Репетиция за обучение на невронни мрежи.

Когато за първи път реши да приложи дълбоко обучение за решаване на проблемите в областта на компютърното зрение, аз трябваше да се изправи пред редица трудности. По това време е имало само няколко проекти с отворен код, документацията не е достатъчно, проектите са експериментални и са разполагали с голям брой сложни инсталационни зависимости. С течение на времето, има много нови проекти, но те все още са насочени към изследователите, работещи с компютърно зрение, така че в начина, по който може да изпита същите препятствия, ако идвате от друг регион.

Тази статия и придружаващата уебкаст, аз ще ви кажа как да използвате предварително обучени невронни мрежи, а след това да обясни как да се обучават сами. В края на статията описах всички необходими стъпки, които ще ви позволят да се инсталира и конфигурира пълен набор от софтуер. Но с оглед на факта, че този процес е доста сложен, препоръчвам ви да изтеглите виртуална машина за скитници, където вече сте инсталирали всичко, което трябва. Виртуалната машина ще ви освободи от главоболията, свързани с инсталирането на компонентите, и ще се съсредоточи върху обучението и използването на невронни мрежи.

Инсталиране на виртуална машина

За да работите с виртуална машина, ние ще трябва компютър с OS X или Linux и безплатен софтуер за виртуализация за скитници. Ако не разполагате с скитник, кликнете върху линка и следвайте инструкциите в раздела «Първи стъпки» ( «Първи стъпки").

След като инсталирате скитащ се отвори нов прозорец за регистрация и да се създаде каталог за виртуалната машина с помощта на следните команди:

Сега се зареди виртуален образ машина. размер на изображението е около 2 GB, така че процесът на изтегляне може да отнеме известно време.

С изтеглянето на изображение, стартирайте нов виртуален сървър:

Ходим на виртуалната машина:

Използване на предварително обучени невронни мрежи

Аз ще ви покажа как се работи с рамката за Caffe дълбоко обучение. проектиран Yangqin Jia (Yangqing Jia) и екип от Бъркли Vision и Център за обучение (BVLC). Тази рамка има активна общност от разработчици, напълно отворен код (по същото време, предварително обучени модел не може да се използва за търговски цели), както и много документация, така че тя може да послужи като добра отправна точка. За да започнете, отидете в директорията на рамката:

Ще видим редица репортажи, последното от които ще бъдат, както следва:

Можем да се опитаме да се класифицира всички други изображения. За тази цел, нашата основна операционна система, ще ги копирате в директорията:

те ще се появят в следната директория на файловата система на виртуалната машина:

Собствен влак невронна мрежа

Една от първите задачи, за които се прилагат комплексно се невронни мрежи (спираловидното невронна мрежа), е задачата на ръкописен цифри признание. Ян LeCun (Yann LeCun) направи голям принос за тази област на знанието в 90-те години, и неговата версия на LeNet архитектура включена в Caffe. Заредете набор от данни MNIST на. състоящ се от 70 000 саморъчен цифри изображение:

ще бъдат показани на голям брой информационни съобщения, както и процесът е завършен в рамките на няколко минути. Сега, изпълнете командата:

Трябва да видим създаден със следните името на файла:

Този файл съдържа теглото на обучени невронни мрежи. Сега можете да тествате мрежата на различни изображения. Съм приготвил няколко тестови снимки във виртуална машина, но можете да използвате графичните бели числа на черен фон.

В резултат се получава съобщение, че с вероятност от 100% е броят 4, което е вярно!

Ръководство за инсталиране

По-долу са командите, че съм спазил за създаване на виртуална машина, както е описано по-горе. Ако използвате скитник, да създадете чист образ на Ubuntu 14.04:

След създаването и инициализиране на виртуална машина, въведете го и стартирайте инсталационния процес CUDA. За да се сглоби Caffe, необходими заглавни файлове и CUDA библиотека, дори и ако ние ще се показва само на процесора. Ето защо, ние не можем да направим без CUDA пакет, чийто размер е 900 MB.

По време на инсталацията, трябва да настроите различни параметри. Необходимо е да се откажат от инсталацията на драйвера (защото ние не може да използва GPU в виртуална машина), но да даде пример и SDK, оставяйки пътя по подразбиране. След това трябва да се добави към LD_LIBRARY_PATH среда променлива път към SDK.

Сега ние зададете броя на зависимости, използващи ап-да:

Рамката за сеч не е достъпна чрез нашата база от данни, така че е необходимо да се събират от изходния код:

Изтеглете изходния код Caffe на:

CUDA е проблем с по подразбиране компилатор GCC 4.8, така че трябва да го замени с GCC 4.6:

За работа Caffe също изисква редица Python модули, които могат да бъдат определени в съответствие със списъка с пипс. Този процес може да отнеме известно време:

Sudo PIP инсталирате -r питон / requirements.txt

Настоящата версия не предвижда промяна Caffe компилатор, така че трябва да се направят някои промени в грима файлове:

И накрая, натоварване предварително обучени невронни мрежи и ключови думи: