Chơi xung quanh với kiến trúc mạng và bộ dữ liệu để xem các tham số khác nhau ảnh hưởng đến mạng thần kinh như thế nào.
Neuroplay là một công cụ xây dựng mạng lưới thần kinh nhân tạo nhận dạng hình ảnh nhỏ. Nó không mạnh lắm và cũng không có nhiều tính năng. Trên thực tế, nó là cố ý đơn giản và hạn chế. Nó chỉ có thể hoạt động với tối đa 3 lớp! Mục tiêu chính của nó là đưa ra một cái nhìn trực quan về hoạt động bên trong của các mạng lưới thần kinh. Để giúp bạn hiểu những gì đang xảy ra khi các mạng đang học một bộ dữ liệu mới và để hình dung cách mỗi lớp và đơn vị nhìn thấy dữ liệu trung gian.
Hãy xem mã! Vâng, đó là NGUỒN MỞ. Bạn có thể đi đến kho lưu trữ và xem mọi thứ hoạt động như thế nào! Neuroplay không sử dụng các thư viện máy học phức tạp và các thuật toán tối ưu hóa nâng cao. Đồng thời, tôi cố gắng giữ cho mã được ghi chép tốt và sạch sẽ. Thật đơn giản và dễ hiểu những điều cơ bản cơ bản của mạng lưới thần kinh.
Repit GitLab: https://gitlab.com/ddimitrovd/neuroplay
Bạn sẽ mất không quá 5 phút để học cách làm việc với nó và bắt đầu vui chơi! Tôi thực sự khuyên bạn nên xem video hướng dẫn. Nó là ngắn và thẳng vào vấn đề!
Bạn có thể sử dụng một tập dữ liệu được cung cấp hoặc thậm chí tốt hơn đầu vào của riêng bạn bằng cách vẽ nó. Đừng lo lắng sẽ không quá tẻ nhạt để thu thập một bộ dữ liệu phong nha mỗi bản vẽ bạn cung cấp được tăng cường để nhân lên các hình ảnh. Bạn có thể thu thập một tập dữ liệu kích thước trong hàng chục ngàn chỉ trong một phút!
Tôi có rất nhiều ý tưởng cho các tính năng thú vị và các công cụ trực quan hoạt động bên trong, nhưng tôi chỉ là một chàng trai, và đây là một dự án phụ của tôi. Chỉ có nhiều thời gian tôi có thể hy sinh cho ứng dụng này. Tôi biết rằng có một số lỗi, giới hạn và chỗ để tối ưu hóa, nhưng đó là một ứng dụng miễn phí. Tôi hy vọng bạn có niềm vui với nó và đừng quá nản lòng khi có sự cố xảy ra.
!!! TÌM HIỂU PHÁT TRIỂN !!!
Như tôi đã đề cập, có rất nhiều điều tôi vẫn muốn làm, và bạn có thể sẽ thấy điều đó trong ứng dụng với tất cả các nút và cảnh báo bị vô hiệu hóa.
Những điều tôi muốn làm trong tương lai gần nhất nếu có thời gian là:
- nhiều thuật toán tối ưu hóa
- sử dụng gia tăng xác định
- bộ dữ liệu tích hợp
- cải thiện hiệu suất / đa luồng
- hình dung đầu vào
- điều hướng tốt hơn giữa các hoạt động
- sơ đồ trực quan của mô hình mạng thần kinh, giả thuyết và các đơn vị và trọng lượng riêng
+ hình dung tương tự cho backprop
- lưu nhiều bộ dữ liệu tùy chỉnh
- kiến trúc tùy biến hơn
- và nhiều hơn nữa
Ứng dụng sử dụng một số tài sản miễn phí tuyệt vời và mã có sẵn công khai:
-Xây dựng công cụ vẽ đơn giản cho android: https://android.jlelse.eu/a-guide-to-drawing-in-android-631237ab6e28
-Icons: https://www.flaticon.com/authors/smashicons
Version 1.1
- Optimum check and learning insights and tips
- Adjusted default values
- Architecture help and explanations