкин, А.И. Нейронные сети: основы теории / А.И. Галушкин. – М.: ГЛТ, 2012. – 496 c.
  3. Каллан, Р. Нейронные сети: Краткий справочник / Р. Каллан. – М.: Вильямс И.Д., 2017. – 288 c.
  4. Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько. – М.: Ленанд, 2019. – 224 c.
  5. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – М.: Диалектика, 2019. – 1104 c.


Количество просмотров публикации: Please wait

Все статьи автора «Волокитина Татьяна Сергеевна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация