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.